“多特征融合算法”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3803368个，建议您升级VIP下载更多相关专利

[发明专利]多尺度梯度域图像融合算法-CN201410757041.5在审
发明人：刘雯雯;曹树建;肖儿良;毛晨 -专利权人：上海理工大学
申请日： 2014-12-11 - 公布日： 2015-04-08 - 主分类号： G06T5/50 文献下载
摘要：本发明提供一种多尺度梯度域图像融合算法，将红外热像图和可见光图像相融合，其特征在于，包括以下步骤：构造梯度场步骤；修正梯度融合权重步骤；重建梯度场步骤；以及透明度法图像融合步骤。本发明所提供的多尺度梯度域图像融合算法能够同时保留红外热像图和可见光图像的温升区域和细节信息，去除图像之间相互作用产生的光晕伪影现象和冗余信息，并避免了红外热像图温升区域的颜色失真。
尺度梯度图像融合算法

[发明专利]基于模糊偏好关系的多振动信号融合方法-CN201610362492.8有效
发明人：郝慧娟;王茂励;郝凤琦;唐勇伟;程广河;李娟 -专利权人：山东省计算中心(国家超级计算济南中心)
申请日： 2016-05-26 - 公布日： 2019-03-15 - 主分类号： G06K9/62 文献下载
摘要：本发明的基于模糊偏好关系的多振动信号融合方法，包括：a).获取滤波信号；b).计算模糊偏好关系；c).计算综合模糊偏好关系；d).计算权值；e).计算融合信号值；f).计算整个采集周期内的融合信号值；g本发明的基于模糊偏好关系的多振动信号融合方法，针对如何综合利用多个传感器的信息提高故障诊断的准确性，研究了加权融合算法，提出了基于模糊偏好关系的数据融合算法，剔除无关信息，对数据进行有效融合，为故障诊断的特征提取和识别提供更准确的信息
基于模糊偏好关系振动信号融合方法

[发明专利]一种基于PCNN与LP变换的多聚焦图像融合方法-CN201510562546.0有效
发明人：聂仁灿;金鑫;周冬明;王佺;贺康建;何敏;余介夫;谭明川 -专利权人：云南大学
申请日： 2015-09-07 - 公布日： 2019-03-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了基于脉冲耦合神经网络(PCNN)与拉普拉斯金字塔变换(LP)，提出了一种有效的多聚焦图像融合算法。首先，利用LP对图像进行塔形结构的多尺度分解，并利用PCNN对每一尺度的分解图像进行处理，以获取描述特征聚类的神经元点火频率图。然后，基于点火频率图的局部空间频率(LSF)，实现了图像在每一LP分解尺度上的融合。最后通过LP分解的重构算法实现了对多聚焦图像的融合。实验结果表明，本发明方法得到的多聚焦图像融合结果在主观视觉效果和客观评价指标上均优于多种传统融合算法，体现了良好的性能。
一种基于 pcnn lp 变换聚焦图像融合方法

[发明专利]一种多层次拦截防御系统的多源探测融合算法-CN202111363281.3在审
发明人：武春风;周啟帆;秦建飞;王盛龙;朱金宝;秦勇;谢峰;黄埔博;胡从林 -专利权人：航天科工微电子系统研究院有限公司
申请日： 2021-11-17 - 公布日： 2022-05-20 - 主分类号： G01S13/86 文献下载
摘要：本发明涉及一种多层次拦截防御系统的多源探测融合算法，包括步骤：S1、通过多源探测器对运动目标进行探测，获取不同特征信息；S2、得到多种探测方式获取的信息矩阵；将每一采样时刻的采样数据，按照特征进行类型划分，把待分析的探测数据分为m类；选择具有同类特征的数据进行映射泛化处理，得到探测信息函数，再提取出需要的特征种类，得到特征目标函数；构造出最优目标函数从而得到全局最优解。本发明提供的一种多层次拦截防御系统的多源探测融合算法，能对各类探测器的探测信息进行融合，进行更多元的特征融合选取，且在相同特征上，能更接近于最优探测值，从而更易对目标进行探测识别。
一种多层次拦截防御系统探测融合算法

