-
公开(公告)号:CN118053196B
公开(公告)日:2024-07-05
申请号:CN202410444588.3
申请日:2024-04-15
申请人: 北京航空航天大学
IPC分类号: G06V40/18 , G06V10/143 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/09 , G06N3/0475 , G06N3/094
摘要: 本发明公开了基于扫视与凝视的单波段骨干网络架构的特征提取方法,包括:构建包含扫视网络、低尺度特征提取模块和多个尺度不同的凝视网络的骨干网络;获取单波段红外图像并输入至扫视网络,得到红外图像候选区域和增强红外图像;增强红外图像输入至低尺度特征提取模块,得到提取特征;提取特征和红外图像候选区域分别输入至第一个凝视网络,得到第一尺度特征;第一尺度特征和红外图像候选区域分别输入至下一个凝视网络,得到第二尺度特征,以此类推,直至最后一个凝视网络处理得到的尺度特征作为红外目标深度特征。能够主动、快速、准确地提取单波段图像中目标高维特征。
-
公开(公告)号:CN117197018B
公开(公告)日:2024-05-31
申请号:CN202311254447.7
申请日:2023-09-27
申请人: 北京航空航天大学
摘要: 本发明公开了一种光谱分布保持的乘性变换遥感图像融合方法,该方法包括:将多光谱图像上采样至全色图像的大小;然后统计全色和多光谱图像的直方图信息,并对全色图像和上采样的多光谱图像分别进行归一化操作;对上采样的多光谱图像和全色图像进行多元线性回归得到拟合的低分辨率全色图像;利用乘性变换结合反归一化操作对上采样的多光谱图像进行纹理细节和光谱强度的补偿和映射;最后利用直方图匹配方法进一步将融合图像的光谱分布映射为与多光谱图像一致,得到最终的融合图像。该方法可以有效减小融合过程中产生的细节失真和光谱失真,使得融合后的图像在细节上物体边缘轮廓区分度高,在光谱上颜色对比度明显,色彩层次感强。
-
公开(公告)号:CN115439573B
公开(公告)日:2023-03-24
申请号:CN202211324117.6
申请日:2022-10-27
申请人: 北京航空航天大学
IPC分类号: G06T11/00 , G06V10/32 , G06V10/774 , G06V10/82 , G01J5/48
摘要: 本发明公开了一种基于温度信息编码的可见光转红外图像的生成方法,包括:获取多对一一配对的原始可见光图像和原始红外图像,框选图像中自发热目标,进行预处理,得到训练集;利用训练集对预先构建的考虑温度信息的生成模型进行训练,直至模型收敛;在每轮训练过程中,对原始红外图像集进行全局温度和自发热目标温度进行编码,得到当前图像对的温度分布;将待转可见光图像和从温度分布中采样的温度编码输入训练好的生成模型,得到不同温度状态下的多张仿真红外图像。本发明考虑目标和背景所需温度不一致,目标的温度会自发热,背景相对稳定,根据可见光的内容结合从温度分布中用采样的不同的温度编码,最后生成具不同的温度状态的红外图像。
-
公开(公告)号:CN111259740B
公开(公告)日:2022-08-30
申请号:CN202010020783.5
申请日:2020-01-09
申请人: 北京航空航天大学
IPC分类号: G06V20/13 , G06V10/25 , G06V10/774 , G06V10/80
摘要: 本发明公开了一种基于轻量级CNN与多源特征决策的红外图像舰船检测方法,首先利用多元高斯分布来提取目标候选区;然后将预处理的全色图像辅助数据量有限的红外样本进行训练;最后将基于傅里叶变换提取的全局特征与轻量级网络提取的局部特征相结合,并级联决策以逐步排除虚警,从而确认舰船目标。本发明针对卫星上有限资源条件和海况复杂场景多变的条件下,能够快速进行红外遥感图像舰船的检测。
-
公开(公告)号:CN111814662B
公开(公告)日:2022-06-24
申请号:CN202010646717.9
申请日:2020-07-07
申请人: 北京航空航天大学
IPC分类号: G06V20/17 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
摘要: 本发明公开了一种基于微型卷积神经网络的可见光图像飞机快速检测方法,包括如下步骤:(1)对训练数据集中飞机尺度信息进行统计得到数据集;计算出最终的滑动窗口大小;(2)通过训练数据集的通道特征,计算出给定的通道特征类型Ω对应的λΩ值,完成快速特征金字塔建立,采用Adaboost算法完成快速候选框生成算法的训练;(3)通过线性搜索算法Search‑δ,完成候选框生成算法参数的校正(4)采用微型卷积神经网络完成候选区域的再次判断,如果当前区域被网络分类为真时,则认为此候选框内存在飞机,否则将当前候选框视为背景从而舍弃。本发明检测速度快、精度高,算法整个模型占用空间少,对运行平台硬件条件要求低。
