“汪洪桥”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28个，建议您升级VIP下载更多相关专利

[发明专利]一种图像降维方法-CN201910959811.7有效
发明人：杨晓君;梁珂;王榕;林郭权;吴瑾颖;汪洪桥;张鑫 -专利权人：广东工业大学
申请日： 2019-10-10 - 公布日： 2023-05-09 - 主分类号： G06T3/00 文献下载
摘要：本申请公开了一种图像降维方法，包括：获取样本图像的图像空间；采用比迹降维的方法对图像空间进行降维处理得到投影矩阵；将待识别的图像通过投影矩阵投影到图像子空间；采用分类器对投影到图像子空间的待识别图像进行识别。本申请通过比迹降维的方法获取投影矩阵，使得能够最大效率的呈现数据的有用信息，提高降维的准确性。
一种图像方法

[发明专利]用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法-CN202110189629.5有效
发明人： 汪洪桥;蔡艳宁;付光远;王冕;贾晓雅;张少磊 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-02-19 - 公布日： 2022-10-04 - 主分类号： G06V20/20 文献下载
摘要：本发明公开了一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，包括构建特征库及推理机；构建特征库的具体过程为：11)对SAR图像中的目标进行分割检测；12)对SAR图像进行目标虚警剔除及目标的标定；13)构建基于高斯差模型的多尺度空间；14)取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；构建推理机的具体过程为：21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；22)构建多尺度多核支持向量分类器；23)对多尺度多核支持向量分类器进行训练及测试，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机，该方法能够实现对SAR图像的自动目标识别。
用于无人机载 sar 图像自动目标识别智能决策支持系统设计实现方法

[发明专利]一种基于改进YOLOv3的红外目标检测方法-CN201910728022.2有效
发明人：付光远;陈铁明;魏振华;汪洪桥;张少磊 -专利权人：中国人民解放军火箭军工程大学
申请日： 2019-08-08 - 公布日： 2022-09-30 - 主分类号： G06V10/764 文献下载
摘要：一种基于改进YOLOv3的红外目标检测方法，使用Darknet‑53作为网络检测框架，移除网络检测框架与预测模块之间的卷积层，加入多尺度融合预测，利用残差层融合低级特征的重复块。在重复块的底部加入注意力模块，在重复块之间加入残差金字塔过渡网络，重复块的通道数随重复次数递增。本发明具有针对红外图像的目标检测时提取特征能力和信息过渡水平都较好的特点。
一种基于改进 yolov3 红外目标检测方法

[发明专利]基于单目视觉移动机器人目标跟踪及平台控制系统和方法-CN201810757763.9有效
发明人：伍明;付光远;李琳琳;魏振华;汪洪桥;范志良 -专利权人：中国人民解放军火箭军工程大学
申请日： 2018-07-11 - 公布日： 2022-03-25 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于单目视觉移动机器人目标跟踪及平台控制系统和方法，它涉及机器人技术领域。其流程为：首先根据k时刻机器人和目标的估计状态生成控制分量，包括角速度和线速度Δxk，其次利用单目视觉SLAM方法得到机器人状态和协方差估计，目标根据运动模型ft预测自身状态和协方差阵然后利用和结合目标观测模型预测本轮目标观测值并生成观测残差阵最后利用目标实际观测值对目标状态和方差阵进行更新得到和本发明实现利用装载在移动机器人上的摄像机所拍摄的图片完成对环境特征状态、机器人状态和移动目标状态的实时在线估计，保证机器人对目标产生足够的观测视差，保证目标纯方向观测量条件下的目标状态收敛，应用前景广阔。
基于目视移动机器人目标跟踪平台控制系统方法

[发明专利]一种用于海面低角目标雷达的信号反射场计算方法-CN201810217004.3有效
发明人：魏振华;付光远;李琳琳;伍明;占建伟;范志良;汪洪桥;叶霞;杨文可;屈毓锛;李海龙;罗眉;王利涛 -专利权人：中国人民解放军火箭军工程大学
申请日： 2018-03-16 - 公布日： 2022-02-25 - 主分类号： G01S7/41 文献下载
摘要：一种用于海面低角目标雷达的信号反射场计算方法，它采用迭代的方式，通过将目标函数设为入射角度与反射角度的比值对数，进一步将设定的雷达离反射点距离的初始值逐步迭代，变成最接近实际值的雷达离反射点距离，从而实现了在只规定了雷达天线高度、目标高度和雷达与目标之间的距离时，精确计算规定反射点的位置。此外，还通过将反射系数设为地面反射系数、扩散因子和镜面散射因子的乘积，进一步有效的确定了信号反射场的反射系数，达到了精准计算信号反射场的目的。
一种用于海面目标雷达信号反射计算方法