[发明专利]基于混合粒度划分和动态负载分配的遥感图像融合系统并行实现方法-CN201710665357.5有效
发明人：徐其志;王显珉;李波;王冰冰;季艳 -专利权人：北京航空航天大学;中国资源卫星应用中心;北京遥感信息研究所
申请日： 2017-08-07 - 公布日： 2020-11-03 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于混合粒度划分和动态负载分配的融合算法并行实现方法。首先，本方法设计了基于混合粒度划分的融合算法并行计算模型。该模型通过对融合算法的并行度、数据访存特点和计算量等进行静态分析，结合CPU/GPU处理器特性对融合算法进行多粒度划分，形成一系列相对独立的计算任务。将并行度低、逻辑控制复杂和数据依赖强的任务调度到CPU上执行，将并行度高、密集重复的数值计算任务调度到GPU上执行，将数据访存一致、计算量大的任务调度到CPU+GPU上共同执行，实现了融合算法在CPU/其次，针对融合算法包含的通用运算和特殊运算多，现有预估计算任务处理速度的方法难以实现负载的均衡分配的问题，本方法设计了一种动态负载分配技术，在任务执行初期通过迭代优化准确测量计算任务的计算速度，根据计算速度和任务特点实现负载在
基于混合粒度划分动态负载分配遥感图像融合系统并行实现方法

[发明专利]一种融合近红外光谱热裂解组分的卷烟配方烟叶替换方法-CN202310485861.2在审
发明人：杨继;杨乾栩;刘泽;张建荣;周国福;唐石云;刘志华;刘春波;李振杰;蒋薇;朱瑞芝;司晓喜;张凤梅;朱洲海;李萌;彭琪媛 -专利权人：云南中烟工业有限责任公司
申请日： 2023-05-04 - 公布日： 2023-07-25 - 主分类号： G01N21/359 文献下载
摘要：本发明公开了一种融合近红外光谱热裂解组分的卷烟配方烟叶替换方法，包括如下步骤：(1)将卷烟配方中烟叶的近红外特征谱段数据和热裂解产物特征成分数据，运用基于卷积神经网络的多模态融合算法，得到卷烟配方中烟叶融合特征矩阵X；(2)将不同库存烟叶的近红外特征谱段数据和热裂解产物特征成分数据，运用基于卷积神经网络的多模态融合算法，得到库存烟叶融合特征矩阵Y；(3)计算矩阵X和Y的马氏距离值d；(4)选择马氏距离值d不大于某一数值的库存烟叶作为卷烟配方中烟叶的替代烟叶
一种融合红外光谱裂解组分卷烟配方烟叶替换方法

[发明专利]一种基于特征关系度量的手部特征融合认证方法-CN200510012016.5无效
发明人：李强;裘正定;孙冬梅;丁晓明 -专利权人：北京交通大学
申请日： 2005-06-27 - 公布日： 2005-12-21 - 主分类号： G06K9/00 文献下载
摘要：本发明是一种基于特征级融合算法的手部特征融合认证方法，利用人的手形、掌纹、指节纹等手部生物特征，对采集到的图像进行预处理、特征提取，通过关系运算算子得到特征关系度量，在这个度量的基础上实现特征级信息融合，再对融合后的特征进行分类识别得到最终身份认证的结果。本发明的有益效果在于：基于关系度量的特征级融合算法克服了特征空间不兼容、融合维数灾难等问题，避免了决策级融合丢失大量类别信息、不能从较低的层次分析不同模态信息的相关性的缺点；多种手部特征可由同一幅图像提取，解决了多模态生物特征融合的系统复杂度、成本、用户接受度、数据库管理等许多缺点，实现方案更具准确性、安全性和适用性。
一种基于特征关系度量融合认证方法

