-
公开(公告)号：CN103093441B
公开(公告)日：2015-09-30
申请号：CN201310018136.0
申请日：2013-01-17
Applicant: 西安电子科技大学
IPC: G06T5/10
Abstract: 本发明公开了一种基于变换域的非局部均值和双变量模型的图像去噪方法，其实现步骤是：（1）对含噪图像进行非下采样拉普拉斯分解,得到低频图像和高频图像；（2）对得到的低频图像利用局部系数方差检测低频图像的边缘，并对边缘区域和平滑区域分别进行非局部均值降噪；然后，对低频图像再利用NSLP方法分解，得到第二次分解的高频部分和低频部分；（3）对第一次NSLP分解得到的高频图像和第二次NSLP分解得到的高频部分进行方向滤波器分解，并进行双变量收缩去噪；（4）对去噪后的低频图像和高频图像进行逆变换，得到空域图像；（5）对空域图像进行全变分处理，得到最终去噪结果。本发明去噪效果显著，可用于图像的预处理阶段。
-
公开(公告)号：CN103226832B
公开(公告)日：2015-08-05
申请号：CN201310165466.2
申请日：2013-05-07
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于光谱反射率变化分析的多光谱遥感影像变化检测方法，主要解决现有技术对不同时相图像间的整体亮度差异敏感的问题。其实现步骤为：（1）输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪，并归一化处理；（2）将处理后的图像集转换为相对地物光谱反射率图像集；（3）计算光谱反射率变化量的方差和模，得到光谱反射率变化量的方差图和模值图，并分别进行增强，得到增强方差图和增强模值图；（4）分别对增强方差图和增强模值图进行分割，并融合分割所得的二值图，得到变化检测结果图。本发明无需人工参与，检测精确度高，可用于土地利用与覆盖监测、植被覆盖监测、水资源及矿产资源监测。
-
公开(公告)号：CN103020918B
公开(公告)日：2015-05-20
申请号：CN201310008102.3
申请日：2013-01-09
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于形状自适应邻域均值的非局部均值去噪方法，主要解决现有非局部均值去噪方法中相似性权值计算不准确的问题。其实现过程是：(1)对输入自然图像中每个像素点利用SA-DCT方法计算形状自适应邻域；(2)计算每个像素点的形状自适应邻域均值，得到一幅新的图像；(3)在新的图像中选取中心像素块并在搜索区域内选取相似块；(4)计算中心像素块与相似块间的相似性权值；(5)用相似性权值与输入图像中的像素点加权平均，得到像素点的恢复值；(6)计算输入图像中每个像素点的恢复值并取代原有的灰度值，得到去噪图像。本发明很好的抑制了噪声干扰，提高了相似性权值计算的准确性，在平滑噪声的同时保持自然图像的细节信息，可用于对自然图像的去噪处理。
-
公开(公告)号：CN102945554B
公开(公告)日：2015-04-22
申请号：CN201210415033.3
申请日：2012-10-25
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于学习和加速鲁棒SURF特征的目标跟踪方法，主要解决现有技术中由于目标快速变化或者发生遮挡而导致目标跟踪失败的问题。其实现步骤为：(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；(2)通过跟踪-在线学习-检测模型跟踪目标；(3)判定跟踪与检测目标的结果；(4)提取目标模板和视频当前帧的加速鲁棒SURF特征；(5)利用欧氏距离对获得的加速鲁棒SURF特征进行匹配；(6)输出目标跟踪结果，更新目标模板；(7)循环执行步骤(2)～步骤(6)，直到视频结束。本发明与现有的技术相比在目标快速变化或者发生遮挡情况下提高了目标跟踪的鲁棒性。
-
公开(公告)号：CN102930508B
公开(公告)日：2015-03-04
申请号：CN201210315578.7
申请日：2012-08-30
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图像残余信号的非局部均值图像去噪方法，主要解决原始非局部均值去噪方法在去除噪声的同时丢失了部分图像细节信息的问题。其去噪步骤为：(1)对输入的含噪自然图像进行原始非局部均值滤波，得到一次滤波结果图和方法噪声图；(2)判断方法噪声图中各个像素点所属区域；(3)根据各个像素点所属区域不同提取图像残余信息，得到残余信息图；(4)利用残余信息图与一次滤波结果图得到去噪参考图；(5)在去噪参考图中计算新的权值，利用新的权值对含噪自然图像进行非局部均值滤波，得到每个像素点的估计值；(6)用所有像素点的估计值取代含噪自然图像中所有像素点的灰度值，得到去噪图像。本发明的去噪效果更好，可用于自然图像去噪。
