-
公开(公告)号：CN111368647B
公开(公告)日：2023-02-17
申请号：CN202010096560.7
申请日：2020-02-14
Applicant: 中北大学
IPC: G06V10/764 , G06V10/778 , G06V20/13 , G06V20/10 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于DBN分布集成与冲突证据合成的遥感地物识别方法，属于遥感地物分类领域。本发明首先提取LIDAR系统数据和多光谱图像的高程特征、光谱特征、强度特征，构建特征向量；然后随机选取一定数量的选择特征和样本实验统计确定分布式DBN网络的结构参数；接着构造多个独立并行的DBN网络获取类别概率为证据信息；最后计算证据合成权重，以D‑S合成原则获取决策级融合结果。本发明充分利用分布式DBN集成与冲突证据合成的优点挖掘分析机载LIDAR数据地物信息，实现遥感数据地物精确分类。实验结果表明，总体分类精度明显优于未充分合成前的分类结果。
-
公开(公告)号：CN107633495B
公开(公告)日：2020-07-17
申请号：CN201710653448.7
申请日：2017-08-02
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明属于红外图像融合领域，具体为一种基于互补关系的红外偏振与光强图像多算法2D‑VMD内嵌式融合方法。首先，采用灰度均值和局部标准差提取融合图像与红外偏振图像差值图和红外光强图像亮度和轮廓特征，采用Canny算子和能量拉普拉斯算子提取融合图像与红外光强图像差值图和红外偏振图像边缘和细节特征；其次，构建基于特征相似性的算法融合性能评价指标；接着，根据不同算法融合性能评价指标值，确定算法间互补关系；然后，根据红外偏振与光强图像特征，确定MSGT和NSST间内嵌顺序，获得高频特征融合图像；最后采用2D‑VMD实现低频特征融合图像和高频特征融合图像最终结合，获得最终融合图像。本发明用于但不限于红外图像融合领域。
-
公开(公告)号：CN111368647A
公开(公告)日：2020-07-03
申请号：CN202010096560.7
申请日：2020-02-14
Applicant: 中北大学
Abstract: 本发明公开了一种基于DBN分布集成与冲突证据合成的遥感地物识别方法，属于遥感地物分类领域。本发明首先提取LIDAR系统数据和多光谱图像的高程特征、光谱特征、强度特征，构建特征向量；然后随机选取一定数量的选择特征和样本实验统计确定分布式DBN网络的结构参数；接着构造多个独立并行的DBN网络获取类别概率为证据信息；最后计算证据合成权重，以D-S合成原则获取决策级融合结果。本发明充分利用分布式DBN集成与冲突证据合成的优点挖掘分析机载LIDAR数据地物信息，实现遥感数据地物精确分类。实验结果表明，总体分类精度明显优于未充分合成前的分类结果。
-
公开(公告)号：CN107844850A
公开(公告)日：2018-03-27
申请号：CN201710752507.6
申请日：2017-08-28
Applicant: 中北大学
CPC classification number: G06Q10/04 , G06Q10/0639
Abstract: 本发明属于大型建筑、公共设施、精密设备等实际工程的评估领域，具体为基于数据可能性-信度分布的二型预测集安全评估方法。该方法首先在可能性分布和信度分布的基础上定义了二型预测集及其相关概念，提出了二型预测集间的相似性度量方法；然后，依据评估需求确定异类数据安全等级标尺，建立联合分布，并利用加权融合法对待评估的异类数据分别进行二型分布上的融合；最后，计算融合分布与其安全等级标尺间相似性测度，确定质心在联合标尺投影面中位置，判定安全等级。实验结果表明，本文方法用于尾矿坝的安全等级判定中能有效缩小评估结果的粒度，减少了误判问题出现，为坝体安全等级的精确判读提供了便利。
-
公开(公告)号：CN106846289A
公开(公告)日：2017-06-13
申请号：CN201710034250.0
申请日：2017-01-17
Applicant: 中北大学
Abstract: 本发明公开了一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法。首先对源图像进行非下采样轮廓波变换（NSCT）的多尺度分解；其次，对分解所得低频分量进行显著性检测，并以显著性图像百分位数进行活动阈值分割，确定显著区；然后，将偏振特有低频显著区迁移到低频融合图像中，其余低频部分作为背景区以取大规则保留强度信息；高频分量利用相位一致性及其阈值分为边缘轮廓类和纹理细节类，并分别利用相位一致性和局部标准差对相应两类细节融合；最后，通过NSCT逆变换重构出最终融合图像。本发明能够将源图像显著亮暗特征和较多的细节信息有效地融合到一幅图像中，主要用于（但不限于）红外光强和偏振图像的融合。
-
Patent Agency Ranking
