-
公开(公告)号：CN114998566B
公开(公告)日：2024-10-15
申请号：CN202210503167.4
申请日：2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。
-
公开(公告)号：CN111696066B
公开(公告)日：2022-04-19
申请号：CN202010538631.4
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN‑GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。
-
公开(公告)号：CN114998566A
公开(公告)日：2022-09-02
申请号：CN202210503167.4
申请日：2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题，本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强，经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征；然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模，获取真实目标像素长距离依赖；接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合，在高维数据中完成了对真实目标和背景噪声的像素分类；最后通过多损失联合约束结构联合多个损失函数约束网络输出，使其接近真实目标数据分布，得到真实目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN113111878B
公开(公告)日：2022-03-18
申请号：CN202110480586.6
申请日：2021-04-30
Applicant: 中北大学
Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。
-
公开(公告)号：CN113111878A
公开(公告)日：2021-07-13
申请号：CN202110480586.6
申请日：2021-04-30
Applicant: 中北大学
Abstract: 本发明提出了一种复杂背景下的红外弱小目标检测方法，涉及红外目标检测领域。首先，定义滑动窗口并将其划分为多个单元，将中心单元的像素灰度值降序排列后计算其前K个灰度均值；其次，分别构建中心单元的相接邻域和相隔邻域并计算它们各自的灰度均值；再次，分别提取相接邻域和相隔邻域的显著图；然后，通过点乘两显著图抑制复杂背景并增强弱小目标；最后自适应提取目标，以实现复杂背景下红外弱小目标的高效准确检测。
-
公开(公告)号：CN113822352B
公开(公告)日：2024-05-17
申请号：CN202111078520.0
申请日：2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。
-
公开(公告)号：CN113822352A
公开(公告)日：2021-12-21
申请号：CN202111078520.0
申请日：2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。
-
公开(公告)号：CN111696066A
公开(公告)日：2020-09-22
申请号：CN202010538631.4
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN-GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.03 seconds)
