-
公开(公告)号：CN107665498A
公开(公告)日：2018-02-06
申请号：CN201710754636.9
申请日：2017-08-29
Applicant: 北京航空航天大学
CPC classification number: G06T7/75 , G06K9/6223 , G06T2207/10032 , G06T2207/20021 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明提供了一种基于典型示例挖掘的全卷积网络飞机检测方法，方法包括以下步骤：获取遥感图像的训练样本；对训练样本进行预处理，获得扩充后的飞机标注真值框的尺度与长宽比；飞机典型示例的自动挖掘；构建典型飞机示例与飞机标注真值框的对应关系；基于飞机典型示例挖掘的全卷积网络训练；利用全卷积网络实现飞机的检测。本发明将全卷积神经网络引入到遥感图像飞机检测，根据飞机外形特征对飞机样本进行聚类，挖掘训练数据中典型飞机示例，由此训练针对不同典型飞机示例的候选目标提取网络，有效提高候选区域提取网络的性能，进而提升飞机检测的查全率，同时达到了抑制虚警的效果。
-
公开(公告)号：CN106920214A
公开(公告)日：2017-07-04
申请号：CN201710123081.8
申请日：2017-03-03
Applicant: 北京航空航天大学
IPC: G06T3/40
Abstract: 本发明涉及一种空间目标图像超分辨率重建方法，属于数字图像处理技术领域。本发明通过对每个字空间训练独立的字典，提升了字典对局部样本结构的表示能力。并通过将低秩矩阵复原方法引入超分辨率重建子空间字典构建，提升了子空间字典对空间目标图像规则的局部样本模式的表示能力、表示精度，进而提升了空间目标图像超分辨率重建的重建效果。利用本发明方法训练得到的字典对低分辨率样本的表示更为精确，同时对高分辨率样本的重建更接近高分辨率空间目标观测图像的局部样本模式。
-
公开(公告)号：CN106447725A
公开(公告)日：2017-02-22
申请号：CN201610498801.4
申请日：2016-06-29
Applicant: 北京航空航天大学
IPC: G06T7/73
Abstract: 本发明涉及一种基于轮廓点混合特征匹配的空间目标姿态估计方法，属于数字图像处理技术领域。本发明在三维模型先验的基础上，充分利用投影图像轮廓中所包含的数据信息，利用混合特征匹配建立从输入图像到目标三维模型的2D-3D特征对应关系，并通过迭代的方式同步完成特征对应关系的确定和目标三维姿态参数的估计。通过构造轮廓点的混合特征向量并调整位置分量与曲率分量的权重系数，更准确地反映特征空间的结构，从而提高了算法的适用范围，即便初始姿态与真实姿态相差较大，算法依然具有较高的精确性；对投影图像轮廓点进行筛选，减小计算复杂度，执行速度较快，具有较高的效率，能够满足实时性要求。
-
公开(公告)号：CN106096622A
公开(公告)日：2016-11-09
申请号：CN201610265798.1
申请日：2016-04-26
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 针对高光谱遥感图像分类标注问题，本发明公开了一种半监督的高光谱遥感图像分类标注方法，该方法包括：通过人工样本采集获得少量已标注训练样本(含类别标注真值)、大量未标注训练样本和测试样本；通过直推式支持向量机构造条件随机场的关联势函数；通过改进的Potts模型构造条件随机场的交互势函数；通过遗传算法对条件随机场模型进行训练；通过训练得到的条件随机场模型对测试样本进行推断，获得其分类标注结果。本发明所得到的高光谱遥感图像分类标注结果相比于单独使用条件随机场算法或直推式支持向量机的分类标注结果，去掉了大量的孤立噪声点，具有较好的区域连续性且精度较高。
-
公开(公告)号：CN106023148A
公开(公告)日：2016-10-12
申请号：CN201610298889.5
申请日：2016-05-06
Applicant: 北京航空航天大学
CPC classification number: G06T5/002 , G06T2207/10016 , G06T2207/20024 , G06T2207/30241
Abstract: 本发明公开了一种序列聚焦观测模式下恒星像点位置提取方法，针对聚焦观测模式下恒星像点无明显弥散星斑，亚像素恒星定位精度不高的问题，将恒星运动规律与数字图像处理技术相结合，首先利用高斯滤波法对恒星观测图像进行预处理，去除图像中的高频噪声；并由图像中的亮度分布规律计算自适应阈值，用以提取观测图像中恒星像点区域；在此基础上通过恒星能量积分法、能量曲线拟合法、恒星轨迹估计法等数字图像处理技术来实现高精度的恒星像点坐标提取。本发明对恒星像点能量的变化趋势进行统计分析，能根据恒星的运动规律最大限度地估计恒星像点运动轨迹，在聚焦模式下保证高精度的恒星质心提取能力。
-
Patent Agency Ranking
公开(公告)号：CN105976355A
公开(公告)日：2016-09-28
