-
公开(公告)号：CN111383260B
公开(公告)日：2023-05-23
申请号：CN202010178844.0
申请日：2020-03-15
Applicant: 北京航空航天大学
Abstract: 本发明属于图像处理技术领域，公开了一种应用于可见光模态的自适应激光信息高速检测处理方法，对图像帧进行帧间融合，将得到的帧间融合图和前一图像帧做差得到帧间差分图，将帧间差分图中的像素点从大到小排列与给定阈值比较，并设置自适应阈值对帧间差分图进行二值化得到帧间二值化图，再进行图像形态学处理，并用局部投票机制划分区域，最后通过像素点邻域内其他像素点灰度值分布情况，判断新起点是否继续向前移动，当移动后的坐标点邻域内白色像素点数量小于规定的阈值时则不移动，移动前的点即为最终激光光斑的中心点。本发明用于对图像中激光信息进行高速检测判断是否有激光照射情况，并对其中心点快速定位。
-
公开(公告)号：CN115942072A
公开(公告)日：2023-04-07
申请号：CN202211462717.9
申请日：2022-11-21
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种双处理器架构下的任意曝光时长图像采集装置及方法，包括图像采集板、副处理板和主处理板，其中，图像采集板用于采集可见光图像；副处理板用于图像编解码和图像预处理；主处理板为整个系统供电、对图像进行处理和进行数据通信。本发明能够提供一种双处理器架构下的任意曝光时长图像采集装置。可以根据指令对CMOS传感器曝光时间进行准确控制，能够在采集图像数据后快速进行解码、处理和传输，图像传输速度快，延时低，整个装置结构紧凑，操作简单，可重构，适应性好、稳定性强。
-
公开(公告)号：CN115439346A
公开(公告)日：2022-12-06
申请号：CN202210939290.0
申请日：2022-08-05
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于机载嵌入式FPGA平台的含雾图像去雾增强方法，可对在雾天情况下，视频采集设备采集到的视频图像进行实时增强处理，包括以下步骤：第一，使用暗原色先验理论，估计大气光强A与透射率；第二，对RGB三个通道数据分别进行去雾处理；第三，将图像转化到HSV空间；第四，使用非线性函数对图像S通道对比度进行非线性拉伸，提升饱和度；第五，使用维纳滤波对图像滤波去噪去运动模糊并通过同态滤波算法增强图像的S、V通道值；第六，HSV三通道融合，并进行HSV2RGB转换即将图像从HSV三通道转换至RGB三通道；第七，使用改进后的直方图均衡方法提升图像对比度与细节信息；第八，使用GAMMA校正对图像进行提亮处理，获得增强后图像。
-
公开(公告)号：CN115147731A
公开(公告)日：2022-10-04
申请号：CN202210901110.X
申请日：2022-07-28
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于全空间编码注意力模块的SAR图像目标检测方法，以提高目标检测网络在SAR图像上的检测性能，如下：(1)本方法利用SAR图像噪声较多的特性，设计了全空间编码注意力模块来缓解噪声的干扰，在全空间维度进行注意力提取，有效减少信息损失，提高了模型的特征提取能力；(2)本方法引入了可变形卷积，增加了可学习的偏移量，降低模型对于旋转、尺寸的敏感度，提高了模型的检测效果；(3)检测头部分使用了双头检测网络，使得回归任务和分类任务分开解耦，能够提高网络的检测效果；本发明能够有效的提高网络对SAR图像中近海、远海以及陆地上目标的检测性能和效果。
-
公开(公告)号：CN114998573A
公开(公告)日：2022-09-02
申请号：CN202210426360.2
申请日：2022-04-22
Applicant: 北京航空航天大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于RGB‑D特征深度融合的抓取位姿检测方法，首先，使用深度相机获取任务场景的RGB彩色图像和深度图像并进行图像预处理。其次，构建端到端的目标检测定位与抓取姿态预测的卷积神经网络，将RGB图像与深度图像以两路输入到构建的卷积神经网络中。接着，将RGB‑D特征进行深度融合，通过基于两步逼近思想的自适应锚框设置方法，获得待抓取物的二维平面抓取位姿表示，进而可以利用机械臂与相机的标定信息将抓取位姿映射到三维空间中实施抓取操作。本发明能够克服现有方法中机械臂抓取效率低下、泛化性能差的问题，实现端到端的目标定位与抓取检测，能够实时、准确地进行目标抓取位姿检测，经实验验证，具有准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112560799B