[发明专利]一种自适应生成对抗网络图像降噪方法-CN202111270671.6在审
发明人： 汪洪桥;赵玉清;付光远;伍明;岳敏 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-10-29 - 公布日： 2022-01-21 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种自适应生成对抗网络图像降噪方法，将任意噪声图像分别送入到生成器G1和G2中，生成器G1对给定噪声图像中的噪声建模，以便可以学习从噪声图像中提取噪声图；通过将提取的噪声图添加真实的无噪声图像来构建图像对生成噪声图像，用原带噪声的图像减去提取的噪声图得到降噪的图像；将生成的噪声图像与真实的有噪声图像一起送到鉴别器D1中并鉴别真假；有噪声的图像被送到生成器G2后，G2的任务是尝试学会从有噪声的图像中生成干净的降噪图像ID2，通过将生成的干净降噪图像ID2、之前得到的降噪图像ID1和真实的无噪声图像送入到鉴别器D2中，在迭代中不断提升判别器的判定真假能力和生成器生成逼真图像的能力。
一种自适应生成对抗网络图像方法

[发明专利]一种基于生成对抗网络的红外图像边缘保留超分辨重建方法-CN202111269585.3在审
发明人： 汪洪桥;付光远;赵玉清;伍明;岳敏 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-10-29 - 公布日： 2022-01-11 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于生成对抗网络的红外图像边缘保留超分辨重建方法，包括两层生成对抗网络，该网络将图像的生成过程分解为两个阶段，第一阶段GAN：在第一阶段中，将低分辨率图像作为输入，送到第一阶段生成器中，生成一张假的的图像，将这张生成的图像与真实的图像一起送到第一阶段鉴别器中，并辨别真假；第二阶段GAN：在第二阶段中，将生成的低分辨率图像作为输入，送到第二阶段生成器中，生成一张的图像；将这张生成的图像与真实的图像一起送到第二阶段鉴别器中，并辨别真假。使用本发明的方法能得到具有照片般逼真细节的高分辨率图像。
一种基于生成对抗网络红外图像边缘保留分辨重建方法

[发明专利]一种基于多核机器学习的不平衡高光谱图像分类方法-CN202110528831.6在审
发明人： 汪洪桥;汪羚;付光远;姚钧译;张少磊;王冕;贾晓雅 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-05-14 - 公布日： 2021-08-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多核机器学习的不平衡高光谱图像分类方法，包括以下步骤：1)获取原始样本，通过原始样本构建原始训练集X，得原始训练集X的Gram矩阵；2)根据原始训练集X的Gram矩阵计算扩展合成Gram矩阵Km；3)根据扩展合成Gram矩阵Km构建多核模型，然后基于多核模型，计算MKLMO目标函数，得最优内核函数权系数及拉格朗日乘子4)将最优内核函数权系数及拉格朗日乘子代入到决策函数中，将待分类样本代入决策函数中，得待分类样本的类别，完成基于多核机器学习的不平衡高光谱图像分类，该方法对样本特性的适应能力较强，分类效果优异。
一种基于多核机器学习不平衡光谱图像分类方法

[发明专利]基于迁移学习和光谱恢复的HSI超分辨重建方法及相关设备-CN202110550369.X在审
发明人： 汪洪桥;张少磊;付光远;魏振华;赵玉清;岳敏 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-05-20 - 公布日： 2021-08-20 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及高光谱图像领域，公开基于迁移学习和光谱恢复的HSI超分辨重建方法及相关设备，用于通过机器学习模型实现从低分辨高光谱图像预测HSI，方法包括：获取高光谱图像集训练集和彩色图像训练集；根据高光谱图像集训练集进行光谱下采样得到多光谱图像集；根据彩色图像训练集对预设迁移学习模型进行训练，得到空间超分辨模型，并对空间超分辨模型进行调优，得到目标空间超分辨模型；根据低分辨率多光谱图像集和低分辨率高光谱图像集，对预设深度学习模型进行训练，得到目标光谱超分辨模型；获取待重建的低分辨率高光谱图像，基于目标空间超分辨模型及目标光谱超分辨模型分别进行迁移学习与光谱恢复处理，得到对应的高分辨率高光谱图像。
基于迁移学习光谱恢复 hsi 分辨重建方法相关设备

[发明专利]基于无监督学习的HSI超分辨重建方法及相关设备-CN202110550137.4在审
发明人： 汪洪桥;付光远;张少磊;伍明;岳敏;汪羚 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-05-20 - 公布日： 2021-08-17 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及高光谱图像领域，公开基于无监督学习的HSI超分辨重建方法及相关设备，用于实现无监督的HSI超分辨重建，方法包括：获取图像训练集，对预设生成对抗模型中的生成器模块进行图像退化的无监督训练，得到低分辨仿真图像生成器，并根据所述仿真低分辨率图像与真实低分辨率图像的映射关系，对预设生成对抗模型中的判别器模块进行判别真假的无监督训练，得到所述图像判别器；构建成对的模型训练集，基于所述仿真低分辨率图像及与其对应高分辨率图像之间的映射关系，对预设深度学习模型采用端到端的有监督学习方式，得到面向HSI的超分辨重建模型；获取待重建的低分辨高光谱图像，基于所述面向HSI的超分辨重建模型得到预测的高分辨高光谱图像。
基于监督学习 hsi 分辨重建方法相关设备

