“孔繁锵”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果19个，建议您升级VIP下载更多相关专利

[发明专利]一种基于空谱特征分离提取的多光谱图像压缩方法及系统-CN202011493869.6有效
发明人： 孔繁锵;胡可迪;李丹;赵瞬民 -专利权人：南京航空航天大学
申请日： 2020-12-17 - 公布日： 2023-10-27 - 主分类号： G06T9/00 文献下载
摘要：本发明公开一种基于空谱特征分离提取的多光谱图像压缩方法及系统，通过谱间特征提取模块与空间特征提取模块分别提取多光谱图像的光谱特征与空间特征；再进行逐像素融合，统一进行下采样，减小特征图尺寸；然后通过量化和熵编码，得到压缩后的数据码流；恢复图像时，对接收到的码流进行熵解码以及逆量化，获得特征数据送入反向解码网络，反向解码网络的结构与前向编码网络相对称，经过上采样恢复尺寸大小以及对应的空谱特征恢复网络，分别恢复出图像的空间及谱间信息，获得重构的多光谱图像。本发明通过空谱特征提取模块，将空间和谱间信息分离提取，保证了空谱特征的完整性，结合压缩网络及率失真优化，可实现多光谱图像的高性能多码率压缩。
一种基于特征分离提取光谱图像压缩方法系统

[发明专利]一种基于深度去噪自编码网络的高光谱图像解混方法-CN201911188298.2有效
发明人： 孔繁锵;温珂瑶;李丹;周永波;赵瞬民;胡可迪 -专利权人：南京航空航天大学
申请日： 2019-11-28 - 公布日： 2023-10-03 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于深度去噪自编码网络的高光谱图像解混方法。本发明包括：设计深度去噪自编码网络；输入一组训练图像数据到深度去噪自编码网络；通过编码提取其原始数据的主要特征，再通过解码重建原始数据；进行不断训练获得优化的网络参数，使重建的数据更接近原始数据；训练完成后输入测试数据，通过隐含层求得高光谱图像的丰度系数，解码器最后一层的权重即为所求端元矩阵，输出所求结果。本发明在传统去噪编码器基础上将隐层和解码层权重限制为非负，隐层加入和为一约束，并且将L21约束作为正则项加入目标函数，很好的利用了相邻像元之间的联合稀疏性，提高了丰度估计的精度。
一种基于深度编码网络光谱图像方法

[发明专利]基于多特征学习及超像素核稀疏表示的高光谱图像联合分类方法-CN201910914789.4有效
发明人：李丹;孔繁锵 -专利权人：南京航空航天大学
申请日： 2019-09-26 - 公布日： 2023-07-28 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于多特征学习及超像素核稀疏表示的高光谱图像联合分类方法，用于提高高光谱图像的分类精度。本发明首先提取空间特征以及局部和全局的超像素特征，充分利用空间信息提高分类精度。然后，提出一种基于多特征的核稀疏表示分类方法，有效求解高维特征空间线性不可分的分类问题。并且，充分利用多特征之间的相似性和多样性，使用多核学习方法构建基础核并优化基础核的系数，设计复合核来代替核稀疏表示方法中的单一核，有利于进一步改善分类精度。与同类经典高光谱图像分类方法相比，本发明分类方法分类精度更高，可应用于高光谱分类及航天遥感等领域。
基于特征学习像素稀疏表示光谱图像联合分类方法

[发明专利]一种基于自适应核稀疏表示及多特征的高光谱图像分类方法-CN201910742222.3有效
发明人：李丹;孔繁锵 -专利权人：南京航空航天大学
申请日： 2019-08-13 - 公布日： 2023-07-25 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于自适应核稀疏表示及多特征的高光谱图像分类方法，该方法包括：(1)采集原始高光谱图像，对所述原始高光谱图像X0进行多个特征提取，得到联合组成特征空间X；(2)从X中随机选取部分像素点作为训练样本集D，剩余的像素点作为测试样本集；(3)分别为每个特征构建基础核，根据各个基础核及其权重值计算复合核；(4)每一个测试样本x进行分类，得到分类结果。发明将多核学习方法融入到自适应核稀疏表示分类器中，基于不同特征描述构建基础核，并且计算基础核的权重值，不仅可以利用不同特征间的相关性，同时还能保留各种特征的差异性，有利于改善分类精度。
一种基于自适应稀疏表示特征光谱图像分类方法