[发明专利]一种红外图像与可见光图像融合的处理方法-CN201810997122.0有效
发明人：代志勇;卢靖 -专利权人：电子科技大学
申请日： 2018-08-29 - 公布日： 2021-08-03 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种红外图像与可见光图像融合的处理方法，包括以下内容：判断选择融合算法：先进行红外图像去噪及傅里叶变换处理，得到红外图像频谱图；再根据红外图像频谱图，判断选择图像融合算法，选择执行图像特征融合或图像加权融合；基于图像特征融合或图像加权融合，进行红外图像和可见光图像融合处理。本发明通过判断选择融合算法，具有一定的自动判别能力；同时，可根据不同的红外图像的傅里叶变换频谱图中亮点的比例将融合权值分段，以期达到一个较好的图像融合效果。
一种红外图像可见光融合处理方法

[发明专利]一种基于fNIRS分析的ROI脑区通道优化筛选方法-CN202310258046.2在审
发明人：谢平;何广智;程生翠;王子怡;刘冬梅;陈晓玲;张学敏;张腾宇;李增勇 -专利权人：燕山大学
申请日： 2023-03-17 - 公布日： 2023-06-23 - 主分类号： A61B5/1455 文献下载
摘要：本发明公开了一种基于fNIRS分析的ROI脑区通道优化筛选方法，具体包括：同步采集多通道近红外信号，并对其进行预处理，得到脑血氧浓度信号；对预处理后的多通道脑血氧信号计算多类时域特征集合，采用最小二乘法的特征融合算法对时域多特征集合进行特征融合，得到时域最优特征集；基于排列组合算法构建各ROI区通道第一集合，进一步采用先序遍历算法构建ROI区通道第二集合；采用局部‑全局寻优方法，确定使得局部评价指标和大脑全局评价指标最大的ROI区通道第二集合元素
一种基于 fnirs 分析 roi 通道优化筛选方法

[发明专利]提高定位精度和鲁棒性的无线电信息融合定位方法-CN202110065860.3在审
发明人：张东东;薛贵平;孟鑫;王立航 -专利权人：河南航迹光电科技有限公司
申请日： 2021-01-19 - 公布日： 2021-06-04 - 主分类号： H04W4/02 文献下载
摘要：本发明涉及一种提高定位精度和鲁棒性的无线电信息融合定位方法，该方法首先对所采集的移动台原始位置信息进行预处理，以提取到的移动台位置特征参数为基础，逐步使用数据层信息融合算法和决策层信息融合算法，将原始位置信息进行融合，得到移动台位置的精估值；然后反推出移动台位置特征推算参数，遍历所有的移动台位置特征参数，直到得到移动台位置特征推算参数和移动台位置特征参数之间的最小均方误差；最后判断如果最小均方误差大于预设值，则对数据层信息融合算法和决策层信息融合算法进行修正，否则将移动台位置的精估值作为最终的融合定位结果；本发明可实现复杂输入参数下的融合定位功能，提高了定位系统的定位精度和鲁棒性。
提高定位精度鲁棒性无线电信息融合方法

[发明专利]基于自适应多特征融合的微小目标检测方法-CN202011204130.9有效
发明人：朱智勤;张源川;李嫄源;冒睿睿;李鹏华 -专利权人：重庆邮电大学
申请日： 2020-11-02 - 公布日： 2022-08-26 - 主分类号： G06V10/80 文献下载
摘要：本发明涉及一种基于自适应多特征融合的微小目标检测方法，属于目标检测领域。对提取后的特征先经过传统特征金字塔结果进行特征融合，在这基础上，本发明额外设计了一条路径进一步进行特征融合，再使用自适应多特征融合算法进行多尺度融合，使得微小目标的语义信息在多尺度特征层中进行传播，丰富微小目标的语义信息和纹理信息同时，使用k‑means算法获得更加合理的先验框参数，加速网络收敛、提高模型精度。最后，对检测结果进行非极大值抑制，筛除重叠物体框。整个网络采用端到端的方式不断更新网络权值，直至收敛。最终，本发明自适应多特征融合的微小目标检测算法能够有效地完成微小目标检测。
基于自适应特征融合微小目标检测方法

