-
公开(公告)号：CN103093448A
公开(公告)日：2013-05-08
申请号：CN201310025721.3
申请日：2013-01-24
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明涉及图像融合技术，具体为双色中波红外图像变换域多规则融合方法。解决现有的双色中波红外图象融合方法因采用单一融合规则不能适应探测动态变化的需要和不能直接在双色中波成像仪中实现的问题。把红外中波分为3.4~4.1μm、4.5~5.3μm两个波段，然后按如下步骤进行：对两个细分波段图像分别进行支持度变换，得到低频图像和支持度序列图像；对最后一层低频图像用单一规则合成、在对合成图像用模糊隶属函数融合；对支持度序列图像先用单一规则合成在用模糊隶属函数合成图像再次合成；对合成的低频图像和合成的支持度图像采用支持度变换法进行融合。该方法在FPGA和DSP芯片或单一的FPGA芯片上实现，芯片可容易地嵌入双色中波成像仪中。
-
公开(公告)号：CN115097414A
公开(公告)日：2022-09-23
申请号：CN202210701717.3
申请日：2022-06-20
Applicant: 中北大学
Abstract: 本发明涉及鬼成像探测数据的优化，具体为基于参考光路总强度排序的鬼成像优化方法，其利用散斑图案的统计特性和总强度，根据散斑图案总强度对原始散斑序列进行排序。通过筛选器将新的散斑序列划分为子集，以进一步分析散斑数据各部分的有效特性。数值仿真结果表明:总采样次数为3000次、划分比例为2:1:2时，所提方法与桶探测器值排序方法相比，对比度/均方误差均有所提升，验证了0.85采样率筛选散斑的有效性性。同时，对于“知”目标图像，相同比例下本文方法在对比度和均方误差方面相较传统排序方法均有所提升。因此，本所提方法可推广于目前所有的关联算法。并且还提出了一种联合筛选方法，为今后进一步研究奠定了基础。
-
公开(公告)号：CN110084771B
公开(公告)日：2022-07-05
申请号：CN201910178779.9
申请日：2019-03-11
Applicant: 中北大学
Abstract: 本发明一种基于集值映射的双模态红外图像分块多算法优化融合方法，该方法根据双模态红外图像的图像特点和成像机理构建用于描述两类图像互补信息的差异特征集；其次，对待融合图像进行几何分块并根据差异特征集的元素提取各块的差异特征，经归一化后利用条件取大规则确定各块的显著差异特征；而后，选取性能优越的融合算法构建融合算法集，通过构建更通用的融合有效度公式和更合理数理统计的方法建立起差异特征与融合算法间的映射关系；进一步利用建立的映射为各块配置最佳融合算法并进行分块融合；最终，将各融合图块进行拼接处理形成一幅完整的融合图像。本发明提高了差异特征驱动融合的针对性，克服了基于先验知识选择算法的不可预见性局限。
-
公开(公告)号：CN113850823A
公开(公告)日：2021-12-28
申请号：CN202111105035.8
申请日：2021-09-18
Applicant: 中北大学
Abstract: 本发明公开了一种基于不同特征自动分割的树木提取方法。通过数据预处理从原始点云数据中删除高离群点和低离群点；将预处理后的点云数据以栅格格式逐点内插建立DSM，调整其分辨率大小，使其与航空正射影像一致；将航空正射影像数据反射光谱的归一化差异植被指数（NDVI）和激光雷达DSM数据的局部熵值结合在一起，作为树木提取特征；利用光照区域、阴影区域分离和直方图减法思想对树木区域进行提取，形成一种无需样本训练和迭代的高效树木提取算法。可应用于森林树种分类及生长状态监测，地物类别检测和三维城市建模等领域。
-
公开(公告)号：CN106846289B
公开(公告)日：2019-08-23
申请号：CN201710034250.0
申请日：2017-01-17
Applicant: 中北大学
Abstract: 本发明公开了一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法。首先对源图像进行非下采样轮廓波变换（NSCT）的多尺度分解；其次，对分解所得低频分量进行显著性检测，并以显著性图像百分位数进行活动阈值分割，确定显著区；然后，将偏振特有低频显著区迁移到低频融合图像中，其余低频部分作为背景区以取大规则保留强度信息；高频分量利用相位一致性及其阈值分为边缘轮廓类和纹理细节类，并分别利用相位一致性和局部标准差对相应两类细节融合；最后，通过NSCT逆变换重构出最终融合图像。本发明能够将源图像显著亮暗特征和较多的细节信息有效地融合到一幅图像中，主要用于（但不限于）红外光强和偏振图像的融合。
-
Patent Agency Ranking
公开(公告)号：CN107633495A
