-
公开(公告)号：CN102663724B
公开(公告)日：2014-08-06
申请号：CN201210054253.8
申请日：2012-03-03
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于自适应Treelet构造差异图的遥感图像变化检测方法，它属于图像处理技术领域，主要解决现有技术中变化检测精度不足的问题。其实现过程是：对输入的两幅不同时相遥感图像进行块处理，即计算第二幅图像搜索窗内的图像块与第一幅图像的中心图像块的差值，得到样本矩阵；利用Treelet算法对样本矩阵进行聚类，得到自适应差异图；计算差值差异图和自适应差异图的Otsu阈值，利用该阈值融合差值差异图和自适应差异图得到最终差异图，对最终差异图进行Otsu阈值分割，得到变化检测结果。本发明能够有效地提高变化检测精度，保持图像的边缘信息，可用于灾情监测和土地利用。
-
公开(公告)号：CN102629378B
公开(公告)日：2014-08-06
申请号：CN201210051379.X
申请日：2012-03-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多特征融合的遥感图像变化检测方法，主要解决现有变化检测方法漏检较多及变化检测整体精度不高的问题。其实现过程是：首先输入两时相遥感图像差值得到灰度差异图，计算灰度差异图的方差并设定阈值以决定是否对两时相图进行形态学预处理；接着计算邻域差分图和Gabor纹理特征差异图，使用Treelet算法融合三组差异图，对融合后的差异图像进行最大熵分割得到初始检测结果；最后通过面积阈值法去除部分孤立伪变化信息得到最终的检测结果图。实验表明，本发明能够较好的保持变化区域的边缘特征，在降低漏检率的同时有效抑制噪声的干扰，可用于环境保护、城市规划建设、自然灾害检测领域。
-
公开(公告)号：CN102622731B
公开(公告)日：2014-07-23
申请号：CN201210061837.8
申请日：2012-03-11
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，主要解决现有去噪方法去噪效果不佳的问题。其实现步骤是：(1)对含噪图像TI进行轮廓波分解；(2)分别对分解出的各个高频子带进行二维Otsu分割，得到重要系数和非重要系数；(3)分别计算高频子带的椭圆窗口，根据椭圆窗口估计高频子带的信号方差，对重要系数和非重要系数分别进行维纳滤波；(4)对去噪后的高频子带进行轮廓波逆变换，得到去噪图像FI；(5)对FI进行非局部均值滤波，得到去噪输出。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于变化检测，目标识别时对图像的预处理。
-
公开(公告)号：CN103810723A
公开(公告)日：2014-05-21
申请号：CN201410068665.6
申请日：2014-02-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于帧间约束超像素编码的目标跟踪方法，主要解决当目标发生遮挡、快速运动、外观形变而导致跟踪失败的跟踪问题。本发明实现的步骤如下：（1）预处理第一帧图像；（2）构建初始字典；（3）样本编码；（4）训练分类器；（5）当前帧检测样本编码；（6）预测目标框位置；（7）更新字典；（8）精确样本编码；（9）升级分类器；（10）判断是否为最后一帧图像，若是，则结束，否则，返回步骤（5）处理下一帧图像。本发明采用超像素分割和约束编码的方法，降低了图像处理后续任务的复杂度，确保了图像空间信息一致性原则，保留了图像局部边界信息和纹理信息的一致性，能够稳定准确地跟踪目标。
-
公开(公告)号：CN103473755A
公开(公告)日：2013-12-25
申请号：CN201310404907.X
申请日：2013-09-07
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于变化检测的SAR图像稀疏去噪方法，其实现步骤为：（1）输入图像；（2）得到变化区域图像；（3）设定变化类；（4）得到两分类二值图；（5）得到两区域图像；（6）不变化区域去噪；（7）估计噪声标准差；（8）获得合成图；（9）稀疏字典去噪；（10）输出结果。本发明是针对SAR图像变化检测的去噪预处理，具有对变化区域一致性保持较好，能很好的抑制不变化区域的噪声，同时保留SAR图像特别是对后期变化检测影响较大的变化区域的纹理、轮廓、边缘细节信息，消除图像去噪后产生的划痕，减少因噪声抑制产生的伪信息，提高变化检测的精度的优点。
-
Patent Agency Ranking
公开(公告)号：CN102496143B
公开(公告)日：2013-06-26
