-
公开(公告)号：CN113240664A
公开(公告)日：2021-08-10
申请号：CN202110616731.9
申请日：2021-06-03
Applicant: 郑州航空工业管理学院 , 北京理工大学 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了基于场景时空显著性的红外探测虚警检测方法及其应用。其中，所述检测方法包括：获得红外探测图像序列的帧间时域均值图像，获得帧间时域均值图像的帧内空域梯度图像的梯度幅值图，对梯度幅值图像进行灰度阈值分割处理，对分割处理后获得的候选检测结果图像进行四邻域判别，区分其中的盲元和正常像元。本发明的检测方法能够有效检测死像元、过热像元等多种类型红外探测系统盲元，具有较高的检测精度和较低的误检率，能够有效应用于红外探测系统点目标探测的虚警检测。
-
Patent Agency Ranking
公开(公告)号：CN109508415B
公开(公告)日：2021-01-05
申请号：CN201811037119.0
申请日：2018-09-06
Applicant: 北京理工大学
IPC: G06F16/9535 , G06Q50/00
Abstract: 本发明涉及基于社交网络层级结构的影响最大化种子集建立方法，属社交网络技术领域，步骤如下：a，输入网络G(V,E)、信源节点、种子节点数K、传播概率；b，计算节点紧密程度并降序排列；c，初始化层级数M,各层级断点gMx，结构稳定性FLM，计算节点紧密程度不一致性最小值fMx；d，M增1，更新fMx,gMx，FLM；e，判断FLM是否增长，若是，重复步骤d,否则，进行步骤f；f，初始化种子节点集，以及在前m个层级中，挖掘第k个种子节点的影响程度R[m,k]和所在层级s[m,k],k＝1时，进行步骤g；g，更新R[m,k]、s[m,k]，在s[m,k]层中，寻找使影响程度增加最大的节点作为第k个种子节点，加入种子集中；h，k增1，判断k是否大于K，若是，进行步骤i,否则，重复步骤g；i,输出种子节点集。
-
公开(公告)号：CN113240664B
公开(公告)日：2023-06-09
申请号：CN202110616731.9
申请日：2021-06-03
Applicant: 郑州航空工业管理学院 , 北京理工大学 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了基于场景时空显著性的红外探测虚警检测方法及其应用。其中，所述检测方法包括：获得红外探测图像序列的帧间时域均值图像，获得帧间时域均值图像的帧内空域梯度图像的梯度幅值图，对梯度幅值图像进行灰度阈值分割处理，对分割处理后获得的候选检测结果图像进行四邻域判别，区分其中的盲元和正常像元。本发明的检测方法能够有效检测死像元、过热像元等多种类型红外探测系统盲元，具有较高的检测精度和较低的误检率，能够有效应用于红外探测系统点目标探测的虚警检测。
-
公开(公告)号：CN111881798B
公开(公告)日：2023-04-18
申请号：CN202010703023.4
申请日：2020-07-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种高光谱图像的目标检测方法、装置、设备及存储介质。该方法包括：获取待检测的高光谱图像数据；利用分数傅里叶变换及约束能量最小化对高光谱图像数据进行粗搜索，得到初级阶次；在初级阶次的基础上，利用利用分数傅里叶变换及约束能量最小化进行精搜索，得到最优阶次；在最优阶次的范围内进行高光谱目标检测。采用上述方法或装置或设备通过基于分数阶傅里叶变换约束能量最小化算法进行粗搜索和精搜索，极大地提高了目标检测效率及准确率。
-
公开(公告)号：CN111881798A
公开(公告)日：2020-11-03
申请号：CN202010703023.4
申请日：2020-07-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种高光谱图像的目标检测方法、装置、设备及存储介质。该方法包括：获取待检测的高光谱图像数据；利用分数傅里叶变换及约束能量最小化对高光谱图像数据进行粗搜索，得到初级阶次；在初级阶次的基础上，利用利用分数傅里叶变换及约束能量最小化进行精搜索，得到最优阶次；在最优阶次的范围内进行高光谱目标检测。采用上述方法或装置或设备通过基于分数阶傅里叶变换约束能量最小化算法进行粗搜索和精搜索，极大地提高了目标检测效率及准确率。
-
公开(公告)号：CN109508415A
公开(公告)日：2019-03-22
申请号：CN201811037119.0
申请日：2018-09-06
Applicant: 北京理工大学
IPC: G06F16/9535 , G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明涉及基于社交网络层级结构的影响最大化种子集建立方法，属社交网络技术领域，步骤如下：a，输入网络G(V,E)、信源节点、种子节点数K、传播概率；b，计算节点紧密程度并降序排列；c，初始化层级数M,各层级断点gMx，结构稳定性FLM，计算节点紧密程度不一致性最小值fMx；d，M增1，更新fMx,gMx，FLM；e，判断FLM是否增长，若是，重复步骤d,否则，进行步骤f；f，初始化种子节点集，以及在前m个层级中，挖掘第k个种子节点的影响程度R[m,k]和所在层级s[m,k],k＝1时，进行步骤g；g，更新R[m,k]、s[m,k]，在s[m,k]层中，寻找使影响程度增加最大的节点作为第k个种子节点，加入种子集中；h，k增1，判断k是否大于K，若是，进行步骤i,否则，重复步骤g；i,输出种子节点集。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
