-
公开(公告)号：CN109919910B
公开(公告)日：2021-06-22
申请号：CN201910071137.9
申请日：2019-01-25
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于差异图融合和改进水平集的SAR图像变化检测方法，首先分别对两时刻SAR图像进行对数比运算和均值比运算得到对数比值图和均值比值图，而后融合对数比值图和均值比值图获取融合差异图；利用KI阈值对融合差异图进行预分类，获得初始标记场、两类数据集的均值及方差；根据初始标记场、两类数据集的均值及方差，计算融合差异图上每个像素点属于某一类的隶属度，进而构建自适应核函数；依据该核函数和图像的梯度信息，结合全局能量项和局部能量项控制水平集函数的曲线演化；最后根据收敛时的曲线划分变化区域和未变化区域。本发明不仅保护了边缘等细节信息，而且有效抑制了相干斑噪声，从而提高了SAR图像变化检测的精度。
-
公开(公告)号：CN111262638A
公开(公告)日：2020-06-09
申请号：CN202010052242.0
申请日：2020-01-17
Applicant: 合肥工业大学
IPC: H04B17/382
Abstract: 本发明提供了一种基于高效样本学习的动态频谱接入方法，次级用户感知授权信道状态，伺机接入空闲的授权信道进行通信。本发明将高效样本学习应用到动态频谱接入中，根据信道状态和策略采取动作；判断选择接入的信道是否和授权用户冲突；若不发生冲突则获得奖励，否则获得惩罚；针对动态频谱接入中状态不依赖于动作这一特征，根据前后时刻状态和奖励结构计算期望动作；使用贪心算法，倾向性地更新最优状态动作对的值函数；根据值函数更新策略；重复上述部分步骤，直至次级用户不存在数据需要传输时结束。本发明使得次级用户智能地占用空闲频谱，满足了次级用户的通信需求，进而提高了授权信道的频谱利用率。
-
公开(公告)号：CN110084205A
公开(公告)日：2019-08-02
申请号：CN201910359652.7
申请日：2019-04-30
Applicant: 合肥工业大学
Abstract: 本发明提供一种基于改进的面向对象高分辨率遥感影像分类方法，首先利用SLIC超像素分割算法对图像进行初始分割；初始分割结果会产生过分割，所以对初始分割图像进行区域融合，解决过分割问题，但区域融合后的图像会出现局部欠分割现象，故针对局部欠分割区域进行二次分割，得到新的分割图像，可以解决分割过程的过分割和欠分割现象，从而提高图像的分割和图像分类精度。
-
公开(公告)号：CN109063763A
公开(公告)日：2018-12-21
申请号：CN201810830715.8
申请日：2018-07-26
Applicant: 合肥工业大学
CPC classification number: G06K9/6247 , G06K9/4652 , H04N5/148 , H04N5/21 , H04N9/648
Abstract: 本发明公开了一种基于PCA的视频微小变化放大方法，其实现过程是：首先将输入的视频图像从RGB颜色空间转换到YIQ颜色空间，然后按照帧循环的方式对视频中每一帧图像进行空间高斯/拉普拉斯金字塔分解，接着对空间尺度分解的数据进行PCA处理，得到感兴趣的微小变化信号，然后通过直接乘以一个人为设定的放大系数，实现对微小信号幅度的增强，而后进行高斯/拉普拉斯金字塔重建，最后与原始视频源进行相加，并将处理之后的视频图像从YIQ颜色空间转化到RGB颜色空间，得到视频微小变化放大结果。由于PCA处理本身具有抑制噪声的功能，使得本发明的方法能在放大微小变化的同时有效地抑制噪声，拓展了视频放大方法的实际应用。
-
公开(公告)号：CN107330945A
公开(公告)日：2017-11-07
申请号：CN201710543119.7
申请日：2017-07-05
Applicant: 合肥工业大学
CPC classification number: G06T7/90 , G06K9/00221 , G06T5/002 , G06T5/10 , G06T7/42 , G06T2207/10016 , G06T2207/20016 , H04N5/23225
Abstract: 本发明公开了一种基于视频的快速心率检测方法，通过如下步骤实施：1)视频采集；2)数据预处理；3)多线程运算；4)心率检测。该方法提出了一种多线程并行运算的算法以及适用于该算法进行数据访问的双向循环链表结构，提高了整体检测速度，解决了目前非接触式心率检测运行速度的不足，使得非接触式心率检测在真实场景下能够实现长期连续检测。
-
Patent Agency Ranking
公开(公告)号：CN106901741A
公开(公告)日：2017-06-30
申请号：CN201710145390.5