[发明专利]一种面向无人自主着降的相对位姿测量方法-CN202211321758.6有效
发明人：徐诚;孔繁锵;殷奇缘 -专利权人：南京航空航天大学
申请日： 2022-10-27 - 公布日： 2023-03-14 - 主分类号： G01C11/04 文献下载
摘要：本发明提供一种面向无人自主着降的相对位姿测量方法，它的步骤：（1）在无人机上安装垂直下视的日盲区紫外波段摄像机并采集合作靶标图像；（2）检测当前时刻摄像机采集合作靶标图像中的LED的像素坐标；使用前一时刻无人机位姿，进行基于位姿预测的LED的2D‑3D匹配；如果匹配失败，则用组合遍历法重新确定图像中LED与合作靶标中LED的2D‑3D匹配关系；（3）使用匹配后的多组LED点对，以P3P算法的一个解作为位姿初值，迭代计算LED的重投影误差最小值，求解输出位姿优化估计值。本发明能够大幅度提升无人机相对位姿测量系统在多种环境下的适应性和稳定性。
一种面向无人自主相对测量方法

[发明专利]基于多级统计学特征提取的高光谱分类方法-CN202011477380.X有效
发明人：李丹;吴汉杰;孔繁锵 -专利权人：南京航空航天大学
申请日： 2020-12-15 - 公布日： 2022-10-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于多级统计学特征提取的高光谱分类方法，首先为每个像素鉴定超像素邻域集合，有利于准确提取空间上下文信息。然后，提出多级统计学特征，包括平均特征、协方差描述特征及高斯特征，充分提取空间几何信息、不同光谱间的关联信息以及空间‑光谱信息间的变化特征，能在很大程度上提高分类精度。并且，设计多级核函数并构建多任务核稀疏表示分类模型，有效融合三种统计学特征，完成分类任务，进一步提高了弱监督条件下的分类精度及稳定性。与同类最新提出的高光谱分类方法相比，本发明特征提取分类方法分类精度更高，可应用于高光谱分类及航天遥感、地质勘查、农业信息监测、海洋和大气监测及军事侦察等实际工程领域。
基于多级统计学特征提取光谱分类方法

[发明专利]基于交替方向乘子法的频率-码型联合捷变波形设计方法-CN202110284187.2在审
发明人： 孔繁锵;杜盈;蒋宜林;伊明月;张劲东 -专利权人：南京航空航天大学
申请日： 2021-03-17 - 公布日： 2021-11-16 - 主分类号： G01S7/36 文献下载
摘要：本发明公开了基于交替方向乘子法的频率‑码型联合捷变波形设计方法。所述方法包括：建立频率‑码型联合捷变的发射信号模型，其后建立该模型的模糊函数模型，并以最小化积分旁瓣为目标建立其优化模型，最后通过交替方向乘子法对优化模型求解，获得优化后的信号波形。本发明可有效解决频率‑码型联合捷变雷达脉冲压缩后距离维旁瓣过高的问题，得到对弱小目标具有高检测能力的雷达信号波形。
基于交替方向乘子法频率联合波形设计方法

[发明专利]一种基于多方向卷积神经网络的多光谱图像压缩方法及系统-CN202110829480.2在审
发明人： 孔繁锵;张宁;胡可迪;曹童波 -专利权人：南京航空航天大学
申请日： 2021-07-22 - 公布日： 2021-10-26 - 主分类号： G06T9/00 文献下载
摘要：本发明公开了一种基于多方向卷积神经网络的多光谱图像压缩方法及系统，系统包括：前向编码网络、量化模块、熵编码模块、熵解码模块、逆量化模块、反向解码网络；方法具体为：构建多光谱图像压缩网络并对其进行训练，获得最优的多光谱图像压缩网络模型；将待压缩的多光谱图像送入多光谱图像压缩网络，多方向卷积提取图像的谱间空间特征，降维融合后使用下采样减小特征图的尺寸，通过量化去除数据冗余，并通过无损熵编码获得用于传输和存储的压缩码流；对接收到的压缩码流进行熵解码和逆量化，获得多光谱图像谱空特征数据，输入反向解码网络，得到重构的多光谱图像。本发明能够实现多光谱图像的多码率压缩，有效提高多光谱图像的压缩性能。
一种基于多方卷积神经网络光谱图像压缩方法系统

