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。

    基于无人平台的多波段融合探测方法

    公开(公告)号:CN106096604A

    公开(公告)日:2016-11-09

    申请号:CN201610387328.2

    申请日:2016-06-02

    CPC classification number: G06K9/3241 G06K9/6289

    Abstract: 本发明公开了一种基于无人平台的多波段融合探测方法,将无人平台上获取的红外图像序列和可见光图像序列进行空间配准,再对配准好的红外图像序列和可见光图像序列进行预处理,将所述预处理后的红外图像序列和可见光图像序列进行图像融合,最后,对融合后的图像序列进行多弱小目标检测处理,输出目标的状态数据和数目信息。本发明采用红外和光学图像融合技术,实现对目标的精确检测。解决了无人机平台成像质量差,单一红外探测器分辨率低、不利于目标准确识别的缺点,且算法优于传统的目标检测算法,对目标的探测和识别更加容易,能够对防御系统和对抗系统提供目标的准确指示,可广泛应用于各类复杂背景的弱小目标准确检测系统中。

    基于三边滤波和神经网络的红外图像非均匀性校正方法

    公开(公告)号:CN109741267B

    公开(公告)日:2023-04-25

    申请号:CN201811479352.4

    申请日:2018-12-05

    Abstract: 本发明公开了一种基于三边滤波和神经网络的红外图像非均匀性校正方法,依次载入原始红外图像序列中第n帧原始红外图像作为当前帧图像,确定当前帧图像的第i行第j列像元校正后的灰度值通过快速三边滤波算法对第n帧原始红外图像进行处理,根据当前帧的像元x邻域τ内的像素获得像元x的期望值qn(x),根据当前帧图像的第i行第j列像元x的期望值与第i行第j列像元校正后的灰度值之间的偏差,通过具有自适应性的迭代步长更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数和像元偏置参数通过像元增益参数和像元偏置参数对第n+1帧原始红外图像进行校正。本发明不仅能提高参数的学习速率,还能改善图像的非均匀性校正效果。

    基于三边滤波和神经网络的红外图像非均匀性校正方法

    公开(公告)号:CN109741267A

    公开(公告)日:2019-05-10

    申请号:CN201811479352.4

    申请日:2018-12-05

    Abstract: 本发明公开了一种基于三边滤波和神经网络的红外图像非均匀性校正方法,依次载入原始红外图像序列中第n帧原始红外图像作为当前帧图像,确定当前帧图像的第i行第j列像元校正后的灰度值通过快速三边滤波算法对第n帧原始红外图像进行处理,根据当前帧的像元x邻域τ内的像素获得像元x的期望值qn(x),根据当前帧图像的第i行第j列像元x的期望值 与第i行第j列像元校正后的灰度值 之间的偏差,通过具有自适应性的迭代步长 更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数 和像元偏置参数 通过像元增益参数 和像元偏置参数 对第n+1帧原始红外图像进行校正。本发明不仅能提高参数的学习速率,还能改善图像的非均匀性校正效果。

    基于特征融合和稠密连接网络的红外面目标实例分割方法

    公开(公告)号:CN109584248A

    公开(公告)日:2019-04-05

    申请号:CN201811386216.0

    申请日:2018-11-20

    Abstract: 本发明公开了一种基于特征融合和稠密连接网络的红外面目标实例分割方法,采集并构建实例分割所需的红外图像数据集,获得原有已知的红外标签图像;对所述红外图像数据集作图像增强的预处理;对预处理后的训练集进行处理获得分类结果、边框回归结果和实例分割掩膜结果图;使用随机梯度下降法在卷积神经网络中根据预测损失函数进行反向传播,并更新卷积网络的参数值;每次选取固定数量的红外图像数据训练集送入网络进行处理,重复对卷积网络参数进行迭代更新,直至最大迭代次数完成对卷积网络的训练;对测试集图像数据进行处理,获取实例分割的平均精度和所需时间,以及最终实例分割结果图。

    基于曲率滤波和时空上下文的红外弱小目标跟踪方法

    公开(公告)号:CN107610159A

    公开(公告)日:2018-01-19

    申请号:CN201710782773.3

    申请日:2017-09-03

    Abstract: 本发明公开了一种基于曲率滤波和时空上下文的红外弱小目标跟踪方法。具体步骤包括:1.获得第一帧图像上下文区域;2.获得第一帧图像时空上下文区域;3.获得第一帧图像时空上下文区域先验模型;4.计算第一帧图像时空上下文区域的置信图矩阵;5.获取第一帧图像时空上下文模型矩阵;6.获得当前帧图像时空上下文区域;7.预测当前帧目标位置;8.判断是否为最后一帧;9.完成红外弱小目标的跟踪。本发明具有红外弱小目标跟踪速度快,时空上下文在线更新参数准确,红外弱小目标跟踪效果好的优点。

    一种基于图像几何分离的红外弱小目标增强方法

    公开(公告)号:CN104268835A

    公开(公告)日:2015-01-07

    申请号:CN201410490136.5

    申请日:2014-09-23

    Abstract: 本发明涉及一种基于图像几何分离的红外弱小目标增强方法。首先,根据红外图像中弱小目标和背景杂波分布特点,对图像中弱小目标和背景杂波成分分别采用谱图小波变换和非下采样的剪切波变换字典进行稀疏表示;然后将这两个互不相关的稀疏字典引入到图像几何分离框架中,并利用全变分惩罚因子来获得更多背景杂波成分信息,使其得到更有效的分离,从而达到增强弱小目标信号的目的。该方法具有更优的弱小目标增强和背景杂波抑制效果,与经典的最大均值、形态学滤波和二维最小均方误差等滤波方法相比,不但背景抑制因子有所提高,而且也较好地降低了强边缘引起的虚警。

Patent Agency Ranking