“柏连发”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112个，建议您升级VIP下载更多相关专利

[发明专利]一种红外目标样本生成方法-CN202310531817.0在审
发明人： 柏连发;刘梦章;韩静;郭恩来;张毅;赵壮;陈霄宇;于浩天;陆骏 -专利权人：南京理工大学
申请日： 2023-05-12 - 公布日： 2023-09-08 - 主分类号： G06T15/04 文献下载
摘要：本发明涉及一种红外目标样本生成方法，包括如下步骤：拍摄目标物，利用建模软件对所述目标物不同结构进行材质赋值和纹理映射，建立目标物的三维几何模型。构建背景模型、温度场计算模块、大气辐射传输计算模块、红外辐射特性计算、红外探测器效应计算模块，生成最终的红外目标样本，由此建立红外探测器模型。利用TAITherm计算场景的温度分布，利用MODTRAN计算大气辐射传输效应，基于GPU计算场景红外辐射亮度，生成仿真红外目标样本。本方法能够快速、准确地仿真生成各种外部环境条件下的红外目标样本，不需要进行实地探测，有效地克服了外场实验获取红外图像的缺点，为武器系统的研发提供大量的红外图像数据，有效提升了红外目标识别的准确度。
一种红外目标样本生成方法

[发明专利]一种基于LARK特征的自适应目标跟踪方法-CN201710649699.8有效
发明人：张毅;王琴;柏连发;韩静 -专利权人：南京理工大学
申请日： 2017-08-02 - 公布日： 2023-09-05 - 主分类号： G06V10/75 文献下载
摘要：本发明公开一种基于LARK特征的自适应目标跟踪方法；本发明方法利用LARK(Locally Adaptive Regression Kernels)特征对细微、弱小结构变化敏感且能够抗光照、噪声干扰的优势，联合颜色信息和空间结构特征，提出基于全局LARK特征匹配和CAMSHIFT(Continuously Adaptive Mean‑SHIFT)的跟踪框架，记为GLMT，削弱背景干扰，能够进行复杂背景下的目标跟踪。
一种基于 lark 特征自适应目标跟踪方法

[发明专利]一种基于光谱冗余压缩的高光谱成像方法-CN202310727895.8在审
发明人：张毅;于子琦;赵壮;陆骏;韩静;柏连发;穆久涛;欧阳若冰 -专利权人：南京理工大学
申请日： 2023-06-20 - 公布日： 2023-08-22 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于光谱冗余压缩的高光谱成像方法，包括如下步骤：一、搭建高光谱成像系统，利用所述高光谱成像系统对目标场景进行压缩采样得到观测值和RGB图像，所述高光谱成像系统为基于单像素重建的高光谱成像系统；二、构建单像素高光谱重建网络，利用所述单像素高光谱重建网络对步骤一得到的观测值和RGB图像进行处理，得到高空间、高光谱分辨率的重建结果，所述单像素高光谱重建网络包括基于光谱冗余压缩的单像素重建模块和基于渐进式超分的双维度拉伸模块，最终在获得高空间、高光谱分辨率的重建结果的同时，并没有增加实际压缩采样次数。
一种基于光谱冗余压缩成像方法

[发明专利]基于传输矩阵理论的透过散射介质泛化成像方法-CN202211527434.8有效
发明人：韩静;柏凯旋;郭恩来;柏连发;张毅;赵壮;朱硕;师瑛杰 -专利权人：南京理工大学
申请日： 2022-12-01 - 公布日： 2023-08-04 - 主分类号： H04N23/55 文献下载
摘要：本发明涉及一种基于传输矩阵理论的透过散射介质泛化成像方法，包括如下步骤：采集散斑图案，使用包括数字字符目标、字母和汉字目标的实验数据。采用因子化卷积方法，损失函数为均方误差和负皮尔逊相关系数的结合。测量阶段使用字符目标制作的标定图像进行TM的测量，成像阶段将DL数据挖掘能力与测量的TM相结合，通过基于TM原理的物理自闭环约束的骨干网络进行训练而重建成像。成像阶段借助相位检索算法恢复的TM进行成像，相位检索算法结合进行测量阶段恢复的TM进行成像。网络结构大大减少了TM测量阶段所需的数据量，成像阶段的自闭环约束也使成像网络减少了对训练集完整性的过分依赖。
基于传输矩阵理论透过散射介质泛化成像方法

