-
公开(公告)号：CN114926644A
公开(公告)日：2022-08-19
申请号：CN202210576661.3
申请日：2022-05-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多帧移位累加的低信噪比小目标检测方法，对输入的多帧图像序列，根据不同的假设速度进行移位累加，获得多个拖尾目标图像；通过模板匹配提取出图像中的拖尾目标，得到拖尾目标的长度与角度信息；由提取出的拖尾目标的长度与角度信息进行反推得到目标的真实运动速度；根据目标的真实运动速度对原始低信噪比序列进行多帧移位对齐累加，提高图像的信噪比，从原始的低信噪比图像中提取出能量增强后的目标；通过航迹关联抑制移位对齐累加后的图像序列中的虚警。本发明不仅适用于静止目标，还适用于运动的目标，大大增加了不同场景的适用性；同时在低信噪比场景下探测率高，能够有效抑制目标检测中可能出现的虚警问题。
-
公开(公告)号：CN114821347A
公开(公告)日：2022-07-29
申请号：CN202110084548.9
申请日：2021-01-21
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
Abstract: 本发明公开了一种基于深度特征融合的遥感飞机目标识别方法。该方法为：获取遥感飞机图片，利用标注软件对飞机目标进行标注，构建VOC格式数据集；初始化SSD网络参数；分批次将图片送入SSD网络，提取7种不同尺寸的特征图；设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图进行融合；针对包括融合后特征图在内的各不同尺寸的特征图，生成不同尺寸的先验框，并调整先验框相对于输入图片的尺寸；计算先验框与真实框之间的匹配系数并划分正负样本，计算loss值并优化网络；将下一批次图片送入SSD网络，循环迭代得到SSD网络模型，完成遥感飞机目标识别。本发明适用于小目标识别，提高了遥感飞机目标识别的精度。
-
公开(公告)号：CN107292910B
公开(公告)日：2020-08-11
申请号：CN201610225318.9
申请日：2016-04-12
Applicant: 南京理工大学 , 西安西光创威光电有限公司
IPC: G06T7/246
Abstract: 本发明提出一种基于像素建模的移动相机下运动目标检测方法。对移动相机获取的视频图像序列进行归一化处；对图像进行归一化处理可以消除光照因素的影响；提取图像序列每帧图像的特征点，使用相邻两帧图像的特征点对应关系获取后一帧图像对应于前一帧图像的变换矩阵，使用变换矩阵更新前一帧图像的像素模型获取后一帧图像的像素模型，其中，图像序列第一帧图像的像素模型通过初始化获得；根据特征点和像素模型，计算获得检测目标所需的决策阈值和决策阈值最小数目；根据决策阈值和决策阈值最小数目判断图像中的像素点是属于背景像素还是属于运动目标像素，从而检测出图像中的目标。本发明检测结果不会出现孔洞现象，能够及时消除鬼影现象。
-
公开(公告)号：CN111145133A
公开(公告)日：2020-05-12
申请号：CN201911237110.9
申请日：2019-12-05
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
Abstract: 本发明提出了一种基于ZYNQ的红外和可见光同光轴图像融合系统及方法，该系统包括ZYNQ处理器、DDR3内存、HDMI显示器、同光轴的可见光传感器和红外传感器，所述ZYNQ处理器包括处理器系统和FPGA，所述处理器系统包括ARM处理器和DDR3控制器，所述FPGA包括视频采集IP核模块和视频处理IP核模块。本发明通过采用不同的参考图像及映射方法，实现了彩色融合、灰度融合双融合模式，可根据不同实际情况采用不同的融合模式。
-
公开(公告)号：CN108921872A
公开(公告)日：2018-11-30
申请号：CN201810463293.5
申请日：2018-05-15
Applicant: 南京理工大学
Abstract: 本发明公开了一种适用于长程跟踪的鲁棒性视觉目标跟踪方法，首先根据视频序列的初始帧图像与目标在初始帧中的位置信息提取正负样本，对样本图像块作特征提取得到低维特征向量，使用线性支持向量机技术初始化目标外观模型；然后对得到的支持向量机模型进行逻辑斯蒂回归，对目标外观模型在粒子滤波框架下估计目标位置；随后，将中值流跟踪算法与当前的粒子滤波算法结合协同跟踪，在跟踪过程中采用增量减量技术在线更新外观模型，将原始的外观模型与新样本结合在线更新外观模型，直到最后一帧结束更新，从而实现了鲁棒性的视觉目标跟踪。本发明实现了机制迥异的两路跟踪方法的并行互补，解决了跟踪进程中不断产生新信息而造成空间冗余的问题。
-
Patent Agency Ranking
公开(公告)号：CN107403433A
公开(公告)日：2017-11-28
申请号：CN201610340443.4
申请日：2016-05-20
Applicant: 南京理工大学
