-
公开(公告)号：CN107633495B
公开(公告)日：2020-07-17
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：CN105574874B
公开(公告)日：2018-09-25
申请号：CN201510952142.2
申请日：2015-12-18
Applicant: 中北大学
IPC: G06T7/00
Abstract: 一种序列图像变化检测的伪变化目标去除方法，本发明属于序列图像变化检测技术领域，目的是解决现有的图像变化检测方法未能有效的利用序列图像间的帧间信息且伪变化目标排除率低的技术问题，本发明采用的技术方案为：首先将序列图像中具有伪变化目标的第一帧作为样本进行分块并计算各块的特征；然后对各特征进行矢量分析，训练出用于伪目标去除的双向圆锥形决策规则进行决策，最后利用帧间变化对该规则进行自适应递推。本发明解决了现有的图像变化检测方法未能有效的利用序列图像间的帧间信息，不适用于目标较少或目标类型不统一甚至类型未知的情况，且伪变化目标排除率低的技术问题，并提出了一种双向圆锥三维矢量分析的伪目标去除方法。
-
公开(公告)号：CN106846289A
公开(公告)日：2017-06-13
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：CN106204510B
公开(公告)日：2018-09-18
申请号：CN201610540101.7
申请日：2016-07-08
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于结构相似度约束的红外偏振与光强图像融合方法。本发明公开了一种采用结构相似度的多尺度红外偏振与光强图像融合方法，属于红外图像融合领域，本方法利用多尺度高斯滤波器获得红外偏振低频图像，滤波前后的图像相减获得红外偏振图像高频特征，分解时加入结构相似度指标评判低频图像与原红外偏振图像相似度，当相似低于阈值时，完成红外偏振高频特征提取停止分解，保证了红外偏振图像的边缘和纹理等特征最大限度得以提取，最大程度减少高频信息损失；将分解的红外偏振图像的高频特征图像叠加至红外光强图像。该方法克服了现有方法在融合中容易造成亮度、轮廓、边缘和纹理等特征丢失过多问题，完整的保留红外光强图像特征和较完整地保留了红外偏振图像特征，方法简单且有效。
-
公开(公告)号：CN106204510A
公开(公告)日：2016-12-07
申请号：CN201610540101.7
申请日：2016-07-08
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于结构相似度约束的红外偏振与光强图像融合方法。本发明公开了一种采用结构相似度的多尺度红外偏振与光强图像融合方法，属于红外图像融合领域，本方法利用多尺度高斯滤波器获得红外偏振低频图像，滤波前后的图像相减获得红外偏振图像高频特征，分解时加入结构相似度指标评判低频图像与原红外偏振图像相似度，当相似低于阈值时，完成红外偏振高频特征提取停止分解，保证了红外偏振图像的边缘和纹理等特征最大限度得以提取，最大程度减少高频信息损失；将分解的红外偏振图像的高频特征图像叠加至红外光强图像。该方法克服了现有方法在融合中容易造成亮度、轮廓、边缘和纹理等特征丢失过多问题，完整的保留红外光强图像特征和较完整地保留了红外偏振图像特征，方法简单且有效。
-
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。
-
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：CN105574874A
公开(公告)日：2016-05-11
申请号：CN201510952142.2
申请日：2015-12-18
Applicant: 中北大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10016 , G06T2207/20224
Abstract: 一种序列图像变化检测的伪变化目标去除方法，本发明属于序列图像变化检测技术领域，目的是解决现有的图像变化检测方法未能有效的利用序列图像间的帧间信息且伪变化目标排除率低的技术问题，本发明采用的技术方案为：首先将序列图像中具有伪变化目标的第一帧作为样本进行分块并计算各块的特征；然后对各特征进行矢量分析，训练出用于伪目标去除的双向圆锥形决策规则进行决策，最后利用帧间变化对该规则进行自适应递推。本发明解决了现有的图像变化检测方法未能有效的利用序列图像间的帧间信息，不适用于目标较少或目标类型不统一甚至类型未知的情况，且伪变化目标排除率低的技术问题，并提出了一种双向圆锥三维矢量分析的伪目标去除方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