[发明专利]一种基于频域视觉感知估算的图像去雾方法-CN201810042154.5有效
发明人：韩静;徐林丽;柏连发;张毅;沈炯行;邓力升 -专利权人：南京理工大学
申请日： 2018-01-17 - 公布日： 2023-06-16 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于频域视觉感知估算的图像去雾方法，首先，对原图做快速傅里叶变换(FFT)；其次，在频域中分割出代表图像形貌的低频分量并给定权值；然后，将剩余频域进行再分割，引入加权因子后使得代表细节和轮廓的频域分量得到增强而代表噪声的频域分量减弱；最后，通过快速傅里叶反变换(IFFT)再次将图像转换到时域。该算法构造简单，实时性强，除了能恢复出低噪声的高质量的去雾图像外，也考虑到了有雾场景中事物的真实色彩，比以往的算法更具可靠性。
一种基于视觉感知估算图像方法

[发明专利]基于直方图一维微分距离的分层超像素分割模型-CN201710629722.7有效
发明人：张毅;李明竹;韩静;柏连发 -专利权人：南京理工大学
申请日： 2017-07-28 - 公布日： 2023-06-16 - 主分类号： G06T7/11 文献下载
摘要：本发明专利一种基于直方图一维微分距离的分层超像素分割模型，提出了一种基于直方图一维微分距离计算相似度的算法，该算法具有简单，准确率高的优点；同时建立了一个基于金字塔的超像素分割模型，以及对应的分层合并方法，并且针对于不同的层的特点采用不同的方法，从而在加快运行速度的同时不降低其准确率；经过实验验证，与经典算法相比本文算法实现了准确度、效率、紧密度的完美结合，并具有更好的抗噪性能。
基于直方图微分距离分层像素分割模型

[发明专利]一种多层多道焊接余高预测方法-CN202211187436.7有效
发明人：韩静;赵洋;陆骏;赵壮;柏连发;张毅 -专利权人：南京理工大学
申请日： 2022-09-28 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本申请涉及一种多层多道焊接余高预测方法，其特征在于，包括以下步骤：利用焊接系统进行多层多道焊接；利用实时图像采集系统实时采集位于每条焊缝上的熔覆层图像；利用三维系统与每条焊缝上熔覆层图像对应的三维点云数据，对每条焊缝上的多层熔覆层建立三维模型，并计算和记录每条焊缝上相邻两层熔覆层的余高差，为余高增量；每道焊缝上各个余高增量的累加值即为该焊缝的余高；将焊缝三维模型及对应的余高增量，输入回归计算网络，结合余高预测计算值和实际值，拟合熔池图像与余高的对应关系，建立余高预测模型；将预处理后的熔覆层图像输入余高预测模型中，得到余高预测值。本申请通过改进实现了应用领域的突破，强化了处理能力和速度。
一种多层多道焊接预测方法

[发明专利]一种基于物理感知学习的散射成像目标重建方法-CN202111575701.4有效
发明人： 柏连发;崔倩莹;韩静;郭恩来;张毅;赵壮;朱硕;顾杰;冮顺奎;张明星;施继玲;王晓颖 -专利权人：南京理工大学
申请日： 2021-12-22 - 公布日： 2023-04-07 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于物理感知学习的散射成像目标重建方法，包括：基于散斑相关的物理先验信息，利用已知目标透过相同散射介质在固定目标和相机位置下的散斑数据进行数据增广和模型训练，而后通过训练好的学习网络对未知散射场景下未知目标位置和相机位置的散斑数据进行目标重建。本发明利用散斑相关在大景深范围下的比例关系进行数据增广，仅通过利用透过一块散射介质下固定目标位置和相机位置的散斑数据进行模型的训练，便可实现对未知散射场景下未知目标位置和相机位置下的复杂目标进行高保真准确重建，同时具有良好的鲁棒性。
一种基于物理感知学习散射成像目标重建方法