[发明专利]一种基于多核投影NMF的快速高光谱图像像元解混方法-CN202110189628.0在审
发明人： 汪洪桥;姚钧译;付光远;张少磊;王冕;贾晓雅 -专利权人：中国人民解放军火箭军工程大学
申请日： 2021-02-19 - 公布日： 2021-06-04 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于多核投影NMF的快速高光谱图像像元解混方法，包括以下步骤：1)构建多核模型，初始化核函数的权系数β＝[β1 β2 L βm]；2)利用PCA方法确定端元的个数，同时利用VCA方法初始化基矩阵W；3)根据基矩阵W更新核函数的权系数β；4)更新多核模型K；5)更新基矩阵W；6)当满足最大迭代次数或者满足收敛阈值时，则将当前的基矩阵W作为分解后的基矩阵，完成基于多核投影NMF的快速高光谱图像像元解混；否则，则转至步骤3)，该方法能够较为准确的实现高光谱图像像元解混，且处理时间较短。
一种基于多核投影 nmf 快速光谱图像像元解混方法

[发明专利]一种用于海面低角雷达的目标回波信号计算方法-CN201810669621.7有效
发明人：魏振华;李琳琳;付光远;汪洪桥;占建伟;杨文可;伍明;范志良;屈毓锛;李海龙;叶霞;罗眉;王利涛 -专利权人：中国人民解放军火箭军工程大学
申请日： 2018-06-26 - 公布日： 2021-02-09 - 主分类号： G01S7/41 文献下载
摘要：一种用于海面低角雷达的目标回波信号计算方法，通过特定的计算方法，计算出一次反射线和二次反射线的相位差，从而得到总相位差，能够将相位差和射线方向性纳入到目标回波信号的计算公式中；通过虚设主波束场强方向图函数，进一步解得法化于直射场的总场强，从而优解了雷达接收的目标信号。
一种用于海面雷达目标回波信号计算方法

[发明专利]一种仿真导航卫星信号杂散抑制方法-CN201810446952.4有效
发明人：侯博;王海洋;范志良;龚博文;姚志成;王乐;刘鑫昌;汪洪桥;吴智慧;张盛魁 -专利权人：中国人民解放军火箭军工程大学
申请日： 2018-05-11 - 公布日： 2020-11-06 - 主分类号： G01S19/23 文献下载
摘要：本发明公开了一种仿真导航卫星信号杂散抑制方法，该方法采用多个线性反馈移位寄存器组，产生的抖动信号不再具有单一的周期性，抖动更具噪声特性，对杂散的改善效果更加显著；将多个抖动序列添加至相位字的低位，避免抖动引入的相位噪声大于量化产生的相位误差，从而避免信号的相位分辨率恶化。
一种仿真导航卫星信号抑制方法

[发明专利]一种用于高光谱超分辨率重建的超像素稀疏表示方法-CN202010681637.7在审
发明人： 汪洪桥;张少磊;付光远;蔡艳宁;魏振华;王丽 -专利权人：中国人民解放军火箭军工程大学
申请日： 2020-07-15 - 公布日： 2020-10-30 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种用于高光谱超分辨率重建的超像素稀疏表示方法，包括以下步骤：利用分割算法聚类MSI像素生成超像素，其中，超像素为同质像素的集合，再分别从HSI和MSI学习光谱特征及比例信息；然后采用联合稀疏正则化在学习的光谱特征上分解MSI超像素获取系数信息，最后利用学习的光谱特征及系数信息生成高分辨率的高光谱图像，完成用于高光谱超分辨率重建的超像素稀疏表示，该方法能够更好的实现高光谱超分辨率图像的重构。
一种用于光谱分辨率重建像素稀疏表示方法

[发明专利]一种多核机器学习融合多尺度特征的高光谱地物分类方法-CN202010318446.4在审
发明人： 汪洪桥;汪羚;蔡艳宁;付光远;伍明;范青刚 -专利权人：中国人民解放军火箭军工程大学
申请日： 2020-04-21 - 公布日： 2020-09-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多核机器学习融合多尺度特征的高光谱地物分类方法，包括以下步骤：1)获取高光谱图像，再使用非均匀采样滤波核在每一波段上对高光谱图像进行二维空间非均匀滤波采样，再将采样得到的二维矩阵拉伸变换为一维向量，最后使用PCA对二维矩阵进行降维，以提取主成分波段，得高光谱图像的特征；2)提取目标的多尺度特征，在多核学习框架式中对目标的多尺度特征与多尺度核进行有机融合，再进行加权映射，得融合核矩阵，然后通过训练决策函数得到最优的多尺度核分类器，最后利用优化的多尺度核分类器对图像进行分类，完成多核机器学习融合多尺度特征的高光谱地物分类，该方法能够高精度高实时性的进行高光谱地物分类。
一种多核机器学习融合尺度特征光谱地物分类方法

1
2
下一页»
尾页
共 28 条