-
公开(公告)号：CN116720434A
公开(公告)日：2023-09-08
申请号：CN202310658397.2
申请日：2023-06-06
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出了一种基于BP神经网络PID算法的电离层闪烁模型实现方法，涉及电离层闪烁技术领域。该方法包括：复高斯信号权值分配、闪烁信号生成以及基于BP神经网络PID的权值更新；复高斯信号权值分配用于重新分配下一次的每段的复高斯信号对应的权值；闪烁信号生成用于根据模型设置参数和更新后的复高斯信号生成闪烁信号；基于BP神经网络PID的权值更新用于根据幅度指数的误差，迭代更新权值。本发明专利解决了电离层闪烁信号准确复现和随着数据更新周期越大，Cornell模型生成的闪烁信号，无法准确描述电离层幅度闪烁强度的问题，提高了仿真的电离层闪烁信号的真实性和复杂变换条件下的信号模拟的准确性。
-
公开(公告)号：CN116630666A
公开(公告)日：2023-08-22
申请号：CN202310723725.2
申请日：2023-06-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明提出一种应用于无人机图像匹配的SIFT‑KNN特征匹配方法，包括一：将图像均匀分割成m×n个相同的区域，将每个区域按逐行的顺序分别存储在集合{s1,s2,…,sm}中；二：构建尺度空间，输入图像通过二维高斯函数连续的对尺度进行参数变换，最终得到多尺度空间；三：采用Harris算子检测特征点,通过求解矩阵M特征值判断一个窗口是平面、边缘、角点；四：建立特征点KD树索引，将所有特征点分成两部分，直到每个叶子节点只包含一个像素值，顺着KD树计算出待匹配点的最佳匹配点对；五：判断图像1中的特征点对(f,f')，图像2中的匹配点对(f',f”)，匹配点f的像素值Ix，匹配点f”的像素值Iy，若Ix＝Iy，则(f,f')为初步正确的特征点对；六：采用渐近一致采样法在步骤五的基础上选取正确率相对要高的匹配点对。
-
公开(公告)号：CN116229293A
公开(公告)日：2023-06-06
申请号：CN202310088363.4
申请日：2023-02-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及无人机影像技术领域，具体涉及一种基于PMVS改进的多视角影像匹配方法，首先采用Harris+DoG算子对无人机图像进行特征点检测，在图像匹配阶段引入渐近一致采样法进行误匹配消除，提高了图像匹配的准确性，同时在面片生成上结合正态分布空间阈值选择空间点云，减少了面片生成的盲目性，最后在面片优化阶段采用改进的拟牛顿算法优化面片参数，在保证算法全局收敛性的情况下，提高了面片中心和法向量等相关参数的准确性，本发明能够有效解决PMVS算法图像匹配中的误匹配问题，选取正确率较高的匹配点集合，同时提高了算法中面片初始化和面片优化的效率，为面片扩散提高置信度较高的面片。
-
公开(公告)号：CN113610891B
公开(公告)日：2023-05-23
申请号：CN202110797269.7
申请日：2021-07-14
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种目标跟踪方法，包括：读取视频序列第一帧图像的groundtruth数据，初始化跟踪滤波器模型；读取下一帧图像，确定下一帧图像的目标块图像；获取目标块图像的深度卷积特征和CN特征并融合构建目标外观模型；根据目标块图像确定其上下文区域块，获取上下文区域块的HOG特征和CN特征并融合构建背景上下文模型；基于目标外观模型确定目标块图像的目标中心位置；构建尺度估计模型，得到尺度因子；根据目标外观模型和背景上下文模型的模型参数更新跟踪滤波器模型且返回至读取下一帧图像的步骤并继续执行，直至视频序列的所有图像帧完成目标跟踪。该方法从特征融合、背景信息处理两方面实现在光照变化、形变、背景干扰等复杂场景下的跟踪性能显著提升。
-
公开(公告)号：CN113191213B
公开(公告)日：2023-01-03
申请号：CN202110389794.5
申请日：2021-04-12
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种高分辨率遥感影像新增建筑物检测方法，通过对获得的第二时相GF2影像其进行超像素分割，得到超像素对象；接着用该时相GF2影像构建建筑物数据集；将所述建筑物提取数据集输入多尺度约束编解码网络训练，获取第二时相建筑物二值图，所述多尺度约束编解码网络，采用双路径体系结构分别获取全局信息和局部信息，结合全局和局部信息可以更好的从复杂背景中区分建筑物以及细化建筑物的细节，同时以兼顾不同大小的建筑物，将获得的超像素对象与所述建筑物二值图结合获取第二时相建筑物目标对象；然后使用IRMAD算法获得像素级变化检测结果，基于建筑物目标对象和像素级变化检测结果进行空间位置叠加分析，实现新增建筑物检测。
