-
公开(公告)号：CN108053425B
公开(公告)日：2018-10-26
申请号：CN201711419446.8
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 一种基于多通道特征的高速相关滤波目标跟踪方法，如下：(1)采用HOG特征、CN特征和角点特征3个通道加权融合构建目标特征模型，以此对目标长时间稳定跟踪；(2)利用HOG特征，克服由于光照变化导致的目标特征提取受到干扰的问题；(3)利用CN特征，克服由于目标尺寸变换导致的纹理信息剧烈变化的问题；(4)利用角点特征，克服目标被部分遮挡导致的目标跟踪丢失问题；(5)每种特征通过傅里叶变换转换到频域计算相关度，将卷积运算转化为点乘运算，从而减小计算量，加快计算速度；(6)采用最大峰值比(MPR)判断目标特征模型权值系数是否需要更新，自适应调节某种环境因素下某特征通道的主导地位；(7)利用在线学习，选用固定学习因子对权值系数进行更新，完成目标模型更新过程。
-
公开(公告)号：CN107992875B
公开(公告)日：2018-10-26
申请号：CN201711422362.X
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于图像带通滤波的显著目标检测方法，对原始图像进行预处理；将图像变倍到设定尺寸，并进行浮点转换，得到浮点图像；对浮点图像使用IIR滤波器进行多次带通滤波，使用数字IIR滤波器进行带通滤波，带通滤波器由两个低通滤波器差分得到，对浮点图像进行一次带通滤波后再对滤波结果进行进一步带通滤波，得到带通滤波结果；对带通滤波结果进行分割，对分割结果进行形态学处理，剔除噪声影响；对形态学处理后的结果进行聚类，对聚类结果依据目标先验知识进行筛选，在筛选处理中，依据已知的特性进行筛选，并得到最终的检测结果。本发明实现简单，运算效率高，能有效检出目标。
-
公开(公告)号：CN108122256B
公开(公告)日：2018-10-12
申请号：CN201711422475.X
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种逼近状态下旋转目标位姿测量的方法，根据目标已知的模型数据和对其拍摄的目标图像序列，构造目标的三维特征库；对输入起始帧图像去噪、增强，通过图像腐蚀膨胀运算进行目标定位和轮廓提取；从输入图像序列的第2帧开始，提取目标的圆环特征与角点特征，并实现二维图像角点特征与目标模型的三维特征匹配；利用交比不变性插值获得更多的特征点位置；利用圆环特征与角点特征解算目标的位姿参数，并进行参数优化。本发明通过目标的定位，减少图像中待处理区域面积，提高计算效率。通过圆环特征、轮廓与角点特征的结合使用，以及利用交比不变性插值获得更多的特征点这一方案，保证位姿参数的解算精度。
-
公开(公告)号：CN108171725A
公开(公告)日：2018-06-15
申请号：CN201711421030.X
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06T7/215 , G06T7/194 , G06T2207/10016
Abstract: 本发明提供一种基于法向流信息的动态环境下目标检测方法，主要包括三大步骤，步骤一：投票法估计FOE；步骤二：生成初始标记场；步骤三：生成最优标记场，从而实现目标的检测。本发明的最大优势在于算法对噪声敏感度较低，对拍摄场景的图像纹理和图像特征没有要求，因此适用场景比较广泛，具有广阔的前景。
-
公开(公告)号：CN108122213A
公开(公告)日：2018-06-05
申请号：CN201711419443.4
申请日：2017-12-25
Applicant: 北京航空航天大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T5/003 , G06T5/008 , G06T5/009 , G06T2207/20024 , G06T2207/20192
Abstract: 本发明涉及一种基于YCrCb的低对比度图像增强方法，包括以下步骤：(1)对获取的原始图像利用梯形低通滤波器进行图像去噪。(2)将去噪后图像进行RGB颜色空间和YCrCb颜色空间的转换，得到图像亮度分量。(3)采用传统空间域线性变换方法对亮度分量图像进行分段线性变换。(4)将变换后图像进行Gamma校正。(5)利用单尺度Retinex算法对校正后图像进行高斯滤波，估计出照度分量和反射分量图像。(6)针对反射分量图像，利用高斯锐化算法进行图像锐化。(7)将锐化图像进行YCrCb颜色空间和RGB颜色空间的转换。
-
Patent Agency Ranking
公开(公告)号：CN108088373A
公开(公告)日：2018-05-29
申请号：CN201711421058.3
