Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜北京航空航天大学赵慧洁获国家专利权

恭喜北京航空航天大学赵慧洁获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜北京航空航天大学申请的专利一种复杂光照条件下的空间目标材质识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115797663B

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211554769.9,技术领域涉及:G06V10/58;该发明授权一种复杂光照条件下的空间目标材质识别方法是由赵慧洁;李娜;龚晨耕设计研发完成,并于2022-12-06向国家知识产权局提交的专利申请。

一种复杂光照条件下的空间目标材质识别方法在说明书摘要公布了:一种复杂光照条件下的空间目标材质识别方法,包含以下步骤:1输入复杂光照条件下空间目标的高光谱图像;2对步骤1输入的高光谱图像进行超像素分割,通过基于超像素分割的方法,生成第一层和第二层全局结构拓扑图;3对步骤2中产生的两层全局结构拓扑图进行合并,形成多尺度联合的全局结构拓扑图,生成步骤1输入的高光谱图像的材质识别拓扑图,构成训练集和测试集;4构建图卷积神经网络和三维卷积神经网络融合的异构神经网络材质识别模型;5将步骤3中的测试集输入步骤4中的材质识别模型,获得材质类别识别结果。该方法提高了复杂光照条件下的空间目标材质识别效果,具有较高的准确率和较强的鲁棒性。

本发明授权一种复杂光照条件下的空间目标材质识别方法在权利要求书中公布了:1.一种复杂光照条件下的空间目标材质识别方法,其特征在于:它包含以下步骤:(1)输入复杂光照条件下空间目标的高光谱图像;(2)第一步,设置一个初始化聚类中心数,在像素大小为的高光谱图像上均匀布设聚类中心,相邻聚心的步长近似为;第二步,依次计算图像上各点与各聚类中心的距离,距离度量公式为 ;其中,为两点的光谱距离,为光谱各波段的灰度值,为光谱波段数,为两点的空间距离,是点在图像中的位置坐标,为常值,用于调整光谱距离和空间距离的权重,结合和得到距离;第三步,采用最小距离准则作为分割判断准则对点进行分类,如果所有聚类中心中与的距离最近,即 ;则将该点分为类别;第四步,计算同一类别中所有点的位置坐标平均值,作为该类别新的聚类中心的位置;重复第二步到第四步,直至达到设定的迭代次数,将所有同类点的集合作为一个超像素,则图像被分割为个超像素,每个超像素由个像素组成,即 ;其中;第五步,根据构建全局结构拓扑图,将每个超像素作为一个节点,连接在图像中邻接的两个超像素和的节点,得到节点邻接矩阵,计算方式为 ,; ,;再将的平均光谱作为节点的特征,构成节点特征矩阵,计算方式为 ; ;构成第一层全局结构拓扑图,表征空间目标大型部件的光谱信息和它们之间的连接关系;重复第一步到第五步,对高光谱图像再次进行超像素分割和全局结构拓扑图构建,其中设置初始化聚类中心数,,其余步骤同上,得到个超像素,,以及根据构成的第二层全局结构拓扑图,拓扑图表征小型部件的光谱信息和它们之间的连接关系;(3)对步骤(2)中产生的两层全局结构拓扑图进行合并,形成多尺度联合的全局结构拓扑图,生成步骤(1)输入的高光谱图像的材质识别拓扑图,构成训练集和测试集;(4)构建图卷积神经网络和三维卷积神经网络融合的异构神经网络材质识别模型;(5)将步骤(3)中的测试集输入步骤(4)中的材质识别模型,获得材质类别识别结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京航空航天大学,其通讯地址为:100191 北京市海淀区学院路37号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。