[发明专利]截断式张量贝叶斯多光谱图像压缩感知重构方法-CN202011454059.X在审
发明人：李丹;吴汉杰;王禹健;孔繁锵 -专利权人：南京航空航天大学
申请日： 2020-12-10 - 公布日： 2021-03-19 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种截断式张量贝叶斯多光谱图像压缩感知重构方法，用于提高多光谱图像压缩感知重构精度和速度。本发明建立了原数据的张量稀疏先验概率模型和采样噪声的先验概率模型，将高维压缩感知重构为题转化为最大后验估计问题。对此，本发明采用迭代法依次更新估计值和概率模型超参数，在每次迭代完成后，对稀疏先验模型超参数进行由大到小的排序，当排序结果相对于前一次迭代后没有变化，则停止迭代，并基于张量最小二乘原理得到最终重构结果。与传统高维贝叶斯重构相比，本发明方法在不影响重构精度的前提下，明显降低了迭代所需次数，提升了高维压缩感知重构效率，可应用于航天遥感和物质探测等实际工程领域。
截断张量贝叶斯多光谱图像压缩感知方法

[发明专利]一种基于特征通道信息的端到端多光谱遥感图像压缩方法-CN202010242276.6在审
发明人： 孔繁锵;赵瞬民;李丹;周永波;胡可迪;温珂瑶 -专利权人：南京航空航天大学
申请日： 2020-03-31 - 公布日： 2020-10-09 - 主分类号： G06T9/00 文献下载
摘要：本发明实施例公开了一种基于特征通道信息的端到端多光谱遥感图像压缩方法，涉及图像处理技术领域，能够实现多光谱图像的多码率压缩。本发明包括：利用残差块提取图像特征并生成第一特征图；利用通道信息提取模块从所述第一特征图提取通道信息，对所述通道信息进行归一化权重处理后，得到第二特征图，其中，每一个残差块和对应的通道信息提取模块共同构成一个自适应特征通道加权模块；利用至少2个自适应特征通道加权模块作为基本单元，获取压缩网络模型；在对所述压缩网络模型进行训练后，将待压缩的多光谱图像输入所述压缩网络模型；获取所述压缩网络模型输出的压缩码流。本发明适用于多光谱图像的多码率压缩。
一种基于特征通道信息端到端多光谱遥感图像压缩方法

[发明专利]一种基于MFOCUSS和低秩表示的高光谱图像稀疏解混方法-CN201610141752.9有效
发明人： 孔繁锵;沈秋;卞陈鼎;仲伟志;王丹丹 -专利权人：南京航空航天大学
申请日： 2016-03-11 - 公布日： 2019-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于MFOCUSS和低秩表示的高光谱图像稀疏解混方法，本发明具体步骤包括：读取原始高光谱数据和已知光谱库数据；构建基于MFOCUSS和低秩表示的稀疏解混模型的目标函数，并将高光谱数据以及已知光谱库作为该目标函数的输入数据和字典，通过求解MFOCUSS和低秩表示模型的目标函数得到整个光谱库的丰度矩阵、剔除光谱库中非真正端元的光谱、将剔除非真正端元后的光谱库反复迭代最终得到真正端元矩阵以及所对应的丰度矩阵；该方法避免了从原始高光谱数据中直接提取端元，并剔除了非真正端元和更新了光谱库，降低了光谱库中端元光谱的自相关性对高光谱解混效果的不利影响，提高丰度估计的精确性。
一种基于 mfocuss 表示光谱图像稀疏方法