申请日：2017-03-13
Applicant: 合肥工业大学
CPC classification number: A61B5/0816 , A61B5/113 , G06K9/00228
Abstract: 本发明公开了一种适用于昼夜环境的呼吸率检测方法，其实现过程是：（1）控制摄像头采集60s正对人脸的视频，并确保人体上半身视频处于采集画面中；（2）对采集的视频进行人脸检测和胸口定位操作，得到稳定的胸口运动视频；（3）对视频进行色彩空间转换；（4）利用视频运动放大技术从胸口视频中提取呼吸运动序列；（5）对呼吸运动序列进行最大似然估计，并利用计算得到的初估计频率结合平滑滤波进行呼吸波形的优化，最后使用峰值点检测技术进行呼吸率的再估计。本发明通过人脸检测与胸口定位技术确定了呼吸发生的主要区域，并通过基于相位的视频运动放大技术于昼夜环境下可以分别稳定的呼吸运动序列，提高了呼吸率检测的稳定性与准确性。
-
公开(公告)号：CN105513085A
公开(公告)日：2016-04-20
申请号：CN201610025367.8
申请日：2016-01-13
Applicant: 合肥工业大学
IPC: G06T7/00
CPC classification number: G06T2207/10044 , G06T2207/20028
Abstract: 本发明公开了一种针对SAR海冰图像的分割方法，主要解决SAR海冰图像受相干斑噪声影响严重，分割结果不能真实反映地表海冰分布情况的问题。其实现过程是：（1）采用双边滤波器对SAR海冰图像进行滤波；（2）采用改进的边缘权重计算模型和区域内部差异进行初始化分割；（3）基于初始化分割结构构件区域相邻图；（4）构建区域MRF模型，并在MRF中融入区域间强度差异惩罚函数；（5）擦除边缘像素点，得到最终分割结果。本发明显著提升了SAR海冰图像的分割性能。
-
公开(公告)号：CN104766279B
公开(公告)日：2016-03-30
申请号：CN201510130877.7
申请日：2015-03-24
Applicant: 合肥工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种ScanSAR海冰图像入射角效应按类校正方法，先沿距离向将图像分成若干个图像块，然后对每个图像块进行低级的分类，这个基于图像块的分类是非监督分类，所以只要知道海冰类型的数量信息即可，而不需要详细的海冰信息作为先验知识。然后，将分类后的图像上每条方位线内各海冰类型的后向散射值近似平均分成若干个子集并计算各个均值，当子集数足够多时，每个子集内是近似线性分布的，将方位线上的每个后向散射值映射到参考线上，便可实现按类校正。因为不同传感器采集到的ScanSAR数据的入射角效应影响程度不同，所以本发明考虑了如何选择合适的方位线宽度。
-
公开(公告)号：CN104200210A
公开(公告)日：2014-12-10
申请号：CN201410395832.8
申请日：2014-08-12
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于部件的车牌字符分割方法，在车牌区域内提取7个字符作为部件，并根据部件外观特征，将其分为汉字字符和字母/数字字符两类，用于组成车牌部件模型。利用垂直边缘检测和形态学处理的方法确定目标候选区域，分别检测车牌中的汉字字符和字母/数字字符。根据字符间隔填充字符。分析字符间的空间位置关系，验证车牌类型。利用检测到的字符位置和大小修正目标候选区域，获取车牌修正区域。通过车牌位置和车牌类型反向修正字符位置，从而准确分割车牌字符。本发明具有易实现、鲁棒性强、适应不同光照条件等优点，不仅可以分割光照条件良好下的车牌，也能够处理含噪车牌。可应用于光照条件不佳或含噪条件下的车牌字符分割。
-
公开(公告)号：CN103442161A
公开(公告)日：2013-12-11
申请号：CN201310364748.5
申请日：2013-08-20
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于3D空时图像估计技术的视频稳像方法，通过摄像机采集原始数据，将采集到的原始数据预处理成连续的帧序列，利用当前帧与参考帧的空间相似性来估计帧间运动情况，利用最小距离准则得到每一帧的抖动量，经过多帧处理可以得到一个抖动矢量的集合，得到的抖动矢量的集合用来表示摄像机在时域内的移动情况；根据每帧内所有的抖动估计信息，综合得出当前帧的整体运动情况，由运动估计结果对原场景帧图像进行空间重构，消除抖动量，获得稳定的图像序列。本发明用来消除抖动影响,稳定视频内容，基于3D场景图像估计，能有效解决2D场景稳像中无法处理景深变化的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.024 seconds)
