-
公开(公告)号：CN108986130B
公开(公告)日：2022-06-10
申请号：CN201810768557.8
申请日：2018-07-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种空中背景下的红外弱小目标检测方法。本发明针对红外图像，首先利用多方向高提升滤波器对目标区进行提升；再在特定方向上计算多尺度局部差分图，抑制云杂波干扰同时提升算法的鲁棒性；然后根据特定方向的多尺度局部差分图计算该方向的局部对比图；再利用所有方向的局部对比图在对应像素上取最小值得到HB‑MLCMD响应图；最后Otsu算法阈值分割输出最终的检测结果。该方法考虑到了多个方向上的云层杂波干扰，因此有着性能良好的抑制云杂波效果，有效降低弱小目标检测的虚警率，提高算法鲁棒性。并且该方法支持并行运算，有较高的实时性。
-
公开(公告)号：CN109410204B
公开(公告)日：2022-04-15
申请号：CN201811292102.X
申请日：2018-10-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于CAM的皮质白内障图像处理及增强方法，涉及机器视觉及医学影像计算机辅助诊断领域，包括以下步骤：1.利用皮质白内障图像样本数据集训练出最优网络模型，通过最优网络模型提取待处理皮质白内障图像的图像特征；2.输入待处理皮质白内障图像，并根据最优网络模型和图像特征获取皮质白内障图像样本数据集的类激活图，得到特征区域图像；3.基于类激活图，生成作为蒙版使用的监督裁剪盒SCB，并根据蒙版裁剪用于图像处理的增强图像。本方法可以预测白内障图像中最能代表其特征的区域，有利于辅助医生判断特征区域位置。基于蒙版对图像进行裁剪，可以在保留原始图像关键信息的前提下扩充后续图像处理的数据，提高了样本数据的利用率。
-
公开(公告)号：CN111325213B
公开(公告)日：2022-03-15
申请号：CN202010104242.0
申请日：2020-02-20
Applicant: 电子科技大学
IPC: G06V30/148 , G06V10/28 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种移动靶标的数字字符检测方法，涉及小目标检测及机器视觉领域。其主要方案包括步骤1：第一帧根据已有的移动靶标模板获取初始帧移动靶标位置及尺度信息；步骤2：提取31维融合梯度直方图FHOG特征作为特征来预测后续帧中移动靶标位置及尺度；步骤3：对每一帧截取出移动靶标所在区域，采用基于结构相似性(SSIM)的尺度池遍历的方式检测目标数字字符的位置及大小，并循环至最后一帧进行检测。本发明通过将SSIM算法与尺度池方法结合，充分利用目标数字字符周围一定区域内(即运动块中)背景不易变化的条件，对光照变化、尺度变化、背景干扰等复杂情况下移动靶标中数字字符的检测有较好的精度与鲁棒性。
-
公开(公告)号：CN109886193B
公开(公告)日：2020-11-20
申请号：CN201910129005.7
申请日：2019-02-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种卷云检测方法，包括以下步骤：输入遥感图像，并获取遥感图像的原色通道灰度图；获取原色通道灰度图的分形维数特征图；基于分形维数特征图和原色通道灰度图获取权值灰度图；对原色通道灰度图的像素点进行聚类计算，获取像素点的聚类结果，基于聚类结果确定原色通道灰度图每一像素点的预分配标签；基于原色通道灰度图、权值灰度图和预分配标签建立图割模型；对图割模型进行最小割计算，输出遥感图像的检测结果。本发明还同时公开了一种卷云检测设备及计算机可读存储介质。
-
公开(公告)号：CN106845448B
公开(公告)日：2020-04-24
申请号：CN201710093303.6
申请日：2017-02-21
Applicant: 电子科技大学
Abstract: 一种基于非负约束2D变分模态分解的红外弱小目标检测方法，解决现有技术中红外弱小目标所在的频带难以被准确估计、检测结果易受噪声及背景杂波干扰以及检测效率低的问题，属于红外弱小目标检测技术领域。本发明包括获得红外图像，采用带通滤波器进行红外图像预处理，通过将二维变分模态分解方法结合非负约束，构建目标函数，再将预处理结果输入目标函数，并根据目标函数求解输出分解结果，结果为K个非负窄带子信号。提取上述结果中对应于红外弱小目标的某个窄带子信号，得到目标子信号；将提取的目标子信号进行自适应阈值分割，确定红外弱小目标的位置及大小，并输出检测结果。用于红外弱小目标检测。
-
Patent Agency Ranking
公开(公告)号：CN110503613A
公开(公告)日：2019-11-26
申请号：CN201910742902.5
