|
搜索
搜 索
高等教育领域数字化综合服务平台
一种基于双角度排序优化的行人重识别方法
本发明公开了一种基于双角度排序优化的行人重识别方法，属于监控视频检索技术领域。本发明首 先通过基于全局特征和局部特征的方法得到初始的排序结果;然后通过取两者排序结果的前 k 个结果的 交集作为初始查询更可靠的最近邻;再然后对里的每一个目标作为新的查询进行交叉的反向查询，通过 加权融合反向查询的排序列表得到整个优化的排序列表;最后再对里的每个去构建一个双层图，计算图 的近邻相似性去对进行进一步的重排，进而得到更好的重识别效果。
武汉大学
2021-04-14
一种可识别修改类型的矢量地图水印方法
本发明公开了一种可识别修改类型的矢量地图水印方法，包括水印嵌入方法和水印检测方法;水印 嵌入方法包括以下子步骤:步骤 1.1:标识地物并分组;步骤 1.2:生成并嵌入分组弱水印;步骤 1.3: 生成并嵌入地物弱水印;水印检测方法包括以下子步骤:步骤 2.1:标识地物并分组;步骤 2.2:检测分 组弱水印;步骤 2.3:检测地物弱水印;步骤 2.4:定位修改并识别修改类型。本发明的技术方案创造性 地提出，基于弱水印检测地物修改并识别
武汉大学
2021-04-14
一种基于静态纹理模型聚集的动态纹理识别方法
本发明公开了一种基于静态纹理模型聚集的动态纹理识别方法，提出了识别动态纹理并不需要对整 个复杂的运动过程建模，可以绕开对运动模式进行数学建模这一瓶颈，直接将动态纹理视为若干帧静态 纹理图像的聚集，从而将其转化为静态纹理分类问题，最后通过聚集静态纹理模型识别动态纹理。而关 于静态纹理识别目前有很多成熟有效的算法。本发明利用现有的静态纹理模型算法，将其拓展至动态纹 理识别的应用，建立基于静态纹理模型聚集的动态纹理识别框架，推动了动态纹理识别技术发展，实现 了高效快速识别动态纹理。
武汉大学
2021-04-14
射频读写设备及应用该设备的车辆识别与辅助测速系统
南京邮电大学
2021-04-14
一种基于正负序快速识别的动态锁相同步方法
本发明公开了一种基于正负序快速识别的动态锁相同步方法， 包括下述步骤：获得三相交流电压的离散瞬时值；将离散瞬时值进行 Clark 变换，得到两相α-β静止坐标系下的电压空间矢量；根据最近 3 次电压空间矢量获得相邻两次采样的电角度差；根据电角度差和最近 3 次电压空间矢量获得正序分量的识别相位和负序分量的识别相位； 对正序分量的识别相位和负序分量的识别相位分别进行锁相处理，获 得正、负序分量的锁相相位；获得正序分量的锁相相位与识别相位之 间的第一误差，以及负序分量的锁相相位与识别相位之间的第二误差；
华中科技大学
2021-04-14
电磁波方法浅层地下勘探中目标精确定位和识别
本项目将在目前硬件条件下，通过信号处理手段充分发挥硬件能力提高探地雷达的探测性能，使探地雷达能够高精度确定分层媒质中的层位、层厚及参数，对非层状目标能高精度地确定目标位置、几何形状和尺寸及其电性质，并给出根据目标特征辨识目标。本项目跨电磁学、地学、信号及图像处理等学科，涉及强相干干扰抑制、时域逆散射、图象处理、成象技术及目标识别等，是一项有理论意义并能使探
西安交通大学
2021-01-12
一种基于空间变换的自然场景下文本识别方法
本发明公开了一种基于空间变换的自然场景下文本识别方法，首先对训练图像集中的文本图像，获取图像的文本内容，并训练基准点定位网络、图像预处理网络、图像编码器网络以及特征解码器网络等网络模型；然后利用训练得到的网络模型对待识别图像集中图像进行空间变换，得到变换后的待识别图像；然后计算变换后的待识别图像的特征向量以及预测概率序列，最终获取图像识别的结果。本发明方法文本识别准确率高，且能够克服文本排列不规则等不利因素的影响。
华中科技大学
2021-04-11
用于腹盆部PET、CT 及MR 图像融合的立体定向框架
相关专利涉及一种用于医学影像学诊断、治疗的辅助设备，具体涉及一种用于 PET、CT 及 MR 图像融合的腹盆部立体定向框架，该装置固定后可通过更换装载不同造影材料的定位棒，为不同影像数据添加定位信息，通过“外部特征点提取法”实现任意两组或三组独立影像图像的精确融合。
天津医科大学
2021-02-01
一种采用多特征融合的图像自动标注方法和系统
本技术成果公开了一种采用多特征融合的图像自动标注方法和系统，标注方法是使用多种特征类型来 表示图像内容，引入多特征表示的特征签名，结合K-Means聚类算法得到基于多特征融合的图像语义统计 模型，用于对图像自动标注
中山大学
2021-04-10
基于多光谱图像的植物叶片水分含量的检测方法及系统
本发明公开了一种基于多光谱图像的植物叶片水分含量的检测方法及系统，检测方法包括以下步骤：a、获取样本植物叶片的绿光波段、红光波段和近红外波段的单色图像；b、获取单色图像的灰度信息，并获取所述样本植物叶片的灰度纹理特征量；c、将灰度信息转化为样本植物叶片的反射率信息，通过反射率信息获取叶片植被指数值；d、以灰度纹理特征量和叶片植被指数值为输入向量，以样本植物叶片的实测水分含量值为输出向量，建立模型；e、按照步骤a～c的操作获取待测植物叶片的灰度纹理特征量和叶片植被指数值，带入步骤d中模型，即得待测植物叶片的水分含量值。该方法能够实现对植物叶片的水分含量进行准确、快速、无损、实时的检测。
浙江大学
2021-04-11