基于可变形卷积网络的流场识别方法

    公开(公告)号:CN111027626B

    公开(公告)日:2023-04-07

    申请号:CN201911263125.2

    申请日:2019-12-11

    Abstract: 本发明公开了一种基于可变形卷积网络的流场识别方法,所述通过已有数据集对预训练网络进行预训练;将预训练网络的全连接层更换成卷积层,通过迁移学习思想,将预训练后获得的权重参数迁移到流场识别模型中;通过所述流场识别模型对图像进行逐像素分类实现流场识别。本发明首先,利用预训练网络对已有数据集进行图像深层特征提取,并不断迭代学习,自动调整网络参数;其次,将预训练网络的全连接层更换成卷积层,并利用迁移学习思想,将预训练得到的权重参数迁移到识别模型中;最后,在网络中引入可变形卷积提取图像特征,并通过密集预测对图像进行逐像素分类,实现流场识别。

    一种用于红外图像超分辨率增强的图像盲退化方法

    公开(公告)号:CN114862690A

    公开(公告)日:2022-08-05

    申请号:CN202210278178.7

    申请日:2022-03-21

    Abstract: 本发明涉及一种用于红外图像超分辨率增强的图像盲退化方法,方法包括:获取红外图像;在1至N之间生成一个随机数R,其中,N为退化方式的总数量;从N种所述退化方式中随机选取R种所述退化方式;对R种所述退化方式进行随机排序;按照随机排序的顺序,依次利用R种所述退化方式对所述红外图像进行处理,得到处理后的红外图像;对步骤5处理后的红外图像添加椒盐噪声,以得到红外退化图像。本发明由于采用多种模糊方式与噪声方式(含椒盐噪声)进行红外图像退化模拟,比现有所采用方法得到的红外图像退化方式更为实际,同时本发明对红外图像退化过程采用重随机排序操作,大幅扩展了红外图像的退化空间,弥补了现有方法退化单一的不足。

    一种激光雷达点云体素化方法及装置

    公开(公告)号:CN114779209A

    公开(公告)日:2022-07-22

    申请号:CN202210311588.7

    申请日:2022-03-28

    Abstract: 本发明公开了一种激光雷达点云体素化方法,包括:步骤1:获取原始点云数据并将其划分为若干体素;步骤2:设置降采样阈值和动态增量;步骤3:对于任一体素,若判断该体素内点的个数超过所述降采样阈值,则根据所述动态增量确定该体素最后的保留点数,并根据所述保留点数对该体素进行降采样处理;否则,保留当前体素内的所有点,不对其进行降采样处理;步骤4:重复步骤3,直至完成所有体素的处理,得到体素化后的点云。本发明提供的激光雷达点云体素化方法使得在原始点云分布极不均匀的情况下,尽可能的保留原始信息,从而取得更好体素化的效果。

    多层深度特征融合的自适应抗遮挡红外目标跟踪方法

    公开(公告)号:CN108665481B

    公开(公告)日:2022-05-31

    申请号:CN201810259132.4

    申请日:2018-03-27

    Abstract: 本发明公开了一种多层深度特征融合的自适应抗遮挡红外目标跟踪方法,首先,获得一系列相同尺寸不同层级的多层深度特征图;然后,根据相关滤波将所述多层深度特征图从时域转换到频域,并且根据快速傅里叶变换进行滤波器训练和响应图计算,再根据层内特征加权融合对多层深度特征图进行合并降维处理,构建出不同层级的特征响应图并且求出最大相关响应值即为目标估计位置;最后,对目标稠密特征进行提取,根据相关滤波获得特征最大响应值,获得通过深度卷积特征所估计的目标中心位置的响应置信度;当所述目标中心位置的响应置信度小于重检测阈值T0时,通过在线目标重检测对获得的目标估计位置进行评估并且根据评估结果对目标的位置进行自适应更新。

    基于波长转换的长波红外多光谱成像方法及装置

    公开(公告)号:CN111157114A

    公开(公告)日:2020-05-15

    申请号:CN201911361649.5

    申请日:2019-12-26

    Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置,将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像;再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像;通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像;通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像;通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建,获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分,基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性,得到更高分辨率和信噪比的光谱图像。

    基于非负矩阵分解的异常检测方法及其装置

    公开(公告)号:CN104778706B

    公开(公告)日:2018-10-30

    申请号:CN201510191275.2

    申请日:2015-04-21

    Abstract: 本发明公开了一种基于非负矩阵分解的异常检测方法,对读取的高光谱图像进行预处理获得剔除噪声的高光谱图像,将所述获得的剔除噪声的高光谱图像进行向量转换获得二维初始化矩阵V,再对二维初始化矩阵V进行线性分解生成随机初始化基矩阵W和系数矩阵H,根据非负矩阵分解的乘性迭代法则对随机初始化基矩阵W和系数矩阵H进行迭代获得含有若干个波段的高光谱图像,最后根据局部的自适应的核密度估计算子对所述含有若干个波段的高光谱图像中含有异常信息最多的一个波段的高光谱图像进行处理,获得检测出异常目标的图像;本发明还公开了一种基于非负矩阵分解的异常检测装置,通过本发明能够消除大量的冗余波段和噪声信息,从而有效地提高了异常检测的效率。

    傅里叶域内逆向感知的单帧红外非均匀性检测方法

    公开(公告)号:CN108665422A

    公开(公告)日:2018-10-16

    申请号:CN201710766350.2

    申请日:2017-08-30

    Abstract: 本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法,将原始单帧红外图像分解为若干个加权非重叠图像子块,并对其进行傅里叶-对数变换,获得每个加权非重叠图像子块相应对数域下的傅里叶能谱;从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱;根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数,再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射;根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波,并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性,利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测,以达到对单帧红外图像像质提升效果。

    基于字典学习、旋转引导滤波的多聚焦图像融合方法及装置

    公开(公告)号:CN106447640A

    公开(公告)日:2017-02-22

    申请号:CN201610738233.0

    申请日:2016-08-26

    Abstract: 本发明公开了一种基于字典学习、旋转引导滤波的多聚焦图像融合方法,首先通过对若干幅经典多聚焦图像进行旋转引导滤波处理获得每幅图像的滤波图像,对所述若干幅滤波图像进行字典学习获得图像的散焦字典,输入的多幅配准的多聚焦图像并将所述的散焦字典作用于输入图像并进行处理获得每幅输入多聚焦图像的聚焦特征图对所述获得的每幅输入图像对应的聚焦特征图进行处理获得融合权重图,最后,根据所述获得的融合权重图获得融合图像;还公开了一种基于字典学习、旋转引导滤波的多聚焦图像融合装置,通过本发明有效地提升了图像的清晰度、解决了因输入图像未完全配准引起的块效应和人工噪声问题,得到了融合效果更好的图像。

Patent Agency Ranking