-
Patent Agency Ranking
公开(公告)号：CN102663724B
公开(公告)日：2014-08-06
申请号：CN201210054253.8
申请日：2012-03-03
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于自适应Treelet构造差异图的遥感图像变化检测方法，它属于图像处理技术领域，主要解决现有技术中变化检测精度不足的问题。其实现过程是：对输入的两幅不同时相遥感图像进行块处理，即计算第二幅图像搜索窗内的图像块与第一幅图像的中心图像块的差值，得到样本矩阵；利用Treelet算法对样本矩阵进行聚类，得到自适应差异图；计算差值差异图和自适应差异图的Otsu阈值，利用该阈值融合差值差异图和自适应差异图得到最终差异图，对最终差异图进行Otsu阈值分割，得到变化检测结果。本发明能够有效地提高变化检测精度，保持图像的边缘信息，可用于灾情监测和土地利用。
-
公开(公告)号：CN102629378B
公开(公告)日：2014-08-06
申请号：CN201210051379.X
申请日：2012-03-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多特征融合的遥感图像变化检测方法，主要解决现有变化检测方法漏检较多及变化检测整体精度不高的问题。其实现过程是：首先输入两时相遥感图像差值得到灰度差异图，计算灰度差异图的方差并设定阈值以决定是否对两时相图进行形态学预处理；接着计算邻域差分图和Gabor纹理特征差异图，使用Treelet算法融合三组差异图，对融合后的差异图像进行最大熵分割得到初始检测结果；最后通过面积阈值法去除部分孤立伪变化信息得到最终的检测结果图。实验表明，本发明能够较好的保持变化区域的边缘特征，在降低漏检率的同时有效抑制噪声的干扰，可用于环境保护、城市规划建设、自然灾害检测领域。
-
公开(公告)号：CN102622731B
公开(公告)日：2014-07-23
申请号：CN201210061837.8
申请日：2012-03-11
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，主要解决现有去噪方法去噪效果不佳的问题。其实现步骤是：(1)对含噪图像TI进行轮廓波分解；(2)分别对分解出的各个高频子带进行二维Otsu分割，得到重要系数和非重要系数；(3)分别计算高频子带的椭圆窗口，根据椭圆窗口估计高频子带的信号方差，对重要系数和非重要系数分别进行维纳滤波；(4)对去噪后的高频子带进行轮廓波逆变换，得到去噪图像FI；(5)对FI进行非局部均值滤波，得到去噪输出。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于变化检测，目标识别时对图像的预处理。
-
公开(公告)号：CN103839237A
公开(公告)日：2014-06-04
申请号：CN201410067313.9
申请日：2014-02-26
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于SVD字典和线性最小均方误差估计的SAR图像去斑方法：1)对输入的SAR图像中每一个图像块，根据距离公式计算该图像块与其搜寻区域内所有图像块的距离；2)根据距离最小原则构建相似集合；3)对相似集合进行奇异值分解得到SVD字典，并将相似集合向SVD字典上投影得到变换系数；4)依据线性最小均方误差准则，对变换系数进行收缩；5)对处理后的变换系数进行反变换得到去噪后的相似集合，用相似集合重构出去噪后的图像；6)迭代进行上述过程，得到最终去噪结果。本发明有效地解决了现有SAR图像去斑结果中细节保持与平滑程度的矛盾问题，在更好平滑斑点噪声同时保持SAR图像的特征信息。
-
公开(公告)号：CN103839075A
公开(公告)日：2014-06-04
申请号：CN201410062506.5
申请日：2014-02-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于联合稀疏表示的SAR图像分类方法，主要是对现有稀疏表示方法对于SAR图像分类效果的提高。其实现过程是：(1)输入待训练的SAR图像，对其进行特征提取，划分相似集合；(2)对每一类SAR图像的相似集合进行联合稀疏表示，对应得到每一个相似集合的小字典及稀疏系数；(4)输入待测试的SAR图像，对其进行特征提取，将特征向量在小字典上进行投影，得到测试图像的系数；(5)将测试图像的系数与所有训练图像的稀疏系数进行匹配，找出稀疏系数中最匹配的一组系数，将其标记类别作为待测试SAR图像所属类别。本发明在均匀纹理图像和SAR图像分类的正确率上较传统KNN和经典的稀疏表示分类方法有较大提高。
-
-
-
-
-
-
-
-
-
Search Results
352
records
(took 0.031 seconds)