公开(公告)号：CN103927557B
公开(公告)日：2017-01-18
申请号：CN201410194225.5
申请日：2014-05-08
Applicant: 中北大学
IPC: G06K9/62
Abstract: 本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配，得到对应的信任分配图像；使用中值滤波对各信任分配图像进行降噪处理；构造分层框架，对各层滤波结果进行合成，根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷，在保证较高精度的同时，有效地提升了算法运行的速度，形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。
-
公开(公告)号：CN105279747A
公开(公告)日：2016-01-27
申请号：CN201510837582.3
申请日：2015-11-25
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明属于图像融合领域，具体为一种可提高综合考虑源图像多方面差异特征类型及强弱关系，增强特征利用率以提高融合效果的多特征目标函数引导的红外偏振与光强图像融合方法。本发明利用红外偏振与光强图像差异特征的类型及幅值、融合权值向量构建的目标函数，综合考虑了像素多属性之间的强弱关系，利用源图像之间的特征作为种群个体之间的差异信息，通过差分进化进行基于群体差异的优化融合，提高各特征融合针对性及融合效果。该方法能够有效提高融合图像中的灰度、纹理、边缘、对比度等多方面特征。本发明主要用于红外偏振与光强图像的融合。
-
公开(公告)号：CN105069788A
公开(公告)日：2015-11-18
申请号：CN201510475968.4
申请日：2015-08-05
Applicant: 中北大学
IPC: G06T7/00
Abstract: 本发明公开了一种古建墙壁题记受污毛笔文字图像聚类分割方法，属于古建数字化修复领域。该方法首先构建偏微分模型对采集图像进行去噪处理，并根据题记图像的光照特征，进行分块增强；其次，利用最大类间方差法分割增强后图像，并作形态学处理；然后对处理后图像进行区域定位，得到文字区域的最小外接矩形，并在增强后图像中标出对应的文字区域；最后，对文字区域进行首次FCM聚类确定聚类中心矩阵，并利用平均灰度相似度和距离惩罚函数约束隶属度，进行NKFCM聚类和去模糊处理后，得到最终聚类分割图像。该方法既能有效的排除噪声对聚类的影响，又能保持分割的完整性，提取出质量较高的题记文字。本发明主要用于古建墙壁题记受污毛笔文字的聚类分割。
-
公开(公告)号：CN104978745A
公开(公告)日：2015-10-14
申请号：CN201510359498.5
申请日：2015-06-25
Applicant: 中北大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/20021 , G06T2207/20221
Abstract: 本发明属于图像变化检测技术领域，具体涉及一种高分辨率可见光图像目标变化检测方法。本发明主要解决现有方法直接对全局进行检测导致目标误检率高的问题。本发明高分辨率可见光图像目标变化检测方法包括以下步骤：(1)：输入图像I1和图像I2；(2)：对图像I1、I2处理得到结构图像I′1、I′2；(3)：将图像I1、I2、I′1、I′2分为方形块；(4)：计算I′1、I′2分块后相同位置间的熵值差；(5)：计算I1、I2分块后相同位置间的结构相似度；(6)：将熵值差和结构相似度分别按各自的判断条件判定，确定出存在变化目标的图像块；(7)：计算图像块的对数比差异图与均值比差异图，并将两幅图融合获得融合差异图；(8)：将融合差异图处理得到最终变化目标图像；(9)：保存并输出。
-
公开(公告)号：CN101799915B
公开(公告)日：2011-12-07
申请号：CN201010118062.4
申请日：2010-02-26
Applicant: 中北大学
Abstract: 本发明涉及图像融合技术，具体为一种双色中波红外图像融合方法。解决现有的双色中波红外图像融合方法因第一个细分波段的成像受太阳辐射影响严重，因而融合效果不甚理想的问题，以及不能直接在双色中波成像仪中实现融合的问题。把红外中波分为第一细分波段和第二细分波段两个波段，按如下步骤进行：对第一细分波段图像分割，以选择面积大的饱和区；区分太阳照射饱和区和非太阳照射饱和区：对第一细分波段图像中的所选太阳照射饱和区进行融合像素值替换；将处理后的第一细分波段图像和第二细分波段图像，采用支持度变换法(SVT法)进行融合。该方法在FPGA和DSP芯片或单一的FPGA芯片上实现，可嵌入双色中波成像仪中。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.015 seconds)
