“霍胤丞”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6个，建议您升级VIP下载更多相关专利

[实用新型]一种gnss天线底座结构-CN202320316935.5有效
发明人：班涛;洪荣强;朱伟;孙靖虎;霍胤丞 -专利权人：惠州市德赛西威智能交通技术研究院有限公司
申请日： 2023-02-24 - 公布日： 2023-07-04 - 主分类号： H01Q1/12 文献下载
摘要：本实用新型公开了一种gnss天线底座结构，包括参考地板，所述参考地板的正面设有gnss天线，所述参考地板的背面设有金属底座；所述gnss天线设为圆极化天线，所述金属底座的边缘设有朝向所述参考地板延伸的侧壁，所述侧壁的长度围绕所述金属底座的边缘进行分布，所述侧壁上设有至少两个缝隙，所述缝隙贯穿所述侧壁的内外两侧，所述缝隙之间沿所述金属底座的边缘依次分布，相邻的两个所述缝隙之间设有馈电点，所述馈电点设为短路处理或者断路处理或者加载负载或者电阻。本实用新型的结构设计合理，本实用新型创新的使用了一种加载假天线的底座，在不改变原有天线整体尺寸的情况下，改善了gnss天线的前后比。
一种 gnss 天线底座结构

[实用新型]一种gnss天线安装结构-CN202320316917.7有效
发明人：班涛;洪荣强;朱伟;孙靖虎;张园园;霍胤丞 -专利权人：惠州市德赛西威智能交通技术研究院有限公司
申请日： 2023-02-24 - 公布日： 2023-07-04 - 主分类号： H01Q1/12 文献下载
摘要：本实用新型公开了一种gnss天线安装结构，包括参考地板、gnss天线，所述gnss天线设置于所述参考地板的正面中间，所述参考地板包括位于正面的第二介质层以及位于背面的金属层，所述参考地板的正面边缘设有介电常数＞10的第一介质层或者所述第二介质层的介电常数＞10。本实用新型的结构设计合理，本实用新型创新的使用了一种介质加载的结构，在不改变原有天线整体尺寸的情况下，改善了gnss天线的前后比。进而增加了天线单元安装的灵活性，保证了天线在一定空间内的隐藏式安装，又可改善天线对后方环境的抗干扰性。实现方案简单可靠易实现。
一种 gnss 天线安装结构

[发明专利]一种基于正交损失函数的多任务分类网络的构建方法-CN201911124037.4有效
发明人：何贵青;敖振;霍胤丞;纪佳琪 -专利权人：西北工业大学
申请日： 2019-11-18 - 公布日： 2021-09-14 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于正交损失函数的多任务分类网络的构建方法，构建的多任务分类网络模拟了人类学习过程，用深度卷积神经网络作为隐藏层模拟人的大脑进行深度特征提取，使用树分类器作为任务相关的输出层进行递进式分类，将识别过程构成不同的学习任务。本发明使不同任务得到的特征更加符合各自的需求，使分类器在完成粗分类任务时使同一粗类的深度特征更加聚合，而在完成细分类任务时，不同细类的深度特征更加离散，对不同分类任务的任务输出层特征进行区分，使得不同层级的分类器得到更加匹配不同分类任务的特征，去掉无用特征，从而提高分类准确率。
一种基于正交损失函数任务分类网络构建方法

[发明专利]多尺度卷积神经网络的卫星全色与多光谱图像融合方法-CN201811351323.X有效
发明人：何贵青;张琪琦;纪佳琪;霍胤丞;王琪瑶 -专利权人：西北工业大学
申请日： 2018-11-14 - 公布日： 2019-10-22 - 主分类号： G06T5/50 文献下载
摘要：本发明提出多尺度卷积神经网络的卫星全色与多光谱图像融合方法，包括以下步骤：构建基础卷积神经网络、构造需要的训练集和测试集、对多光谱图像进行锐化处理、对训练集和测试集进行数据增强处理、多尺度卷积神经网络模型的构造和通过对多尺度卷积神经网络模型的融合结果进行平均最终得到融合结果图像；本发明通过选择构造简单的三层卷积神经网络的构造方法进行构造，提高了卷积神经网络实现几率，提高了融合效率，通过在构成网络输入时，首先对多光谱图像进行锐化处理，可以充分利用在传统融合方法中容易被忽略的多光谱图像中的空间细节信息，提高了空间细节信息的融入效果。
卷积神经网络多光谱图像多尺度融合空间细节信息锐化处理测试集训练集全色结果图像数据增强卫星构建三层融入网络

[发明专利]基于特有信息同步分解的红外与可见光图像融合方法-CN201811351004.9有效
发明人：何贵青;纪佳琪;霍胤丞;王琪瑶;张琪琦 -专利权人：西北工业大学
申请日： 2018-11-14 - 公布日： 2019-10-22 - 主分类号： G06T5/50 文献下载
摘要：本发明提出基于特有信息同步分解的红外与可见光图像融合方法，包括以下步骤：图像预处理、图像均值剥离、字典学习和构建、图像的联合稀疏分解、稀疏系数融合、均值融合和图像重构；本发明通过在联合稀疏表示模型下提出了一种对红外与可见光图像的特有信息进行同步正交匹配追踪分解的图像融合算法，可以将对原始根据图像块的融合方式进一步细化到对参与这个图像块的所有原子表示系数进行融合，提高了融合的全面性与完整性，得到的融合图像特征明显，信息全面，即它不仅能将红外与可见光图像的特有信息融合到一起，而且融合图像整体更加清晰，并不会出现某一块区域失真现象。
融合可见光图像特有信息融合图像图像块分解图像图像融合算法图像预处理失真现象图像重构稀疏表示稀疏分解稀疏系数字典学习全面性构建细化正交匹配剥离追踪联合清晰

[发明专利]基于两步稀疏编码和小波变换全色与多光谱图像融合方法-CN201811351008.7在审
发明人：何贵青;王琪瑶;霍胤丞;张琪琦;纪佳琪 -专利权人：西北工业大学
申请日： 2018-11-14 - 公布日： 2019-03-08 - 主分类号： G06T5/50 文献下载
摘要：本发明提出基于两步稀疏编码和小波变换全色与多光谱图像融合方法，包括以下步骤：数据预处理、高低分辨率字典、一步稀疏编码、两步稀疏编码、合并两步稀疏系数、重构稀疏系数得到融合图像、小波变换、高频分量融合、低频分量融合和逆变换；本发明通过两步稀疏编码算法可以提高算法效率，同时通过两步稀疏编码进行稀疏系数的求解，提高了稀疏表示的精度，改善了光谱畸变的问题，通过绝对值最大的原则进行融合可以提高融合结果，融合结果图像清晰、细节信息丰富，且光谱信息与原图一致性最高，且运行时间较短，通过全色与多光谱图像分别进行小波变换，是一种快速且高效有效的融合方法。
稀疏编码融合小波变换多光谱图像稀疏系数全色数据预处理低频分量高频分量光谱畸变光谱信息结果图像融合图像算法效率稀疏表示细节信息分辨率逆变换求解重构算法字典合并清晰