基于连续度的多尺度高分辨图像目标检测方法

    公开(公告)号:CN102722712B

    公开(公告)日:2014-04-16

    申请号:CN201210000364.0

    申请日:2012-01-02

    Abstract: 本发明提出了一种基于连续度的目标检测方法,主要解决现有目标检测技术中虚警率高及耗时的问题。其实现步骤为:从50幅正类训练样本中提取基于forstner算子的样本特征;结合样本特征间的空间关系特征构造字典,对字典进行聚类;使用稀疏神经网络训练分类器;输入待检测图像,进行均值滤波与二值化,提取基于突变的感兴趣区域;对感兴趣区域进行多尺度缩放,在每一层上滑动100×40的窗口,将分类器应用到窗口计算活性值,得到活性值分布图;利用邻域抑制和重复部件消除方法,寻找目标活性峰值点;计算目标连续度,根据连续度得到最终目标检测结果。本发明具有检测正确率高、虚警率低、时效性高的优点,可用于大尺度高分辨图像的目标检测与定位。

    基于全变分谱聚类的SAR图像分割方法

    公开(公告)号:CN102622756B

    公开(公告)日:2014-04-16

    申请号:CN201210066951.X

    申请日:2012-03-14

    Abstract: 本发明公开了一种基于全变分谱聚类的SAR图像分割方法,主要解决现有谱聚类方法用于SAR图像分割时出现的准确率低和区域一致性差的问题。其实现过程是:(1)对输入SAR图像进行全变分图像分解;(2)对SAR图像的结构部分提取灰度特征G;(3)对SAR图像的纹理部分提取小波特征T;(4)用灰度特征G和小波特征T计算总样本集S中任意两点i和j间的相似性Wij;(5)用从总样本集S中选取的采样样本集Sm根据逼近的方法,通过采样样本集Sm来逼近总样本集S谱映射后的特征向量空间,并取前k个最大特征值所对应的特征向量作为降维特征矩阵Y;(6)对降维特征向量矩阵Y进行k-means聚类,输出SAR图像的最终分割结果。本发明具有分割结果准确率高和区域一致性好的优点,可用于SAR图像目标检测和目标分割与识别。

    基于自体半径可变的否定选择入侵检测方法

    公开(公告)号:CN102510388B

    公开(公告)日:2014-04-16

    申请号:CN201210000369.3

    申请日:2012-01-02

    Abstract: 本发明公开了一种基于自体半径可变的否定选择入侵检测方法,主要解决现有否定选择方法设置固定的自体半径所形成的自体区域不能很好覆盖自体空间,从而导致检测效果较差的问题,其实现步骤是:(1)对KDD99数据集作预处理;(2)从数据集中选取部分正常数据作为自体,组成自体集S;(3)随机生成异体,利用自体与生成的异体之间的距离特征,给所有自体设置可变的自体半径;(4)训练检测器集D;(5)用检测器集D对测试数据进行检测,判断测试数据为正常或异常。本发明具有正检率高、误报率低的优点,可在自体数量较少的情况下有效改善否定选择入侵检测方法的效果,用于识别异常的网络数据,确保网络安全。

    一种无人机路径规划方法
    114.
    发明公开

    公开(公告)号:CN103697896A

    公开(公告)日:2014-04-02

    申请号:CN201410012975.6

    申请日:2014-01-13

    CPC classification number: G01C21/20

    Abstract: 本发明公开一种无人机路径规划方法,所述方法包括如下步骤:第一步,初始化任务地图,标注起点Start(xstart,ystart)、终点Goal(xgoal,ygoal)和障碍物的坐标,计算出所述无人机的最小安全转向半径R;第二步,设定起点为节点Node[0]和终点为节点Node[-1],查找其它节点坐标,以结构体建立二叉树,第三步,以深度优先左值遍历方法读取二叉树,依次记录节点顺序,将相邻节点间的连线及采用了Dijkstra算法生成的路径存入矩阵Path[]之中。与现有技术相比,提出了一种节点具体标定方法,通过在两点连线上任意位置作垂线,增加了路径的多样性;采用非进化的计算方法,节省了计算时间和存储空间,增加了算法的稳定性。

    基于凸优化的人脸超分辨率方法

    公开(公告)号:CN102136065B

    公开(公告)日:2014-04-02

    申请号:CN201110075606.8

    申请日:2011-03-28

    Abstract: 本发明公开了一种基于凸优化的人脸超分辨率方法,主要解决现有方法所获取的超分辨率人脸图像质量不高的问题。其实现步骤为:(1)将高、低分辨率人脸图像训练集和测试低分辨率人脸图像划分为图像块的形式;(2)对于每一个测试低分辨率人脸图像块,利用凸优化方法求解其在低分辨率人脸图像训练集对应位置上的图像块之间的重构系数;(3)利用低分辨率图像块的重构系数,重构超分辨率人脸图像块,最后合成整体的超分辨率人脸图像。本发明提高了超分辨率人脸图像的质量,降低了算法的复杂度,使其更具有通用性,可用于视频会议、公共安全和人脸识别。