[发明专利]基于物理驱动深度学习的光纤无透镜泛化成像方法-CN202211659809.6在审
发明人：郭恩来;周晨寅;韩静;柏连发;张毅;赵壮;朱硕;师瑛杰 -专利权人：南京理工大学
申请日： 2022-12-23 - 公布日： 2023-01-20 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于物理驱动深度学习的光纤无透镜泛化成像方法，包括如下步骤：采集散斑图案，将采集到的散斑数据进行图像去噪，利用散斑的冗余性选择散斑的中心区域和其周围上、下、左、右偏移量为若干个像素，共5个子区域散斑图进行作为训练数据集，将训练数据集中的散斑进行自相关运算，并将自相关图像输入神经网络中进行重建，本发明的有益效果：有效解决了实际内窥镜场景中，各种目标的泛化重建问题，为多芯光纤内窥镜的实际应用提供了一个有效的帮助。
基于物理驱动深度学习光纤透镜泛化成像方法

[发明专利]针对散射场景下的图像分割方法-CN202211659814.7在审
发明人： 柏连发;鹿耀月;韩静;郭恩来;张毅;赵壮;朱硕;师瑛杰 -专利权人：南京理工大学
申请日： 2022-12-23 - 公布日： 2023-01-20 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种针对散射场景下的图像分割方法，属于散射成像的技术领域，包括构建两步式算法和端到端算法，将散斑数据经过预处理后送进神经网络中学习，实现了散射场景下的图像分割。本发明基于散斑相关成像原理和多通道卷积神经网络强大的数据挖掘能力和映射能力的有效结合，应对散射场景下的目标实现了图像分割，扩宽了抗散射成像的应用领域。针对散射场景下的分割任务，有效提高了重建目标与原始目标结构之间的交并比。该方法充分挖掘散斑信息特征，应对复杂散射场景能够有效分割出物体信息，同时也为透过生物组织的图像分割技术提供了参考。
针对散射场景图像分割方法

[发明专利]基于残差学习的实时图像语义分割算法-CN201911215735.5有效
发明人：韩静;楼啸天;陈霄宇;柏连发;张毅 -专利权人：南京理工大学
申请日： 2019-12-02 - 公布日： 2022-11-22 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于残差学习的实时图像语义分割算法。将图片送入卷积神经网络得到具有类别信息的分割图片，步骤一：将原始图片进行标记得到标记好的图片，和原始图片构成训练集；步骤二：根据残差特征提取方法和单网络预测结构，构建新型语义分割网络；步骤三：加载训练集，用分段式训练方式训练新型语义分割网络，得到训练好的模型；步骤四：将待分割的图片送入新型语义分割网络，加载训练好的模型，得到分割结果。在加快速度的同时，准确率得到了显著的提升。在加快速度的同时，准确率得到了显著的提升。
基于学习实时图像语义分割算法

[发明专利]基于特征分割的焊缝跟踪方法-CN202110277763.0有效
发明人： 柏连发;王业宇;赵壮;韩静;张毅;罗隽;郭卓然;杨傲东;王兴国 -专利权人：南京理工大学
申请日： 2021-03-15 - 公布日： 2022-11-11 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种基于特征分割的焊缝跟踪方法，步骤为：1.采集熔池图像，对熔池图像进行ROI选择。2.采用ERFNet的Encoder‑Decoder分割网络结构进行熔池图像分割，使用语义分割常用的交叉熵损失函数，融合全局特征信息，并在主干网络中加入金字塔池化模块。本发明对现有的ERFNet的网络结构和损失函数进行了改进，网络结构上参考UNet对高层特征和底层特征进行多尺度特征融合，损失函数上用Focal Loss代替交叉熵损失函数。避免激光条纹中心线出现断线、焊接特征点偏差过大等问题。有效提升特征提取算法的性能，准确提取各层各道焊缝的激光条纹中心线和焊缝特征点，不损失算法的效率，保证焊缝跟踪对实时性的要求。
基于特征分割焊缝跟踪方法