[发明专利]一种自动问答方法、装置、电子设备及存储介质-CN202111599940.3在审
发明人：高麒 -专利权人：天翼云科技有限公司
申请日： 2021-12-24 - 公布日： 2022-05-10 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种自动问答方法、装置、电子设备及存储介质，其方法包括：基于手册文本和问题文本，获取手册字符级和词语级加权特征向量以及答案开始和结束部分语义特征；根据手册字符级和词语级加权特征向量以及答案开始和结束部分语义特征，基于空间特征融合算法，获得第一融合特征和第二融合特征；根据第一和第二融合特征，获取答案文本。本发明提供的自动问答方法，通过将手册字符级和词语级加权特征向量以及答案开始或结束部分语义特征进行融合，可以过滤掉矛盾或无用的信息，通过采用空间特征融合算法提取融合特征，可以通过调整融合算法参数，保留与问题更加相关的特征信息通过第一融合特征和第二融合特征，提高了答案文本的准确率。
一种自动问答方法装置电子设备存储介质

[发明专利]基于轨迹能量扩散图的组行为识别方法-CN201410712945.6有效
发明人：王生生;张同力;温长吉 -专利权人：吉林大学
申请日： 2014-11-28 - 公布日： 2017-08-15 - 主分类号： G06K9/46 文献下载
摘要：对原始视频进行多目标检测，多目标跟踪，提取多目标轨迹；二、把多目标轨迹转换为轨迹能量块图；三、利用能量扩散过程由轨迹能量块图生成轨迹能量扩散图；四、由轨迹能量扩散图生成轨迹能量等势线图；五、对轨迹能量等势线图进行特征提取，利用基于典型相关分析的特征融合算法得到融合特征向量；六、对融合特征向量进行分类识别。本发明提出的轨迹能量块图可以很好的表现并保存组行为轨迹的时间信息；轨迹能量扩散图可以平滑因运动随机性产生的噪声；利用基于典型相关分析的特征融合算法实现多特征融合，从而提高识别精度。
基于轨迹能量扩散行为识别方法

[发明专利]一种基于蚁群遗传动态融合算法的数据库查询优化方法-CN202211109680.1在审
发明人：何林浩;王晓春;尚翀 -专利权人：南京开特信息科技有限公司
申请日： 2022-09-13 - 公布日： 2022-11-25 - 主分类号： G06F16/2453 文献下载
摘要：本发明公开了一种基于蚁群遗传动态融合算法的数据库查询优化方法，属于数据库查询技术领域，综合运用多蚁群算法和遗传算法，构建动态多蚂蚁遗传混合算法，可以解决现有蚁群遗传融合搜索技术的局限性，有效地提高了数据库系统的查询速度本发明针对传统蚂蚁算法经常出现的局部最优现象，引入多蚂蚁算法和学习算子，可以获得全局最优解；针对蚂蚁遗传混合算法中常见的收敛速度偏慢的问题，引入动态迭代规则，有效地提高了算法的收敛速度。
一种基于遗传动态融合算法数据库查询优化方法

[发明专利]一种基于多模态特征融合深度网络的视频人物识别方法-CN202010444043.4在审
发明人：陈建蓉;史颖欢;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-05-22 - 公布日： 2020-08-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多模态特征融合深度网络的视频人物识别方法，是专门针对多模态人物视频特征数据的目标识别问题而提出的一种的深度学习目标识别多模态融合算法。该算法的网络结构由多个单模态多层感知器识别模块和一个多模态特征融合模块组成。该算法先预处理视频生成的多模态数据，使用预处理后的不同模态数据训练多个深度网络，在此基础上，再将多个子网络生成的特征加权融合，通过特征加权融合模块结合不同的模态的模型以达到更好的识别效果。本发明在公开视频人物数据集（iQIYI‑VID‑2019）上，对于预处理视频生成的多模态特征，使用多模态特征集权融合策略构建视频人物目标识别器，无需多模型集成，单个模型的平均精度均值达到了89.52%。
一种基于多模态特征融合深度网络视频人物识别方法