    基于密母算法的图形检索方法

    公开(公告)号:CN102591987B

    公开(公告)日:2014-03-12

    申请号:CN201210011614.0

    申请日:2012-01-13

    Abstract: 本发明公开一种基于密母算法的图形检索方法,涉及基于形状的图形检索,通过设置参数;产生初始种群;计算抗体亲和度;克隆操作;以概率进行克隆变异;克隆选择;重组操作;对抗体使用基于模拟退火算法的局部搜索算子优化;对优秀抗体,使用局部搜索算子1和局部搜索算子2优化;循环操作,实现图像的快速、有效检索。本发明使用克隆选择算法和局部搜索算子结合进行图像检索,具有强全局搜索能力,收敛速度快,图像检索效率高。局部搜索算子的强局部搜索能力,进一步提高克隆选择算法的检索结果,图像检索结果准确率提高。基于类标的编码方式,克服了确定类别数难的缺陷。由于本发明的高效率和准确率高的优点,可用于网络图片的检索和分类。

    基于特征提取与聚类集成的SAR图像分割方法

    公开(公告)号:CN103617618A

    公开(公告)日:2014-03-05

    申请号:CN201310645986.3

    申请日:2013-12-03

    Abstract: 本发明公开了一种基于特征提取和聚类集成的SAR图像分割方法,主要解决现有方法中对相干斑噪声敏感、分割精度较低的问题。其实现步骤是:(1)对原始SAR图像进行特征提取,构造图像的多维特征集,并对多维特征集进行降维,得到新的特征集;(2)对新特征集进行多次选择性Kmeans聚类,得到多个聚类中心序列,对该多个聚类中心序列进行中心配准;(3)利用配准后的聚类中心序列划分新特征集,得到多个标记向量;(4)对得到的多个标记向量进行集成,得到集成后的标记向量;(5)利用集成后的标记向量得到SAR图像的分割结果。本发明具有对相干斑噪声鲁棒性强、分割进度高的优点,可用于SAR图像的目标检测与识别。

    基于差值图像稀疏表示的遥感图像融合方法

    公开(公告)号:CN103617597A

    公开(公告)日:2014-03-05

    申请号:CN201310517977.6

    申请日:2013-10-25

    Abstract: 本发明公开了一种基于差值图像稀疏表示的遥感图像融合方法,主要解决现有遥感图像融合方法光谱失真的问题。其实现步骤为:输入图像集并分别进行取块,获得图像块数据集;根据图像块数据集构造高低分辨率差值图像训练集;利用半对称字典训练方法对高低分辨率差值图像训练集进行训练得到训练字典;输入待融合低分辨率多光谱图像和高分辨率全色图像,计算待融合低分辨率差值图像;根据半对称字典图像超分辨方法对待融合低分辨率差值图像进行超分辨处理得到高分辨率差值图像,并对其进行逆变换,得到高分辨的多光谱图像。本发明与经典遥感图像融合方法相比,由于采用了基于差值图像的融合模型,减小了光谱失真,可用于目标识别。

    基于超像素和优化策略的SAR图像分割方法

    公开(公告)号:CN103413316A

    公开(公告)日:2013-11-27

    申请号:CN201310374750.0

    申请日:2013-08-24

    Abstract: 本发明公开了一种基于超像素和优化策略的SAR图像分割方法,主要改善现有图像分割方法的分割区域一致性差的现象。其实现步骤是:(1)输入一幅SAR图像,并对该图像进行两层的非下采样小波变换;(2)提取输入图像的超像素块;(3)计算超像素块的小波特征;(4)建立超像素块之间的图矩阵;(5)根据超像素块的小波特征对超像素块进行聚类,(6)用粒子群算法优化聚类过程中的参数;(7)根据优化完成后得到的隶属度矩阵,计算超像素块的类别标签;(8)给超像素块之间的边界标记相应的类别标签,得到SAR图像的分割结果。本发明在保证较完整的边缘细节信息的同时能很好保证分割区域的一致性,分割结果满足后续对图像进行分析的要求。

    基于FPGA的USB转多路链路接口电路

    公开(公告)号:CN103412847A

    公开(公告)日:2013-11-27

    申请号:CN201310374495.X

    申请日:2013-08-24

    Abstract: 本发明公开了一种基于FPGA的USB转多路链路接口电路,主要解决现有单个USB不能与转换为多路链路接口的问题。它包括:USB数据转存单元(1)、下行数据读取单元(2)、下行数据解析单元(3)、N个下行先入先出存储器单元(4)、N个下行Link Port单元(5)、N个上行Link Port单元(6)、N个上行先入先出存储器单元(7)、上行数据写入单元(8)和状态机单元(9)。USB数据转存单元(1)提取USB数据,存入下行先入先出存储器单元(4),再由下行Link Port单元(5)将数据发送给ADSP;上行Link Port单元(6)提取Link Port数据,存储到上行先入先出存储器单元(7),再由USB数据转存单元(1)转换为USB数据。本发明具有结构简单、速度快的优点,可用于USB转多路链路接口。

Patent Agency Ranking