-
公开(公告)号:CN112150482A
公开(公告)日:2020-12-29
申请号:CN202010980771.7
申请日:2020-09-17
申请人: 北京航空航天大学
摘要: 本发明公开了一种基于高程信息和归一化海水指数的海陆分割方法,包括:获取待分割区域的遥感图像和全球高程图,并将遥感图像划分为多个相同大小的像素区域;计算各像素区域的经纬度坐标;将各个像素区域的经维度坐标与全球高程图上地理坐标相匹配,获得海陆粗分割掩膜;根据海陆粗分割的边界计算归一化海水指数阈值;根据归一化海水指数阈值对海陆粗分割掩膜进行像素分割,生成海陆精分割掩膜。本发明在复杂的海陆背景条件下仍能取得较好的快速分割效果,对卫星图像数据的光照不均匀、对比度低等外部复杂多变因素具有较强的鲁棒性。
-
公开(公告)号:CN111814662A
公开(公告)日:2020-10-23
申请号:CN202010646717.9
申请日:2020-07-07
申请人: 北京航空航天大学
摘要: 本发明公开了一种基于微型卷积神经网络的可见光图像飞机快速检测方法,包括如下步骤:(1)对训练数据集中飞机尺度信息进行统计得到数据集;计算出最终的滑动窗口大小;(2)通过训练数据集的通道特征,计算出给定的通道特征类型Ω对应的λΩ值,完成快速特征金字塔建立,采用Adaboost算法完成快速候选框生成算法的训练;(3)通过线性搜索算法Search-δ,完成候选框生成算法参数的校正(4)采用微型卷积神经网络完成候选区域的再次判断,如果当前区域被网络分类为真时,则认为此候选框内存在飞机,否则将当前候选框视为背景从而舍弃。本发明检测速度快、精度高,算法整个模型占用空间少,对运行平台硬件条件要求低。
-
公开(公告)号:CN118570455B
公开(公告)日:2024-09-27
申请号:CN202411060233.0
申请日:2024-08-05
IPC分类号: G06V10/25 , G06V10/44 , G06N3/0464 , G06V10/764 , G06V10/26 , G06N3/084
摘要: 本发明公开了一种干扰分割与目标检测协同的抗干扰识别方法,涉及计算机视觉技术领域,将干扰分割与目标检测耦合设计抗干扰识别模型,模型包括:多尺度特征提取网络、多向目标检测模块和干扰分割识别模块,对输入图片提取多尺度特征,共用骨干网络提取特征,协同预测预测目标位置和干扰位置;对抗干扰识别模型进行训练,利用训练好的模型进行图像识别,实现目标检测。本发明检测速度快精度高,模型参数量少,兼容性高,能有效提升模型的抗干扰能力,提升复杂场景下的检测性能。
-
公开(公告)号:CN118570455A
公开(公告)日:2024-08-30
申请号:CN202411060233.0
申请日:2024-08-05
IPC分类号: G06V10/25 , G06V10/44 , G06N3/0464 , G06V10/764 , G06V10/26 , G06N3/084
摘要: 本发明公开了一种干扰分割与目标检测协同的抗干扰识别方法,涉及计算机视觉技术领域,将干扰分割与目标检测耦合设计抗干扰识别模型,模型包括:多尺度特征提取网络、多向目标检测模块和干扰分割识别模块,对输入图片提取多尺度特征,共用骨干网络提取特征,协同预测预测目标位置和干扰位置;对抗干扰识别模型进行训练,利用训练好的模型进行图像识别,实现目标检测。本发明检测速度快精度高,模型参数量少,兼容性高,能有效提升模型的抗干扰能力,提升复杂场景下的检测性能。
-
公开(公告)号:CN116501893A
公开(公告)日:2023-07-28
申请号:CN202310523021.0
申请日:2023-05-10
申请人: 北京航空航天大学
IPC分类号: G06F16/36 , G06F16/951 , G06V10/74 , G06V10/764
摘要: 本发明公开了一种健康饮食知识图谱的构建方法,属于知识图谱构建技术领域。构建步骤包括:S1、解析网站HTML结构,抓取所需菜品和食材的名称、图像和包含的信息;S2、对菜品和食材进行分类对齐,包括:利用CLIP模型提取菜品和食材图像中的特征向量,根据所述特征向量得到图像相似度,将所述图像相似度转换为概率分布,根据所述概率分布对菜品和食材进行分类对齐;S3、提取对齐后菜品和食材名称、信息中的实体以及关系,转换成三元组格式后,生成健康饮食知识图谱。本发明能够提高实体对齐的准确性和泛化性,得到高质量的健康饮食知识图谱,从而为用户提供更加准确科学的健康饮食知识。
-
-
-
-
-
-
-
-
-