|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
基于光譜抽樣直方圖的超光譜降維匹配方法及系統(tǒng)
本發(fā)明提供一種基于光譜抽樣直方圖的超光譜降維匹配方法及系統(tǒng)，包括對待匹配光譜和光譜庫中 的所有光譜分別進(jìn)行歸一化處理，分別獲取歸一化后的待匹配光譜和光譜庫中所有光譜的抽樣直方圖， 計(jì)算待匹配光譜的抽樣直方圖與光譜庫中所有光譜的抽樣直方圖的歐氏距離，在光譜庫中選取與待匹配 光譜抽樣直方圖歐氏距離最小的一條光譜作為匹配對象。本發(fā)明通過對歸一化后的光譜使用等間距的窄 帶進(jìn)行抽樣，從而獲得維數(shù)遠(yuǎn)小于原始光譜的抽樣直方圖，完成了光譜的降維，然后使用降維后的抽樣 直方圖代替原始光譜進(jìn)行匹配，顯著降低了后續(xù)匹配時(shí)的運(yùn)算量，同時(shí)在抽樣時(shí)利用分段提取的方法保 留了光譜圖中的相對位置信息，提高了匹配的精度。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
一種基于等距邊緣點(diǎn)匹配的多車道線檢測方法
本發(fā)明公開了一種基于等距邊緣點(diǎn)匹配的多車道線檢測方法，包括：采集汽車前方道路圖像，利用世界坐標(biāo)系、相機(jī)坐標(biāo)系和圖像坐標(biāo)系之間的相互關(guān)系，對采集到的汽車前方道路圖像做逆透視投影變化，以得到道路圖像的鳥瞰圖，對鳥瞰圖進(jìn)行邊緣檢測，并對檢測到的邊緣圖進(jìn)行預(yù)處理，對預(yù)處理后的邊緣圖中所有的邊緣點(diǎn)進(jìn)行局部區(qū)域匹配，保留匹配成功的邊緣點(diǎn)對，并通過這些邊緣點(diǎn)對得到特征點(diǎn)圖，在特征點(diǎn)圖中，依照特征點(diǎn)的分布對圖像進(jìn)行分塊，并提取
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
匹配層前端帶金屬保護(hù)膜結(jié)構(gòu)的氣體超聲波換能器
本發(fā)明公開了一種匹配層前端帶金屬保護(hù)膜結(jié)構(gòu)的氣體超聲波換能器。金屬殼內(nèi)從下至上依次裝有塑料殼、金屬壓板和硬質(zhì)密封膠層，導(dǎo)線中的兩根線芯分別焊接在壓電片的正極面和負(fù)極面的邊緣。壓電片的上端面與塑料殼中心的凸臺(tái)連接，下端面嵌入匹配層上端面中心的定位槽內(nèi)，壓電片、匹配層和塑料殼之間填充軟膠填充層，帽狀金屬保護(hù)膜套在塑料殼的下端面，帽狀金屬保護(hù)膜與匹配層下端面連接，帽狀金屬保護(hù)膜的帽沿與金屬殼間裝有密封圈。本發(fā)明具有極好的耐高壓、抗腐蝕能力，適宜安裝在可對含有微量固體微粒和微量液體雜質(zhì)的高壓氣體介質(zhì)的體積流量進(jìn)行計(jì)量、使用低電壓電源供電的氣體超聲波流量計(jì)中。
浙江大學(xué)
2021-04-13
一種基于代價(jià)矩陣的多重軟約束立體匹配方法
