-
公开(公告)号：CN113052880A
公开(公告)日：2021-06-29
申请号：CN202110295230.5
申请日：2021-03-19
Applicant: 南京天巡遥感技术研究院有限公司 , 西安电子科技大学
Abstract: 本发明属于计算机视觉与多视角几何技术领域，公开了一种SFM稀疏重建方法、系统及应用，所述SFM稀疏重建方法包括：获取相机内参；提取点线特征并获得初始匹配；选择特征邻域，构建特征三元组；在邻域内应用几何位置不变量进行误匹配剔除，得到精确的特征匹配对应关系；在线特征邻域平面内利用交比原理，得到线特征上对应的点，使用点来表示线；对相机对进行评分，选择最佳初始相机对作为增量种子点；对点特征与线特征表示点分别整理成轨迹，输入到点SFM流程之中，得到相机位姿与稀疏点云；3D评分滤除后，聚类生成线结构重建结果。本发明对点线特征的使用具有普适性，能够较快地完成误匹配剔除提高匹配精度。
-
公开(公告)号：CN113034556A
公开(公告)日：2021-06-25
申请号：CN202110295225.4
申请日：2021-03-19
Applicant: 南京天巡遥感技术研究院有限公司 , 西安电子科技大学
Abstract: 本发明属于数字图像处理技术领域，公开了一种频域相关半稠密遥感影像匹配方法，目的是得到两图之间的匹配信息；根据初始匹配信息对两图中的一幅进行扭转，得到待匹配影像；将参考影像和待匹配影像划分成若干区域；以四个小区域为一组区域图块，将区域图块的中心设置为种子点，统计区域图块的梯度方向直方图，得到四个角度范围对应的梯度幅值和角度；设置四种不同级别的优先权值；得到结合种子点四邻域方向梯度信息的新匹配结果；将所有种子点的匹配结果加入稀疏匹配点集中，得到半稠密的遥感影像匹配点集；对稠密匹配点进行参考点误匹配校正，得到的匹配结果如图。本发明能够得到最佳的匹配结果，它们的误差能保证在亚像素级别。
-
公开(公告)号：CN110033473B
公开(公告)日：2021-04-20
申请号：CN201910297980.9
申请日：2019-04-15
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于模板匹配和深度分类网络的运动目标跟踪方法，主要解决现有技术目标检测速度慢，及在目标发生外观形变、遮挡时跟踪不准确的问题。其实现方案为：1)搭建双残差深度分类网络，并对其进行训练；2)在双残差深度分类网络中提取模板网络和检测网络；3)利用模板网络提取模板特征；4)利用检测网络提取检测特征；5)将模板特征在检测特征上进行模板匹配，得到模板匹配图；6)根据模板匹配图确定目标位置；7)根据目标位置更新模板特征；8)判断当前帧是否为最后一帧，若是，结束目标跟踪，否则，将更新后的模板特征作为下一帧的模板特征，返回4)。本发明跟踪速度快，准确率高，用于对剧烈形变、光照变化视频目标跟踪。
-
公开(公告)号：CN110708470B
公开(公告)日：2020-10-09
申请号：CN201910927216.5
申请日：2019-09-27
Applicant: 西安电子科技大学
IPC: H04N5/235
Abstract: 本发明属于数字图像处理技术领域，公开了一种自适应互补曝光数字图像处理方法、图像获取设备，随机曝光一幅初始有效图像；并通过初始图像曝光7幅不同亮度的图像；将得到的8幅图像划分成16块区域，分别求每块区域的图像熵；将对应区域块的图像熵进行高斯拟合得到16条高斯曲线；通过比较16条高斯曲线峰值的大小，将16块区域划分成亮暗细节区域块；将对应的亮细节区域块的图像熵进行高斯拟合，其高斯曲线的峰值即为理想的低曝光时间，理想的高曝光时间同理可求。本发明在高曝光条件下，以提升光照较弱区域的图像细节信息为目标，而在低曝光条件下，以提升光照较强区域的图像细节信息为目标，合成后的图像质量最好，细节表现相对最完整。
-
公开(公告)号：CN111583092A
公开(公告)日：2020-08-25
申请号：CN202010234746.4
申请日：2020-03-30
Applicant: 西安电子科技大学
IPC: G06T1/20 , G06T5/00 , G06F30/331 , G06F17/11
Abstract: 本发明属于计算机视觉处理技术领域，公开了一种变分光流FPGA实现方法、系统、存储介质、终端，对两帧输入图像的预处理，包括图像色彩空间转换和图像去噪，输出为两幅预处理后的图像；预处理后的图通过图像邻域像素计算出当前像素的水平方向梯度、垂直方向梯度；同时，通过两帧图像中对应位置的像素计算出时间方向的梯度；根据图像预处理模型、图像梯度计算模型的输出，计算出变分光流计算所需的大型线性方程组的参数；通过迭代计算模型对最终的光流输出进行求解。本发明能够极大地缩短光流算法在FPGA硬件上的应用开发时间，各个模块相互独立，易于裁剪、扩充和维护，能够极大地提高变分光流算法的运算速度，能够达到实时应用的目的。
