-
公开(公告)号:CN118365532B
公开(公告)日:2024-08-30
申请号:CN202410783387.6
申请日:2024-06-18
申请人: 中山大学
IPC分类号: G06T5/10 , G06N3/0464 , G06N3/08 , G06T5/60 , G06T5/70
摘要: 本发明涉及图像翻译技术领域,公开了一种SAR图像翻译方法、装置、设备及存储介质,其提出了一种新型的仿真SAR图像到实测SAR图像的转换网络,能够弥合仿真SAR图像与实测SAR图像之间的域差距,通过估计其相应实测SAR图像的潜在表征特征,并利用布朗桥扩散模型进行两个域之间的转换,能够生成具有与实测SAR目标图像相同散射特性的图像,实现两个域之间有效的图像翻译;能够有效辅助基于深度学习的SAR目标识别任务,提高目标识别的准确性,并降低获取实测SAR图像数据的成本。
-
公开(公告)号:CN118155079B
公开(公告)日:2024-08-06
申请号:CN202410565945.1
申请日:2024-05-09
申请人: 中山大学
IPC分类号: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/46 , G06V10/762
摘要: 本申请公开了一种近岸船舶显著性检测方法、系统、设备及介质,将相似灰度和纹理的像素分成不同超像素区域,对超像素区域内的像素数据进行瑞利分布拟合,将得到的超像素区域拟合瑞利分布的尺度参数作为特征样本数据,引入FCM模糊聚类的方法量化不同类别超像素之间的差异性,提高效率的同时有效区分船舶目标,从而增强目标检测的能力。分别计算全局区域对比度和局部区域对比度,最后相乘得到差异对比图,即在考虑全局分布特性的同时也考虑了超像素的局部分布特性,从而更好地表征当前超像素的特征。通过对阈值分割后的图像的连通域进行几何形状分析,进一步筛选船舶目标区域,有效去除了大量陆地虚警,同时保持了船舶目标的轮廓完整性。
-
公开(公告)号:CN111719113B
公开(公告)日:2021-08-17
申请号:CN201910236894.7
申请日:2019-03-27
申请人: 中山大学 , 长庚医疗财团法人高雄长庚纪念医院
摘要: 一种针灸针具的表面改质方法,用以解决以现有的针灸针具的表面加工方法所制得的针具,患者的得气感较弱的问题,其包括:将针灸针具于超临界流体存在下接触含氮化合物,其中,该超临界流体与该含氮化合物的体积比为100:0.2~100:4,该针灸针具与该含氮化合物的接触时间为0.5~2小时、接触温度为90~150℃且接触压力为100~300大气压,使该含氮化合物中的氮元素附着于该针灸针具的表面。
-
公开(公告)号:CN118365532A
公开(公告)日:2024-07-19
申请号:CN202410783387.6
申请日:2024-06-18
申请人: 中山大学
IPC分类号: G06T5/10 , G06N3/0464 , G06N3/08 , G06T5/60 , G06T5/70
摘要: 本发明涉及图像翻译技术领域,公开了一种SAR图像翻译方法、装置、设备及存储介质,其提出了一种新型的仿真SAR图像到实测SAR图像的转换网络,能够弥合仿真SAR图像与实测SAR图像之间的域差距,通过估计其相应实测SAR图像的潜在表征特征,并利用布朗桥扩散模型进行两个域之间的转换,能够生成具有与实测SAR目标图像相同散射特性的图像,实现两个域之间有效的图像翻译;能够有效辅助基于深度学习的SAR目标识别任务,提高目标识别的准确性,并降低获取实测SAR图像数据的成本。
-
公开(公告)号:CN111719113A
公开(公告)日:2020-09-29
申请号:CN201910236894.7
申请日:2019-03-27
申请人: 中山大学 , 长庚医疗财团法人高雄长庚纪念医院
摘要: 一种针灸针具的表面改质方法,用以解决以现有的针灸针具的表面加工方法所制得的针具,患者的得气感较弱的问题,其包括:将针灸针具于超临界流体存在下接触含氮化合物,其中,该超临界流体与该含氮化合物的体积比为100:0.2~100:4,该针灸针具与该含氮化合物的接触时间为0.5~2小时、接触温度为90~150℃且接触压力为100~300大气压,使该含氮化合物中的氮元素附着于该针灸针具的表面。
-
公开(公告)号:CN118155079A
公开(公告)日:2024-06-07
申请号:CN202410565945.1
申请日:2024-05-09
申请人: 中山大学
IPC分类号: G06V20/10 , G06V10/25 , G06V10/26 , G06V10/46 , G06V10/762
摘要: 本申请公开了一种近岸船舶显著性检测方法、系统、设备及介质,将相似灰度和纹理的像素分成不同超像素区域,对超像素区域内的像素数据进行瑞利分布拟合,将得到的超像素区域拟合瑞利分布的尺度参数作为特征样本数据,引入FCM模糊聚类的方法量化不同类别超像素之间的差异性,提高效率的同时有效区分船舶目标,从而增强目标检测的能力。分别计算全局区域对比度和局部区域对比度,最后相乘得到差异对比图,即在考虑全局分布特性的同时也考虑了超像素的局部分布特性,从而更好地表征当前超像素的特征。通过对阈值分割后的图像的连通域进行几何形状分析,进一步筛选船舶目标区域,有效去除了大量陆地虚警,同时保持了船舶目标的轮廓完整性。
-
-
-
-
-