本發(fā)明公開了一種基于代價(jià)矩陣的多重軟約束立體匹配方法，首先計(jì)算一個(gè)三維匹配代價(jià)矩陣并對 其進(jìn)行多尺度降采樣，構(gòu)成代價(jià)矩陣金字塔；同時(shí)對影像也進(jìn)行相應(yīng)的多尺度降采樣，構(gòu)成影像金字塔， 并對其各層影像分別進(jìn)行圖像分割；然后逐層進(jìn)行自適應(yīng)權(quán)重的代價(jià)積聚和―投票式‖分割約束下的代價(jià) 積聚，并通過將上層代價(jià)積聚結(jié)果傳遞給下層代價(jià)矩陣，實(shí)現(xiàn)多尺度約束下的代價(jià)積聚；最后在底層代 價(jià)矩陣中結(jié)合可靠點(diǎn)代價(jià)擴(kuò)散方法實(shí)現(xiàn)立體匹配。本發(fā)明增強(qiáng)了匹配結(jié)果的穩(wěn)定性和可靠性，大大改善 了弱紋理和重復(fù)紋理區(qū)域以及視差不連續(xù)處的匹配問題，可用于改進(jìn)基于圖像的建模等涉及立體匹配的 工程應(yīng)用問題。
武漢大學(xué)
2021-04-13
基于聲學(xué)多普勒計(jì)程儀的水下地形匹配導(dǎo)航系統(tǒng)
本發(fā)明公開了一種基于聲學(xué)多普勒計(jì)程儀的水下地形匹配導(dǎo)航系統(tǒng)，包括：多波束綜合多普勒計(jì)程 儀、差分全球定位系統(tǒng)、平臺(tái)羅經(jīng)、數(shù)據(jù)采集模塊和海底地形匹配模塊，多波束綜合多普勒計(jì)程儀、差 分全球定位系統(tǒng)、平臺(tái)羅經(jīng)、海底地形匹配模塊均與數(shù)據(jù)采集模塊相連。本發(fā)明多波束綜合多普勒計(jì)程 儀具有更多測點(diǎn)、全覆蓋、高精度的優(yōu)點(diǎn)，能更準(zhǔn)確全面地反映水下地形的起伏變化情況。將多波束綜 合多普勒計(jì)程儀與海底地形匹配模塊結(jié)合，形成本發(fā)明基于聲學(xué)多普勒計(jì)程儀的水下地形匹配導(dǎo)航系統(tǒng)。 相比于傳統(tǒng)的水下地形導(dǎo)航系統(tǒng)，本發(fā)明不受時(shí)間限制，在長時(shí)間航行過程中也可保證實(shí)時(shí)導(dǎo)航信息的 精確性。
武漢大學(xué)
2021-04-13
一種基于模板匹配技術(shù)的知識(shí)圖譜問答系統(tǒng)及方法
本發(fā)明公開了一種基于模板匹配技術(shù)的知識(shí)圖譜問答系統(tǒng)和方法。該系統(tǒng)包括離線模塊和在線模塊，離線模塊主要用于離線數(shù)據(jù)準(zhǔn)備，在線模塊主要用于系統(tǒng)服務(wù)。本發(fā)明的系統(tǒng)可支持用戶友好的自然語言問句為查詢，通過對用戶的問句進(jìn)行語法分析，將語法分析后的結(jié)果到離線定義的手工模板庫中尋找匹配的問句模板，根據(jù)所述的實(shí)體匹配方法和關(guān)系匹配方法，生成最終的結(jié)構(gòu)化的知識(shí)圖譜查詢
浙江大學(xué)
2021-01-12
復(fù)雜曲面零件非接觸式三維匹配檢測優(yōu)化方法
本發(fā)明公開了一種復(fù)雜曲面零件非接觸式三維匹配檢測優(yōu)化方 法，包括：對待檢測的復(fù)雜曲面零件 CAD 模型與掃描模型執(zhí)行采樣； 將復(fù)雜曲面零件 CAD 模型與掃描模型執(zhí)行重心對齊；計(jì)算復(fù)雜曲面 CAD模型與掃描模型之間的對應(yīng)點(diǎn)對；基于布谷鳥算法得到轉(zhuǎn)換矩陣； 根據(jù)轉(zhuǎn)換矩陣更新復(fù)雜曲面零件的掃描模型；復(fù)雜曲面零件掃描模型 與 CAD 模型之間執(zhí)行匹配誤差計(jì)算，并執(zhí)行迭代更新。通過本發(fā)明， 能夠有效解決現(xiàn)有技術(shù)中計(jì)算收斂速度慢、且易陷入局部最優(yōu)的問題， 并尤其適用于大型復(fù)雜曲面零件如航空發(fā)動(dòng)機(jī)葉片的高精度質(zhì)