[发明专利]基于多信道同步协作频谱感知的宽带认知网络通信方法-CN201510107917.6有效
发明人：刘鑫;闫钧华;孔繁锵;贾敏;井庆丰;仲伟志;陈琨奇 -专利权人：南京航空航天大学
申请日： 2015-03-11 - 公布日： 2018-04-24 - 主分类号： H04W16/14 文献下载
摘要：本发明公开了基于多信道同步协作频谱感知的宽带认知网络通信方法，认知网络的帧结构由感知时隙、协作时隙和传输时隙组成，感知时隙又分为若干个感知子时隙，协作时隙又分为若干个协作子时隙，每个子信道信号在感知时隙的多个感知子时隙内同步检测多个子信道上的主用户，在协作时隙对应分配的协作子时隙内交互各自的感知信息，通过融合所有协作节点序号的感知信息并进行能量检测，最终判决主用户是否存在于频谱中。本发明克服当前协作频谱感知只能感知一个信道的缺点，通过同步感知和利用多个子信道，显著提高认知网络的频谱接入。
基于信道同步协作频谱感知宽带认知网络通信方法

[发明专利]基于同步感知和传输的能量捕获认知无线电通信方法-CN201410554846.X有效
发明人：刘鑫;仲伟志;闫钧华;井庆丰;贾敏;孔繁锵;陈琨奇 -专利权人：南京航空航天大学
申请日： 2014-10-17 - 公布日： 2017-10-20 - 主分类号： H04B7/26 文献下载
摘要：一种基于同步感知和传输的能量捕获认知无线电通信方法，其特征在于，包括认知无线电同步感知和传输的帧结构、认知无线电发射机和认知无线电接收机；认知无线电的帧结构在频域上被分为感知频带和传输频带，认知无线电同步的监听外界电磁环境，发射并接收信息数据。本发明的有益效果为认知无线电在整个帧时间内可以连续不断的进行通信，且当授权用户不存在时，发射机能够以较大的功率发射信号，系统的吞吐量显著提高。
基于同步感知传输能量捕获认知无线电通信方法

[发明专利]一种基于无线能量的认知网络分簇协作频谱感知方法-CN201510106176.X有效
发明人：刘鑫;闫钧华;贾敏;仲伟志;陈琨奇;孔繁锵;井庆丰 -专利权人：南京航空航天大学
申请日： 2015-03-11 - 公布日： 2017-03-15 - 主分类号： H04B17/382 文献下载
摘要：本发明公开了一种基于无线能量的认知网络分簇协作频谱感知方法，将认知网络的帧结构分为协作频谱感知时隙、能量采集时隙和数据传输时隙，协作频谱感知时隙包括本地感知时隙和协作交互时隙，协作交互时隙包括K个子时隙，将网络节点分成若干个簇，所有簇头节点在协作频谱感知时隙协作感知主用户，每个簇的普通节点在协作频谱感知时隙采集主用户的无线能量，在能量传输时隙向簇头节点传输无线能量来补充协作交互的耗能。本发明的有益效果为认知网络通过选择少量簇头节点参与协作，以及利用普通节点向簇头节点传输无线能量，能够显著减少协作交互的时间和能量开销。
一种基于无线能量认知网络协作频谱感知方法

[发明专利]一种基于L1-L2范数联合约束的视觉跟踪方法-CN201610141487.4在审
发明人： 孔繁锵;沈秋;王丹丹;仲伟志;卞成鼎 -专利权人：南京航空航天大学
申请日： 2016-03-11 - 公布日： 2016-07-13 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了基于L1‑L2范数联合约束的视觉跟踪方法，包括以下步骤：读取第一帧图像，并确定目标的初始位置；根据前m帧跟踪结果初始化目标模板；读取下一帧图像并进行预处理，转至下一步，直到最后一帧；在粒子滤波框架下根据运动模型采样粒子；计算粒子的表示系数；利用观测模型计算似然概率；根据最大后验概率准则确定跟踪目标的状态；遮挡检测；根据检测结果采取不同的跟踪目标缓存方式，更新模板集；本发明对PCA基模板系数和琐碎模板系数分别进行L2范数和L1范数正则化约束，利用PCA模板对目标的表示能力和稀疏表示对遮挡的鲁棒性；对光照变化、目标遮挡、剧烈运动、尺度变化等引起的目标外观变化有较强的鲁棒性。
一种基于 l1 l2 范数联合约束视觉跟踪方法

1
2
下一页»
尾页
共 19 条