一种基于深度学习的红外图像非均匀性校正方法

    公开(公告)号:CN108921796B

    公开(公告)日:2021-09-03

    申请号:CN201810582351.6

    申请日:2018-06-07

    Abstract: 本发明涉及一种基于深度学习的红外图像非均匀性校正方法,包括:构建第一多尺度特征提取单元;根据所述第一多尺度特征提取单元构建M个多尺度特征提取单元,形成偏置校正网络;根据所述第一多尺度特征提取单元构建N个多尺度特征提取单元,形成增益校正网络;将所述偏置校正网络与所述增益校正网络进行级联操作,构建非均匀性校正网络;对所述非均匀性校正网络进行训练,得到训练后的校正网络结构;将待校正的红外图像输入所述训练后的校正网络结构中,获得校正后的红外图像。该红外图像非均匀性校正方法有效地适应非均性的漂移,消除了鬼影现象,且校正后图像中的细节信息更加丰富。

    基于波长转换的长波红外多光谱成像方法及装置

    公开(公告)号:CN111157114A

    公开(公告)日:2020-05-15

    申请号:CN201911361649.5

    申请日:2019-12-26

    Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置,将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像;再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像;通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像;通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像;通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建,获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分,基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性,得到更高分辨率和信噪比的光谱图像。

    基于非参数迭代自适应的捷变频雷达目标重构方法

    公开(公告)号:CN110954883A

    公开(公告)日:2020-04-03

    申请号:CN201911100821.1

    申请日:2019-11-12

    Abstract: 本发明公开了一种基于非参数迭代自适应的捷变频雷达目标重构方法,属于雷达信号处理技术领域;具体地,本发明首先建立捷变频雷达的回波信号模型,然后将回波信号转换为对应的捷变频雷达的压缩感知模型,构建对应的观测矩阵;最后将捷变频雷达的压缩感知模型与阵列信号的压缩感知模型进行对应转化,采用非参数迭代自适应算法对捷变频雷达的目标信号进行优化求解得到目标信号列向量;再对其进行重排,得到重构的目标信号。本发明通过构建观测矩阵并将其类比到阵列流形矩阵之后,将IAA引入捷变频雷达信号的压缩感知求解过程,实现了无需稀疏度等额外参数条件下目标的准确重构。

    基于轮廓特征的无人机载SAR图像匹配方法

    公开(公告)号:CN110929598A

    公开(公告)日:2020-03-27

    申请号:CN201911081074.1

    申请日:2019-11-07

    Abstract: 本发明公开了一种基于轮廓特征的无人机载SAR图像匹配方法,包括:步骤1,对基准SAR图像和实时SAR图像进行预处理;步骤2,对预处理后的图像进行图像分割,并对图像分割后的图像进行边缘检测、轮廓跟踪,获得基准SAR图像的闭合轮廓图和实时SAR图像的闭合轮廓图;步骤3,计算闭合轮廓图的质心距离,构建归一化轮廓中心距特征描述子;步骤4,采用欧氏距离对归一化轮廓中心距特征描述子进行双向匹配,取其交集作为正确匹配轮廓对。该方法增强了图像匹配算法对图像信息的利用度和对图像相干斑噪声的鲁棒性,并且对图像的几何形变具有很好的适应性,提高了匹配算法的效率。

    基于特征金字塔的孪生网络红外目标跟踪方法

    公开(公告)号:CN110544269A

    公开(公告)日:2019-12-06

    申请号:CN201910720012.4

    申请日:2019-08-06

    Abstract: 本发明公开了一种基于特征金字塔的孪生网络红外目标跟踪方法,分别对模板帧和检测帧进行自底向上的全卷积操作,接着分别对卷积层C5、C4、C3和C2进行自顶向上操作和横向连接,分别对应生成P2、P3、P4和P5尺度特征层;根据所述模板帧每一层尺度特征层的分类权重与回归权重分别对所述检测帧的对应尺度特征层进行卷积运算分别确定所述检测帧每层尺度特征层对应的尺度提议;对所述检测帧的所有尺度特征层对应的尺度提议进行非极大值抑制,保留最高的尺度提议,将该最高的尺度提议对应的尺度特征层作为输出跟踪结果。本发明对目标形变具有更好的判别能力,更加适应复杂场景及目标形变。

    基于DSP的农业移栽机智能路径导航方法

    公开(公告)号:CN110516563A

    公开(公告)日:2019-11-29

    申请号:CN201910719991.1

    申请日:2019-08-06

    Abstract: 本发明公开了一种基于DSP的农业移栽机智能路径导航方法,对固定有两个可见光相机的农业移栽机进行数学建模,并对可见光相机进行畸变校正;对获取到的秧苗空间位置的亮度-蓝色色度-红色色度颜色空间视频信号进行下采样,再转化成秧苗空间位置分布的超绿特征分量视频信号,并对视频中秧苗空间位置分布图像序列进行灰度化处理;确定秧苗空间位置分布灰度图像的阈值,并且分割提取出目标秧苗的信息;提取秧苗所在空间区域的中心点;对提取得到的秧苗空间位置中心点进行拟合,获得秧苗位置分布对应的导航直线,通过该导航直线进行导航。本发明能够实现农业移栽机在田间自动导航行驶并插秧。

    基于非负矩阵分解的异常检测方法及其装置

    公开(公告)号:CN104778706B

    公开(公告)日:2018-10-30

    申请号:CN201510191275.2

    申请日:2015-04-21

    Abstract: 本发明公开了一种基于非负矩阵分解的异常检测方法,对读取的高光谱图像进行预处理获得剔除噪声的高光谱图像,将所述获得的剔除噪声的高光谱图像进行向量转换获得二维初始化矩阵V,再对二维初始化矩阵V进行线性分解生成随机初始化基矩阵W和系数矩阵H,根据非负矩阵分解的乘性迭代法则对随机初始化基矩阵W和系数矩阵H进行迭代获得含有若干个波段的高光谱图像,最后根据局部的自适应的核密度估计算子对所述含有若干个波段的高光谱图像中含有异常信息最多的一个波段的高光谱图像进行处理,获得检测出异常目标的图像;本发明还公开了一种基于非负矩阵分解的异常检测装置,通过本发明能够消除大量的冗余波段和噪声信息,从而有效地提高了异常检测的效率。

Patent Agency Ranking