-
Patent Agency Ranking
公开(公告)号：CN115542359A
公开(公告)日：2022-12-30
申请号：CN202210881141.3
申请日：2022-07-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及全球卫星导航技术领域，具体涉及一种基于卡方检验的AWPSO姿态解算方法，利用姿态角与基线矢量的关系，构造姿态角的单历元适应度函数模型，通过适应度函数进行姿态角搜索，规避了整周模糊度求解带来的大运算量，同时采用自适应权重因子和候选解的方式提高了姿态角的搜索范围，减少算法早熟，提高算法收敛性，最后利用卡方检验对候选解进行有效性检测，并通过剔除无效解减小局部最优解引起的误差，提高了解算的精度和鲁棒性。
-
公开(公告)号：CN115170956A
公开(公告)日：2022-10-11
申请号：CN202210751710.2
申请日：2022-06-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及高光谱遥感图像处理技术领域，具体涉及基于多尺度熵率超像素的后验概率高光谱图像分类方法，包括对高光谱图像数据进行预处理，得到处理图像，对高光谱图像进行初始分类，得到多个初始分类标签光谱信息，对预处理图像进行主成分分析，得到前三个主要成分，对三个主要成分进行图像处理，得到不同尺度下的超像素图像，对超像素图像进行融合处理，得到降维的高光谱图像，对多个初始分类标签和降维的高光图像进行域变换插值卷积滤波处理，得到重排列分类标签，对高光谱图像进行分类，再进行超像素分割操作、特征提取和修正，得到最后的分类标签，从而改善现有的光谱图像分类技术提取空间信息不足以及忽视超像素边缘信息的问题。
-
公开(公告)号：CN111462184B
公开(公告)日：2022-09-23
申请号：CN202010256256.4
申请日：2020-04-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于孪生神经网络线性表示模型的在线稀疏原型跟踪方法，包括基于图像混合方法将不同图片进行线性叠加，得到复杂背景图片；通过在线稀疏原型跟踪在外观模型上建模，利用正交子空间基向量和琐碎模板组成的原型来稀疏地线性表示被跟踪目标；基于观测模型和观测似然函数输出遮挡跟踪结果。实现通过数据增广方法将不同图片进行线性叠加，利用有限的训练集生成了带有语义信息的复杂背景图片，增强了SiamRPN对不同物体的判别能力，解决了背景杂乱的问题，在线稀疏原型的目标表示模型与改进的SiamRPN相结合，考虑了目标遮挡情况，利用观测似然函数和更新机制制作的鲁棒跟踪器，提高了被跟踪目标的定位精度，从而提升了整体跟踪性能。
-
公开(公告)号：CN113129337B
公开(公告)日：2022-07-19
申请号：CN202110400856.8
申请日：2021-04-14
Applicant: 桂林电子科技大学
Abstract: 本发明适用于计算机视觉跟踪领域，提供了背景感知跟踪方法、计算机可读存储介质及计算机设备，包括：构建背景感知模型，从背景感知模型中提取真实样本用于训练滤波器，所述真实样本指从测试视频中实时提取的目标信息和背景信息；从测试视频之外的视频数据集中以参考目标为条件来搜索目标对象，挖掘包括与目标相关度高于预设阈值的图像作为困难样本，重新根据所述困难样本训练并更新滤波器；通过更新后的滤波器更新DCFNet框架的输出，实现对目标的在线跟踪。解决了由傅里叶频域卷积带来的边界效应问题，增强了跟踪的鲁棒性。
-
公开(公告)号：CN114726688A
公开(公告)日：2022-07-08
申请号：CN202210375109.8
申请日：2022-04-11
Applicant: 桂林电子科技大学
IPC: H04L25/02 , H04B17/309 , H04B17/391 , H04L27/26 , H04L25/03
Abstract: 本申请提出了一种信道估计方法、系统、设备及可读存储介质。该方法包括：生成延时‑多普勒域随机序列矩阵并进行星座图映射，得到目标数据符号矩阵后转换为时频域数据符号矩阵；将导频矩阵插入至发射的时频域符号矩阵，得到时频域发射端符号矩阵后进行快速傅里叶逆变换，得到时域发射信号矩阵后进行并串变换处理，将串行的发射端符号序列发送至接收端后进行串并变换处理，得到接收端的时域接收矩阵并进行快速傅里叶变换，生成频域的接收信号矩阵；采用基扩展模型对快速时变信道进行建模，根据还原的时域信道矩阵计算出信道估计后的接收信号，从而进行误符号率性能分析。本申请能够应用于OTFS系统且兼容OFDM系统，并有效提高信道估计方法的性能。
-
-
-
-
-
-
-
-
-
Search Results
275
records
(took 0.032 seconds)