[发明专利]一种红外图像增强的道路机载场景语义分割方法-CN202110278260.5有效
发明人：张毅;李端阳;陈霄宇;韩静;柏连发;张权;滕之杰;魏驰恒 -专利权人：南京理工大学
申请日： 2021-03-15 - 公布日： 2022-10-25 - 主分类号： G06T7/12 文献下载
摘要：本发明涉及一种红外图像增强的道路机载场景语义分割方法，将输入图像在送入特征提取器之前，先送入了图像增强模块，得到了图像增强后的大尺度图像，大尺度图像中的小目标尺寸已经在一定程度上被放大和增强，接下来将增强后的图像送入编码模块提取小目标特征，使提取到的特征因为有图像增强模块的存在，不会导致图像中小目标的空间细节丢失甚至消失。图像增强模块通过网络在低分辨率图像和高分辨率图像之间找到最佳的映射函数，映射函数通过基于深度学习的超分辨率重建算法得到，通过映射函数重建图像，实现对图像的增强放大。该道路机载场景语义分割方法通过图像增强的方法，提升目标的原始尺度，增强网络场景理解，提升输出精度。
一种红外图像增强道路机载场景语义分割方法

[发明专利]基于特征级和决策级融合的双模态目标跟踪方法-CN202111499743.4有效
发明人：何丰郴;柏连发;陈霄宇;韩静;张权;魏驰恒;张靖远 -专利权人：南京理工大学
申请日： 2021-12-09 - 公布日： 2022-10-25 - 主分类号： G06T7/246 文献下载
摘要：发明涉及一种基于特征级和决策级融合的双模态目标跟踪算法，包括构建SiamDL双级融合注意网络结构；获取模板图像；获取搜索区域图像；提取图像深度特征；对多域的深度特征进行交互；对交互后的特征进行分类约束；对分类结果进行调制；特征融合；调制融合特征；分类回归。本发明通过引入双层融合注意机制，提出了一种双级平衡模块，它可以利用决策级和特征级的信息更合理地平衡两种模式的权重比；引入跨域孪生注意机制，提出一个多域感知模块，能够自适应地更新模板特征，利用模式域和时域丰富的上下文信息，提高网络的特征表示能力，实现了高速运转和优异的跟踪结果，提升了跟踪器应对复杂场景的能力。
基于特征决策融合双模目标跟踪方法

[发明专利]基于机器视觉的多场景适应驾驶偏离及转弯预警方法-CN201811564831.6有效
发明人：韩静;张毅;柏连发;钱钊;沈炯行;张玉伟;郭逸汀;邓力升;施润 -专利权人：南京理工大学
申请日： 2018-12-20 - 公布日： 2022-10-25 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了基于机器视觉的多场景适应驾驶偏离及转弯预警方法，包括以下步骤：安装CCD路面图像相机；增强路面图像实景；定位当前行驶道路；实时判断行驶车道；计算并分级道路远场弯曲度；警报。本专利首先对路面实景增强，随后，对于增强后的图像应用一种近场自适应的当前行驶道路检测算法，通过色彩、前后帧、与动静态结合的Mask规避路面地标，其他车辆所可能造成的误检。在得到明确行驶边界后，采用CCP发判断是否发生偏离，给出不同程度的警告。在转弯预警方面，本专利提出了一种道路远场弯曲度计算与分级算法，将道路弯曲度分为三个等级，当道路弯曲度过小时，根据拟合出的弯曲度等级，给予多级报警。
基于机器视觉场景适应驾驶偏离转弯预警方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 112 条