申请日：2019-08-13
Applicant: 电子科技大学
Abstract: 本发明属于图像去雨技术领域，提供一种基于级联空洞卷积神经网络的面向单幅图像去雨方法，用于解决雨天下所拍摄的单张图像的复原问题。本发明首先对雨水进行建模，将有雨图像分为雨水区域层、雨水层、背景层；通过级联多路空洞率不同的卷积神经网络对输入图像提取出雨水区域层图像，经卷积得到雨水层图像，再经卷积与输入图像求和得到去雨的背景层图像。级联空洞卷积神经网络有效提取了图像不同尺度的细节，网络采用残差网络结构增加网络深度，避免过拟合问题；在公开数据集上进行了测评实验，实验表明本发明相比单幅图像去雨经典方法在峰值信噪比(PSNR)上能够提升2～8，在图像结构相似度(SSIM)上能够提升0.04～0.22。
-
公开(公告)号：CN110322441A
公开(公告)日：2019-10-11
申请号：CN201910612772.3
申请日：2019-07-09
Applicant: 电子科技大学
Abstract: 本发明涉及路面表观裂痕的视觉检测方法，包括：A.输入待检测的含有裂痕的路面图像I(x,y)；B.对路面图像I(x,y)中每个像素周围的4个方向通过扩散滤波算法进行滤波，得到平滑图像；C.通过Kuwahara滤波算法，对所述平滑图像进行滤波处理，得到低噪声图像；D.通过Jerman滤波算法增强低噪声图像中的裂痕区域，得到增强图像；E.对增强图像通过双阈值分割算法，得到分割后的二值图像；F.利用形态学属性对二值图像中的图像块根据预先确定的固定阈值进行筛选，得到筛选后的检测结果。本发明能够明显提高公路表面裂痕检测方法的鲁棒性和检测的准确率，大幅度降低了误检率。
-
公开(公告)号：CN110208278A
公开(公告)日：2019-09-06
申请号：CN201910614869.8
申请日：2019-07-09
Applicant: 电子科技大学
IPC: G01N21/88
Abstract: 本发明涉及路面表观裂痕视觉测量系统，具有通过数据线与数据采集装置连接存储单元，存储单元的信号输出端与用于计算采集到的图像与实物尺寸之间比例关系的数据标定单元连接，数据标定单元将标定好的数据输出到用于对所述图像中路面裂痕进行标识的数据分析单元中，并且数据分析单元与所述的存储单元双向信号连接。本发明避免了传统人工检测时检测人员容易疲劳和受操作经验等主观因素影响较大的缺点，大幅度降低了操作人员的劳动强度，明显提高了操作的效率。并且相较于现有的车载路面裂痕测量系统本发明还能够适应更多的场景，同时便于现场架设，适应性得到了明显加强。
-
公开(公告)号：CN110189277A
公开(公告)日：2019-08-30
申请号：CN201910486059.9
申请日：2019-06-05
Applicant: 电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于经验模态分解的高动态范围图像可视化方法，涉及动态范围图像可视化方法领域；其包括步骤1：将原始高动态范围图像由RGB空间转换到HSV空间，提取亮度通道V通道作为灰度图像I(x,y)；步骤2：对灰度图像I(x,y)进行经验模态多尺度分解，得到分解结果；步骤3：根据分解结果和灰度图像I(x,y)计算局部对比度得到反射分量R(x,y)后，计算照度分量L(x,y)；步骤4：对照度分量L(x,y)进行重映射得到新的照度分量L'(x,y)，根据反射分量R(x,y)和新的照度分量L'(x,y)进行图像重构，得到色调映射后的图像；本发明解决现有方法强边缘处容易产生光晕和高亮区域出现过饱和现象的问题，达到了保留完整边界的同时滤掉纹理信息、消除光晕和过饱和现象的效果。
-
公开(公告)号：CN109410204A
公开(公告)日：2019-03-01
申请号：CN201811292102.X
申请日：2018-10-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于CAM的皮质白内障图像处理及增强方法，涉及机器视觉及医学影像计算机辅助诊断领域，包括以下步骤：1.利用皮质白内障图像样本数据集训练出最优网络模型，通过最优网络模型提取待处理皮质白内障图像的图像特征；2.输入待处理皮质白内障图像，并根据最优网络模型和图像特征获取皮质白内障图像样本数据集的类激活图，得到特征区域图像；3.基于类激活图，生成作为蒙版使用的监督裁剪盒SCB，并根据蒙版裁剪用于图像处理的增强图像。本方法可以预测白内障图像中最能代表其特征的区域，有利于辅助医生判断特征区域位置。基于蒙版对图像进行裁剪，可以在保留原始图像关键信息的前提下扩充后续图像处理的数据，提高了样本数据的利用率。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.035 seconds)