申请号：CN201110358675.X
申请日：2011-11-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于chelesky分解和近似奇异值分解的稀疏K-SVD噪声抑制方法，主要解决K-SVD中存在的效率低和“超出内存”问题。其实现过程是：输入含噪图像，对此图像进行重叠块提取，得到重叠块集合；对重叠块集合进行随机抽样，得到训练样本；对训练样本进行基于chelesky分解和近似奇异值分解的稀疏K-SVD字典训练，得到最终的稀疏字典；根据最终的稀疏字典得到最终的训练字典；在最终的训练字典下对重叠块集合进行基于chelesky分解的OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到去噪后图像。本发明能够有效的提高执行效率和解决“超出内存”问题，可用于数字图像处理等领域。
-
公开(公告)号：CN102360500B
公开(公告)日：2013-06-12
申请号：CN201110192151.8
申请日：2011-07-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Treelet曲波域去噪的遥感图像变化检测方法，其实现步骤为：(1)读入数据；(2)中值滤波；(3)构造对数差异图像；(4)构造绝对值差异图像；(5)快速离散曲波分解；(6)曲波变换系数分类；(7)Fine尺度层置零；(8)Detail尺度层去噪；(9)曲波逆变换；(10)计算变化比例阈值；(11)分类；(12)获得变化检测结果图。本发明对噪声具有较好的鲁棒性，能够较好的保持变化区域的边缘信息，减少伪变化信息，具有较高的检测精度，可用于灾情监测、森林覆盖率评估、城市规划等领域。
-
公开(公告)号：CN103077505A
公开(公告)日：2013-05-01
申请号：CN201310030035.5
申请日：2013-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习和结构聚类的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本；（2）对训练样本进行结构聚类；（3）利用OMP和K-SVD的方法训练得到各类的字典；（4）求出输入的低分辨率图像块的稀疏表示系数；（5）利用高分辨率字典和稀疏系数重建高分辨率图像块；（6）对高分辨率图像块加权求和，得到加权求和后的高分辨率图像块；（7）根据高分辨率图像块，得到高分辨率图像；（8）通过误差补偿，对高分辨率图像进行高频信息增强，得到最终的结果。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
公开(公告)号：CN102298774B
公开(公告)日：2013-02-27
申请号：CN201110282126.9
申请日：2011-09-21
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于联合相似性的非局部均值去噪方法，它属于图像处理技术领域，主要克服现有自然图像非局部均值去噪中权值计算不准确的问题。其实现过程是：(1)对输入的含噪自然图像中所有像素点设定搜寻区域，对搜寻区域内点进行均值和方差预选取得到相似集合；(2)计算相似集合内所有点与当前点之间距离，并利用本发明设计的权值公式计算权值；(3)根据计算出的相似集合内所有像素点的权值，对相似集合内所有像素点及对应的像素块进行加权平均，得到像素点修正后图像像素点及像素块的灰度值。本发明在总体性能上优于其它的去噪方法，能够更好地平滑噪声的同时保持自然图像的边缘和纹理等细节，可用于对自然图像的去噪处理。
-
公开(公告)号：CN102289807B
公开(公告)日：2013-01-23
申请号：CN201110191629.5
申请日：2011-07-08
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于Treelet变换和特征融合的遥感图像变化检测方法，其实现步骤为：(1)读入数据；(2)中值滤波；(3)构造差异图像；(4)分类；(5)判断差异图像的标准差是否小于先验阈值；(6)自适应空间信息填充；(7)Treelet模糊融合；(8)构造模糊差异图像；(9)K-means分类；(10)数学形态学后处理；(11)特征与运算。本发明既可以较好的保持变化区域的边缘信息，又可以较好的兼顾变化检测结果中的漏检信息和虚警信息，具有较好的实时性和较高的检测精度，可应用于环境变化中的湖泊水位动态监测、农作物生长状态的动态监测、军事侦察等领域。
-
-
-
-
-
-
-
-
-
Search Results
322
records
(took 0.027 seconds)