-
Patent Agency Ranking
公开(公告)号：CN111582266A
公开(公告)日：2020-08-25
申请号：CN202010239724.7
申请日：2020-03-30
Applicant: 西安电子科技大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种配置目标跟踪硬件加速控制方法、系统、存储介质及应用，完成对感兴趣区域的提取以及样本标签值的计算；完成对感兴趣区域目标特征提取，根据目标特点，选择灰度特征、颜色特征或者HOG特征进行配置；对提取的目标特征通过不同的核函数进行滤波器的训练以及位置预测，配置为高斯核函数、线性核函数或者多项式核函数；根据目标是否发生空间上的位移，选择不同尺度的目标区域进行计算，对响应值进行比较，选择最优目标位置；利用当前帧的结果对滤波器的参数进行更新，可选择连续模型更新略或者阈值更新策略。本发明可以快速更新迭代，对于其他计算机视觉算法，有较强的可移植性。
-
公开(公告)号：CN110660099A
公开(公告)日：2020-01-07
申请号：CN201910224313.8
申请日：2019-03-22
Applicant: 西安电子科技大学
IPC: G06T7/73
Abstract: 本发明属于遥感影像处理技术领域，公开了一种基于神经网络的遥感影像处理的有理函数模型拟合方法；根据遥感影像成像满足共线方程原理，构建虚拟格网点数据；划分虚拟格网点数据为训练数据集和测试数据集；对虚拟格网点数据进行归一化处理；虚拟格网点训练数据插值处理；搭建神经网络模型，设置其隐含层层数、激活函数、训练函数、目标函数、学习率；使用虚拟格网点训练数据集对神经网络模型进行训练，调整其内部参数；使用虚拟格网点测试数据集对神经网络模型进行检核，根据模型输出与测试数据集输出之间的均方误差评价神经网络模型的拟合精度。本发明神经网络模型建模简单、易于实现，能较快速的获得拟合结果；能够更有效的保护卫星参数。
-
公开(公告)号：CN107145830B
公开(公告)日：2019-11-01
申请号：CN201710227022.5
申请日：2017-04-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间信息增强和深度信念网络的高光谱图像分类方法，主要解决现有技术对高光谱图像分类存在的精度提高不明显的问题，其技术方案为：1)对原始高光谱图像进行归一化和波段选择，得到反射率值在0到1之间的高光谱图像；2)通过波段分组和分组引导滤波对高光谱图像进行空间信息增强；3)针对空间信息增强后的高光谱图像特点构建深度信念网络模型；4)用空间信息增强后的高光谱图像进行模型的训练；用得到的模型对高光谱图像进行类别预测，得到分类结果。本发明在不损失原始光谱信息的情况下有效增强了高光谱图像空间信息，明显提高了分类精度，可用于环境、气候、农业以及矿物探测。
-
公开(公告)号：CN110097103A
公开(公告)日：2019-08-06
申请号：CN201910323702.6
申请日：2019-04-22
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于生成对抗网络的半监督图像分类方法，主要解决现有的无监督学习分类精度低和半监督学习需要大量精确标签的问题，其实现步骤为：1)选取并下载标准图像训练样本和测试样本；2)设定网络监督学习相关参数，并搭建一个由生成器网络、判别器网络和辅助分类器并列组成的生成对抗网络；3)利用随机梯度下降方法对生成对抗网络进行训练；4)将待分类的测试样本输入到训练好的生成对抗网络模型中，输出待检测图像的类别。本发明提高了无监督学习的图像分类精度，并能够在只含有少量精确标注样本的样本集上获得很好的图像分类效果，可用于实际场景中目标分类。
-
公开(公告)号：CN110084836A
公开(公告)日：2019-08-02
申请号：CN201910341675.5
申请日：2019-04-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度特征分层响应融合的目标跟踪方法，主要解决现有技术在当目标发生严重遮挡、背景杂乱时，导致跟踪失败的问题。其实现步骤为：1)确定待跟踪目标初始位置，计算第一帧相关滤波器的候选区域目标特征和候选区域循环特征矩阵；2)读取下一帧目标图像，并通过前一帧相关滤波器模板计算目标图像特征响应矩阵，根据该矩阵最大值预测待跟踪目标位置；3)更新相关滤波器模板；6)判断图像是否为待跟踪视频序列的最后一帧图像，若是，结束跟踪，否则返回2)。本发明能在待跟踪目标发生严重遮挡时，利用细节置信图中的背景信息预测待跟踪目标位置，提高了跟踪的准确度，可用于视频监控、机器人导航和定位，无人驾驶的跟踪。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.04 seconds)