華中科技大學(xué)
2021-04-14
一種結(jié)合點(diǎn)特征和線特征的圖像匹配方法
本發(fā)明公開了一種結(jié)合點(diǎn)特征和線特征描述子的圖像匹配算法，包括：(1)分別對模板圖和實(shí)時(shí)圖在多尺度下提取角點(diǎn)；(2)獲得實(shí)時(shí)圖和模板圖角點(diǎn)周圍的邊緣集合；(3)計(jì)算步驟(1)獲得的最終選定的實(shí)時(shí)圖與模板圖角點(diǎn)的類ORB點(diǎn)特征描述子；(4)利用最小截平方Hausdorff距離描述步驟(2)獲得的實(shí)時(shí)圖和模板圖的邊緣集合的匹配相似度；(5)計(jì)算步驟(3)中獲得的實(shí)時(shí)圖與模板圖角點(diǎn)的類 ORB 點(diǎn)特征描述子的匹配相似度；(6
華中科技大學(xué)
2021-04-14
基于局部不變幾何特征的廣義霍夫變換圖像匹配方法
本發(fā)明公開了一種基于局部不變幾何特征的廣義霍夫變換圖像 匹配方法，用于實(shí)現(xiàn)對具有任意旋轉(zhuǎn)角度的目標(biāo)圖像的匹配，其特征 在于，該方法包括對模板圖像進(jìn)行預(yù)處理的步驟和利用該模板圖像的 處理結(jié)果對目標(biāo)圖像進(jìn)行匹配的步驟，其中，模板圖像處理步驟中包括提取圖像各邊緣點(diǎn)并建立邊緣點(diǎn)匹配特征關(guān)系，所述目標(biāo)圖像進(jìn)行 匹配時(shí)先提取目標(biāo)圖像的各邊緣點(diǎn)，再利用上述建立的邊緣點(diǎn)匹配特 征關(guān)系對提取的圖像進(jìn)行匹配，從而獲得匹配位置點(diǎn)和相應(yīng)的旋轉(zhuǎn)角 度，完成目標(biāo)圖像匹配。本發(fā)明的方法通過改進(jìn)傳統(tǒng)的廣義霍夫變換， 建立改進(jìn)的參考表，能夠?qū)θ我饨嵌刃D(zhuǎn)的目標(biāo)圖像進(jìn)行匹配，具有 很高的匹配速度和匹配精度。
華中科技大學(xué)
2021-04-11
基于視覺特征的視頻指紋檢測及視頻序列匹配方法及系統(tǒng)
本發(fā)明提出一種基于視覺特征的視頻指紋檢測方法，具體為：按照幀間相關(guān)性對視頻序列分段，在分段中提取關(guān)鍵幀；在各關(guān)鍵幀中提取視頻特征；利用像素點(diǎn)特征字典對像素點(diǎn)分類；對各關(guān)鍵幀分別進(jìn)行多次不同數(shù)量的分塊，在各子塊中依據(jù)像素點(diǎn)的分類結(jié)果統(tǒng)計(jì)像素點(diǎn)特征字典各元素的出現(xiàn)次數(shù)，得到該子塊的特征向量；將所有子塊的特征向量拼接得到關(guān)鍵幀的高維視頻指紋；對各高維視頻指紋進(jìn)行降維；將各視頻片段關(guān)鍵幀的低維視頻指紋按照時(shí)間先后順序連成關(guān)鍵幀視頻指紋串。本發(fā)明還提供了基于上述指紋檢測方法的視頻匹配方法。本發(fā)明通過對視頻內(nèi)容的關(guān)鍵信息進(jìn)行有效描述，在不影響匹配率的情況下，大大降低了算法的復(fù)雜度，有效提高了檢測效率。
華中科技大學(xué)
2021-04-11