CPC classification number: G06T2207/30181
Abstract: 本发明提出一种复杂云背景下红外小目标检测方法，包括图像预处理、二次显著性区域检测和疑似目标分割、帧间虚警抑制三部分；具体为：对单帧图像先进行二维中值滤波，然后进行高通模板滤波；用频域残差法对单帧图像进行处理完成一次显著性区域检测，然后进行傅里叶变换和傅里叶逆变换完成二次显著性区域检测，最后用滑动窗口遍历单帧图像进行目标与背景的二值化分割，获得疑似目标；对图像序列进行间隔采样，对不同帧图像检测出的疑似目标进行帧间关联，使用最小欧氏距离法排除虚；然后用质心法提取图像中目标的单个像素点，从而在图像中标示红外小目标。本发明方法能够将复杂云背景下的红外小目标较为准确地检测出来。
-
公开(公告)号：CN105574855A
公开(公告)日：2016-05-11
申请号：CN201510917030.3
申请日：2015-12-10
Applicant: 南京理工大学
CPC classification number: G06T5/002 , G06T5/10 , G06T2207/10048
Abstract: 本发明公开了一种云背景下基于模板滤波和虚警抑制的红外小目标检测方法，首先对图像进行最大中值滤波去除显著的噪声完成图像预处理，其次用罗宾逊模板滤波抑制背景、突出目标，然后对原图进行云区划分，在云区部分对罗宾逊滤波后的结果采用低阈值进行二值化处理，而非云区部分则采用高阈值处理，最后对二值化后的结果进一步剔除同一目标产生的多个“伪目标点”，从而完成“粗检测”；对于已进行空域处理的相邻帧图像继续采取时域操作处理，完成“精检测”，从而实现红外小目标的检测。本发明在帧间航迹关联中加入恒虚警抑制算法，大大降低了检测虚警率。
-
公开(公告)号：CN105513076A
公开(公告)日：2016-04-20
申请号：CN201510917051.5
申请日：2015-12-10
Applicant: 南京理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10048
Abstract: 本发明公开了一种基于目标坐标分布特性的弱小目标恒虚警检测方法，在对目标进行阈值分割得到离散点的基础上，首先对离散点的目标分布特性来自适应的划分恒虚警统计子区域来进行阈值检测，然后对每个被分割子区域进行目标数目统计得到整幅图像的虚警概率，最后在设定的恒虚警值的基础上，通过阈值迭代公式得到下一帧的子区域分割阈值，最终达到控制虚警率的目的。本发明极大地降低了算法的计算复杂度，满足实时性的要求，易于后续的硬件化操作；虚警率可控，探测率较高，对弱小目标的检测精度较高。
-
公开(公告)号：CN119205532A
公开(公告)日：2024-12-27
申请号：CN202411250178.1
申请日：2024-09-06
Applicant: 南京理工大学
IPC: G06T5/60 , G06T5/90 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于消色差先验引导的无监督颜色恒常方法，涉及图像处理领域，包括：设计U型编解码颜色恒常网络模型，将网络公开大型无光源标签数据集作为训练集，输入网络模型进行训练；设计空间注意力机制，加入模型进一步提升性能；设计无监督训练方法，训练过程不依赖场景中光源实际颜色的知识，训练网络检测彩色图像转换成灰度或者梯度后的消色差像素，并根据损失函数梯度调整网络参数，直到最大迭代次数，输出网络模型；将带有真实光源标签的测试集图像输入训练好的网络模型，输出颜色校正的图像。经本发明改进后的网络模型在图像光源估计与真值的误差、图像的视觉效果和设备的兼容性得到了明显提升。
-
公开(公告)号：CN113673392B
公开(公告)日：2024-09-06
申请号：CN202110909898.4
申请日：2021-08-09
Applicant: 南京理工大学 , 上海航天控制技术研究所
IPC: G06V40/20 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/74 , G06V10/75 , G06T7/13 , G06T7/194 , G06T7/246
Abstract: 本发明公开本发明的目的在于提供一种基于时空聚类的动目标检测方法，能够兼顾计算速度和检测稳定性，从图像序列中快速区分动态目标和静态目标，并对动态目标进行跟踪以确定目标在图像中的位置。本发明的动目标检测方法，包括如下步骤：(10)图像特征点提取：在初始帧对目标进行角点检测，提取图像特征点；(20)特征点航迹关联：对提取到的图像特征点进行跟踪检测，并用航迹进行关联；(30)航迹位移量聚类：根据背景运动与目标运动在图像坐标中位移的不同，通过聚类切割出运动特征点和背景特征点；(40)运动特征点空间聚类：根据不同目标在图像中的空间差异，将同一目标上的特征点航迹进行组合，不同目标上的特征点航迹进行区分，同时记录每个运动目标的航迹状态。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