公开(公告)日：2018-01-26
申请号：CN201710653448.7
申请日：2017-08-02
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明属于红外图像融合领域，具体为一种基于互补关系的红外偏振与光强图像多算法2D-VMD内嵌式融合方法。首先，采用灰度均值和局部标准差提取融合图像与红外偏振图像差值图和红外光强图像亮度和轮廓特征，采用Canny算子和能量拉普拉斯算子提取融合图像与红外光强图像差值图和红外偏振图像边缘和细节特征；其次，构建基于特征相似性的算法融合性能评价指标；接着，根据不同算法融合性能评价指标值，确定算法间互补关系；然后，根据红外偏振与光强图像特征，确定MSGT和NSST间内嵌顺序，获得高频特征融合图像；最后采用2D-VMD实现低频特征融合图像和高频特征融合图像最终结合，获得最终融合图像。本发明用于但不限于红外图像融合领域。
-
公开(公告)号：CN106846288A
公开(公告)日：2017-06-13
申请号：CN201710034248.3
申请日：2017-01-17
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明公开了一种双模态红外图像差异特征指数测度的多算法融合方法，首先选择红外偏振与光强图像间差异特征类型，主要为亮度、细节、边缘和轮廓等；根据差异特征类型，选择局部能量取大、非下采样剪切波和多尺度引导滤波分别对源图像进行融合；分别计算两类图像的局部均值、局部拉普拉斯能量和局部标准差；利用两类图像的局部均值、局部能量拉普拉斯和局部标准差，计算各差异特征指数测度；构建差异特征指数测度协方差矩阵，计算协方差矩阵的特征值和特征向量，选择最大特征值对应的特征向量作为各算法权重，实现多算法融合同时保留红外偏振与光强图像的高亮度、多细节、清晰度高的边缘和轮廓特征的融合，显著提高多算法融合的融合效果。
-
公开(公告)号：CN103530525B
公开(公告)日：2016-07-20
申请号：CN201310511127.5
申请日：2013-10-26
Applicant: 中北大学
IPC: G06F19/00
Abstract: 本发明涉及一种提高尾矿坝基于库水位的风险评估精准性的方法。该方法具体包括：1.对坝体的库水位和风险状态信息进行实时采集和预处理；2.建立库水位和坝体风险状态信息间可能存在的复杂多变性函数关系；3.利用基于相似性测度的加权融合方法对多个函数关系进行融合处理；4.对融合函数进行凸化处理，利用可能性均值和方差获得坝体的风险状态值区间，对坝体进行风险评估，并发布危险等级。本发明的提高尾矿坝风险评估精准性的方法，具有精准性高、工程应用前景广以及便于在系统模块上实现的优点。
-
公开(公告)号：CN103530853B
公开(公告)日：2016-05-18
申请号：CN201310486819.9
申请日：2013-10-17
Applicant: 中北大学
Abstract: 本发明涉及图像融合技术，具体为红外光强图像和红外偏振图像增强融合方法，解决现有红外融合图像固有的边缘区域失真、对比度低的问题。本方法按如下步骤进行：对红外光强图像和红外偏振图像分别进行支持度变换，得到低频图像和支持度序列图像；用数学形态学的顶帽变换分别提取明亮信息和黯淡信息；对明亮信息图像和黯淡信息图像增强；对两个最后一层的低频平均图像和两增强图像融合，得到低频增强融合图像；对低频增强融合图像和用取大法合成的支持度序列图像进行支持度逆变换得到最终的合成图像，该合成图像目标与背景的对比度增强，边缘区域失真低。
-
公开(公告)号：CN105005288A
公开(公告)日：2015-10-28
申请号：CN201510475828.7
申请日：2015-08-05
Applicant: 中北大学
IPC: G05B19/418 , G05B15/02
CPC classification number: G05B19/418 , G05B15/02 , G05B2219/2642
Abstract: 本发明属于智能控制及电子信息技术领域，具体涉及一种基于云平台红外控制的智能家居系统。本发明主要解决了现有智能家居系统存在功能单一的技术问题。本发明采用的技术方案为：一种基于云平台红外控制的智能家居系统，包括主控系统、红外节点和Yeelink云平台，所述Yeelink云平台为开放的互联网平台，主控系统分别与Yeelink云平台和红外节点连接，用户通过Yeelink云平台发布控制指令，主控系统接收Yeelink云平台发布的控制指令并对具有红外节点的家电进行远程控制；本发明具有功能多样的优点，便捷性远远高于现有其他产品。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.113 seconds)