申请号：CN201610265808.1
申请日：2016-04-26
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明提供了一种空间目标太阳能帆板的检测方法，应用于空间目标观测图像，所述方法包括：通过所述图像的颜色通道得到所述图像的灰度直方图；通过所述图像的灰度直方图得到所述图像的分割阈值；根据所述分割阈值对图像进行分割得到独立部件；通过所述独立部件得到独立部件边缘投影积分；根据所述边缘投影积分得到帆板的位置。本发明通过对图像的灰度直方图分割阈值计算、独立部件边缘投影积分矩阵计算，能有效地从包含运动模糊和噪声的空间目标图像中准确检测出空间目标太阳能帆板的位置。
-
公开(公告)号：CN105957054A
公开(公告)日：2016-09-21
申请号：CN201610245590.3
申请日：2016-04-20
Applicant: 北京航空航天大学
CPC classification number: G06T7/0002 , G06K9/4619 , G06T2207/10032 , G06T2207/20028 , G06T2207/20064 , G06T2207/30181
Abstract: 本发明公开了一种图像变化检测方法，应用于同一地区不同时期的遥感图像变化区域检测问题，所述方法包括：通过对所述图像的对数比值差异图进行双边滤波得到初始差异图；通过对上述初始差异图进行频率调谐显著性区域检测得到显著图；通过对所述显著图进行局部熵计算得到加熵显著图；根据小波变换法融合初始差异图和加熵显著图得到融合图；通过最大类间方差法对融合图进行分割得到最终的变化检测结果图。本发明将显著性检测模型引入到变化检测问题中，对差异图和显著图进行融合，在保留图像细节的基础上最大程度地突出变化区域，利于进一步提取和分析。实验结果表明，本发明方法能够有效地降低误检率，提高了变化检测结果的精度。
-
公开(公告)号：CN105809650A
公开(公告)日：2016-07-27
申请号：CN201610122602.3
申请日：2016-03-04
Applicant: 北京航空航天大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10048 , G06T2207/10081 , G06T2207/10088 , G06T2207/20221 , G06T2207/30004
Abstract: 一种基于双向迭代优化的图像融合方法，它包括以下步骤：一、将获取的可见光与红外图像、电脑断层扫描医学图像与磁共振医学图像输入到计算机中；二、处理可见光与红外图像、CT医学图像与MRI医学图像计算得到源图像间的相关矩阵和距离矩阵，并设置好迭代步长；三、依据图像融合判定标准得到迭代约束条件；四、利用步骤二、三中得到的变量以及约束条件，得到优化目标函数，实现图像融合过程，得到融合后的图像；通过以上步骤，本发明中的双向迭代优化法在可见光与红外图像、医学图像上的融合结果都取得很好的视觉效果，融合用时保留了更多的图像信息，妥善的解决了实际应用问题，具有广阔的市场前景。
-
公开(公告)号：CN102404581A
公开(公告)日：2012-04-04
申请号：CN201110342466.6
申请日：2011-11-02
Abstract: 本发明公开了一种基于插值与近红外的彩色图像处理的方法，包括如下步骤：输入基于同一场景的传感器源图像和近红外图像，对输入图像进行梯度差稀疏约束得到梯度差稀疏约束后的像素信息，根据多幅单色通道图像对应的多个单色通道之间细节约束得到细节约束后的像素信息；计算每幅彩色图像对应的细节约束后的均方误差；对所述相邻两幅彩色图像的细节约束后的多个通道的像素信息的均方误差和预定阈值进行比较，当相邻两幅彩色图像的均方误差小于预定阈值时，根据细节约束后的多个通道的像素信息生成所述每幅彩色图像对应的插值融合图像。本发明还公开了一种基于插值与近红外的彩色图像处理装置。本发明可有效满足近红外和可见光联合应用的需要。
-
公开(公告)号：CN102289808A
公开(公告)日：2011-12-21
申请号：CN201110206802.4
申请日：2011-07-22
IPC: G06T7/00
Abstract: 本发明公开了一种融合图像的性能评估方法和系统，所述方法包括以下步骤：区域划分步骤，对各个源图像进行显著区域和非显著区域的划分；相似度计算步骤，计算所述融合图像与源图像的所述显著区域之间的结构相似度值以及所述融合图像与该源图像的非显著区域之间的结构相似度值；评价值计算步骤，根据源图像的所述显著区域的结构相似度值和所述非显著区域的结构相似度值，计算所述融合图像与该源图像之间的融合图像质量评价值FIQRO；质量评估步骤，基于所述评价计算步骤计算得出的所述各个源图像的所述融合图像质量评价值FIQRO，计算图像融合质量评估值FIFQ。本发明使评估结果能够基于人眼视觉注意机制，与人眼评价更具一致性，评估结果更为真实、准确。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.035 seconds)