公开(公告)日：2022-08-05
申请号：CN202110006899.8
申请日：2021-01-05
Applicant: 北京航空航天大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/774 , G06V20/52 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于目标检测和图像处理技术领域，公开了一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用，该检测方法是通过卷积神经网络提取图像特征，并进行特征融合和反卷积，构建预设锚框选区，引入自适应搜索与正和博弈理论进行计算，最终输出检测结果。本发明显著提高运动目标时的视角变化场景中，成像面视角发生随机改变情况下车辆目标检测的精确度。本发明用于对无人机监控拍摄的车辆图像进行目标检测，检测结果精度高、未召回框的数量少。
-
公开(公告)号：CN113947616A
公开(公告)日：2022-01-18
申请号：CN202111116009.5
申请日：2021-09-23
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于层级化感知机的智能目标跟踪及丢失重检方法，首先根据选定跟踪目标的位置和大小，对两种不同搜索区域的图像计算特征图，并采集样本作为两种不同感知机的训练样本。当输入跟踪的第一帧图像时，感知机完成初始化训练，并且初始化目标状态、位置和参考响应值；当输入第二帧及之后帧的图像时，将判断当前帧的图像数据是进入跟踪支路还是重检测支路。当进入跟踪支路时，利用多级感知机构建的具有层级化结构的两个跟踪分支都会计算当前帧的目标位置，输出比较后最优的目标位置并且判断目标状态；当进入重检测支路时，利用多个一级感知机组成的重检测器会在大范围内重检测目标，将最大响应值区域作为重检目标同时判断该目标状态。
-
公开(公告)号：CN113850176A
公开(公告)日：2021-12-28
申请号：CN202111105814.8
申请日：2021-09-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于多模态遥感图像细粒度弱特征的目标涌现检测方法，先对标注过的多模态遥感数据进行预处理及数据划分；然后利用结合了三维卷积模块的深度卷积网络实现对多模态数据的通道优选及高层语义信息提取；利用原始标注信息构建语义引导模块对原始特征图进行类注意力机制的引导，实现对细粒度特征的提取；最后使用单阶段的检测头，在语义引导模块修正后的特征图上进行目标类别与位置信息的预测，通过位置信息解码得到最终结果。该种检测方法通过三维卷积模块实现通道维的优选、语义引导模块实现空间维的特征图修正，针对多模态遥感数据中的弱特征目标的检测效果好且能够满足对多模态遥感图像数据进行实时处理的需求。
-
公开(公告)号：CN112861915A
公开(公告)日：2021-05-28
申请号：CN202110039412.6
申请日：2021-01-13
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于高级语义特征无锚框非合作目标检测方法，主要包括：输入图像、特征提取融合模块、检测头模块、检测结果四个部分。具体检测方法如下：获取目标检测数据集并对输入图像进行预处理获取网络需求的标签信息；设置具有高级语义特征信息的网络模型参数及各种训练参数；对经过特征提取融合模块的多尺度特征层进行阶梯融合，获取具有高级语义信息的检测特征层；将获得的高级语义信息特征层送入检测头，获取目标中心点热图和目标尺度预测图；进行分类和回归操作，计算损失，反向传播，进行网络参数的迭代更新；完成网络训练后，进行实际场景测试。
-
公开(公告)号：CN108171790B
公开(公告)日：2019-02-15
申请号：CN201711422378.0
申请日：2017-12-25
Applicant: 北京航空航天大学
IPC: G06T17/00
Abstract: 本发明涉及一种基于字典学习的目标重建方法，首先，利用已有的稠密点云模型构造点云字典库；其次，构建目标的稀疏点云模型，并借助点云字典库对该稀疏点云模型进行扩张，得到完整稠密的三维模型。在扩张的过程中，以点云面片局部的曲率不变性为依据，构造特征，作为扩张的依据。最后，对上一步扩张得到模型进行表面重建，完成目标重建。本发明能够极大的降低计算时间，且对于图像纹理欠丰富或重复纹理区域目标的重建有很好的表现。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.067 seconds)