申请日：2017-12-25
Applicant: 北京航空航天大学
IPC: G01B11/02
CPC classification number: G01B11/02
Abstract: 本发明公开了一种光电吊舱稳像回扫一体化控制装置及测量方法，该装置基座将固连在光电吊舱上，反射镜通过万向铰链与基座连接，由万向铰链提供支撑和转轴方向的限制，驱动部分为四台由线圈与永磁体组成的摆动音圈电机，音圈电机线圈与基座通过紧固螺钉连接，永磁体与反射镜胶合，反射镜转角反馈信号由布置于基座上的激光位移传感器提供；定义万向铰链两正交轴分别为光电吊舱稳像回扫一体化控制装置X轴与Y轴；相较于以压电陶瓷为驱动方式的稳像系统，本发明采用音圈电机作为驱动装置，反射镜口径、转角均明显增大；相较于一般二维电调视轴稳定系统，本发明结构简单、重量较轻，反射镜绕X轴的转角较一般对称布置时增大，最大转角为10°。
-
公开(公告)号：CN108053425A
公开(公告)日：2018-05-18
申请号：CN201711419446.8
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 一种基于多通道特征的高速相关滤波目标跟踪方法，如下：(1)采用HOG特征、CN特征和角点特征3个通道加权融合构建目标特征模型，以此对目标长时间稳定跟踪；(2)利用HOG特征，克服由于光照变化导致的目标特征提取受到干扰的问题；(3)利用CN特征，克服由于目标尺寸变换导致的纹理信息剧烈变化的问题；(4)利用角点特征，克服目标被部分遮挡导致的目标跟踪丢失问题；(5)每种特征通过傅里叶变换转换到频域计算相关度，将卷积运算转化为点乘运算，从而减小计算量，加快计算速度；(6)采用最大峰值比(MPR)判断目标特征模型权值系数是否需要更新，自适应调节某种环境因素下某特征通道的主导地位；(7)利用在线学习，选用固定学习因子对权值系数进行更新，完成目标模型更新过程。
-
公开(公告)号：CN108053382A
公开(公告)日：2018-05-18
申请号：CN201711422363.4
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06T5/003 , G06T7/246 , G06T2200/28 , G06T2207/10016
Abstract: 本发明涉及一种视觉特性去雾稳像探测系统，包含以下模块及功能：(1)图像数据输入至雾霾特性分析及增强模块后，通过计算输出得到增强图像和校正参数1；(2)增强图像输入至基于多级参数反馈控制目标探测系统模块，该模块通过检测识别解算出需探测目标的位置，输出目标偏移量和校正参数2；(3)稳像偏移量计算模块将稳像偏移量输出至稳像回扫一体化控制平台；(4)稳像回扫一体化控制平台根据稳像偏移量完成图像稳像功能，并根据校正参数1和校正参数2调整传感器积分时间。本系统实现了基于视觉特性分析的去雾增强、光电机械一体化稳像、检测与跟踪等功能，很好的达到了探测系统清、稳、准的目标，能够嵌入到不同类型的目标探测系统中。
-
公开(公告)号：CN108038857A
公开(公告)日：2018-05-15
申请号：CN201711419447.2
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于语义信息与边缘约束的前景目标检测方法，分割能量函数模型借助语义标签信息，完成对图像前景与背景的自动分割，从而实现前景目标的检测。该方法流程图见摘要附图，主要包括五大步骤，步骤一：基于语义边缘约束的图像分层分割；步骤二：位置模型的建立；步骤三：外观模型的建立；步骤四：平滑约束的构建；步骤五：分割模型迭代优化。本发明实验验证，具有可行性、准确性和通用性，可用于诸多高层次的图像分析与图像理解中。
-
公开(公告)号：CN108021947A
公开(公告)日：2018-05-11
申请号：CN201711419430.7
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于视觉的分层极限学习机目标识别方法，步骤如下：(1)将图像数据集进行标定，并按照一定比例分为训练集与测集，并处理为统一大小的格式，展开为列向量；(2)设计分层极限学习机网络模型，根据数据集大小，设置特征提取网络的稀疏编码层数，以及每个网络层节点数；(3)训练特征提取网络，即训练得到稀疏编码层权重，输入数据通过随机权重与隐含层相连，然后通过阈值收缩算法(FISTA)迭代求解出隐含层权重；(4)将特征提取网络提取到的特征向量作为极限学习机(ELM)的输入，训练ELM网络，得到极限学习机隐含层参数；(5)将测试集数据输入特征提取网络提取特征，然后输入极限学习机(ELM)得到分类结果。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.07 seconds)
