-
公开(公告)号：CN107665498B
公开(公告)日：2021-07-20
申请号：CN201710754636.9
申请日：2017-08-29
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于典型示例挖掘的全卷积网络飞机检测方法，方法包括以下步骤：获取遥感图像的训练样本；对训练样本进行预处理，获得扩充后的飞机标注真值框的尺度与长宽比；飞机典型示例的自动挖掘；构建典型飞机示例与飞机标注真值框的对应关系；基于飞机典型示例挖掘的全卷积网络训练；利用全卷积网络实现飞机的检测。本发明将全卷积神经网络引入到遥感图像飞机检测，根据飞机外形特征对飞机样本进行聚类，挖掘训练数据中典型飞机示例，由此训练针对不同典型飞机示例的候选目标提取网络，有效提高候选区域提取网络的性能，进而提升飞机检测的查全率，同时达到了抑制虚警的效果。
-
公开(公告)号：CN107665351A
公开(公告)日：2018-02-06
申请号：CN201710314261.4
申请日：2017-05-06
Applicant: 北京航空航天大学
CPC classification number: G06K9/6256 , G06K9/4671 , G06K9/6229 , G06N3/0454
Abstract: 本发明提供了一种基于难样本挖掘的机场检测方法，所述方法包括以下步骤：将光学遥感图像与对应标注真值作为光学遥感图像的训练数据；候选区域提取网络的训练；区域分类网络的训练；候选区域提取与区域分类网络的耦合训练；基于难样本挖掘的端到端深度卷积网络的微调；端到端深度卷积神经网络的机场检测。将深度卷积神经网络引入到遥感图像机场检测，不仅利用卷积网络提取遥感图像中目标的高层语义特征信息，通过高层语义特征筛选机场候选区域，同时还对候选区域是否为机场进行二次确认，提升遥感图像中机场检测的查全率与准确率。
-
公开(公告)号：CN105118027B
公开(公告)日：2017-10-27
申请号：CN201510450993.7
申请日：2015-07-28
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像的去雾方法，应用于包含雾气的图像，所述方法包括：通过所述图像的颜色通道得到所述图像的暗通道；通过所述暗通道得到大气光强和所述图像的透射率；根据所述透射率对所述颜色通道进行修正得到修正颜色通道；通过所述修正颜色通道得到修正大气光强和修正透射率；根据所述修正颜色通道、修正大气光强和修正透射率得到去雾图像。本发明对图像的颜色通道、大气光强和透射率进行修正，能根据图像自身的特点最大限度地去除了图像的雾气，消除了块状效应等问题。
-
公开(公告)号：CN107665498A
公开(公告)日：2018-02-06
申请号：CN201710754636.9
申请日：2017-08-29
Applicant: 北京航空航天大学
CPC classification number: G06T7/75 , G06K9/6223 , G06T2207/10032 , G06T2207/20021 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明提供了一种基于典型示例挖掘的全卷积网络飞机检测方法，方法包括以下步骤：获取遥感图像的训练样本；对训练样本进行预处理，获得扩充后的飞机标注真值框的尺度与长宽比；飞机典型示例的自动挖掘；构建典型飞机示例与飞机标注真值框的对应关系；基于飞机典型示例挖掘的全卷积网络训练；利用全卷积网络实现飞机的检测。本发明将全卷积神经网络引入到遥感图像飞机检测，根据飞机外形特征对飞机样本进行聚类，挖掘训练数据中典型飞机示例，由此训练针对不同典型飞机示例的候选目标提取网络，有效提高候选区域提取网络的性能，进而提升飞机检测的查全率，同时达到了抑制虚警的效果。
-
公开(公告)号：CN106023148A
公开(公告)日：2016-10-12
申请号：CN201610298889.5
申请日：2016-05-06
Applicant: 北京航空航天大学
CPC classification number: G06T5/002 , G06T2207/10016 , G06T2207/20024 , G06T2207/30241
Abstract: 本发明公开了一种序列聚焦观测模式下恒星像点位置提取方法，针对聚焦观测模式下恒星像点无明显弥散星斑，亚像素恒星定位精度不高的问题，将恒星运动规律与数字图像处理技术相结合，首先利用高斯滤波法对恒星观测图像进行预处理，去除图像中的高频噪声；并由图像中的亮度分布规律计算自适应阈值，用以提取观测图像中恒星像点区域；在此基础上通过恒星能量积分法、能量曲线拟合法、恒星轨迹估计法等数字图像处理技术来实现高精度的恒星像点坐标提取。本发明对恒星像点能量的变化趋势进行统计分析，能根据恒星的运动规律最大限度地估计恒星像点运动轨迹，在聚焦模式下保证高精度的恒星质心提取能力。
-
Patent Agency Ranking
公开(公告)号：CN105118027A
公开(公告)日：2015-12-02
申请号：CN201510450993.7
申请日：2015-07-28
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像的去雾方法，应用于包含雾气的图像，所述方法包括：通过所述图像的颜色通道得到所述图像的暗通道；通过所述暗通道得到大气光强和所述图像的透射率；根据所述透射率对所述颜色通道进行修正得到修正颜色通道；通过所述修正颜色通道得到修正大气光强和修正透射率；根据所述修正颜色通道、修正大气光强和修正透射率得到去雾图像。本发明对图像的颜色通道、大气光强和透射率进行修正，能根据图像自身的特点最大限度地去除了图像的雾气，消除了块状效应等问题。
-
公开(公告)号：CN104036467A
公开(公告)日：2014-09-10
申请号：CN201410273627.4
申请日：2014-06-18
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本图像色偏校正方法首先获取具有色偏的数字图像数据，再根据公式计算色偏图像红(R)、绿(G)、蓝(B)三通道的增益系数及其对应的权值，并进一步计算R、G、B三通道经过加权的新增益系数，利用经过加权的新增益系数，对色偏图像进行逐点遍历，计算校正后各像素点三个通道的像素值，实现色偏校正过程，得到经过校正的数字图像。本发明可用于数字图像的色偏校正，对于准确、高效地克服图像颜色失真有着重要意义，具有广阔的市场前景和应用价值。
-
公开(公告)号：CN110084203B
公开(公告)日：2021-03-05
申请号：CN201910357321.X
申请日：2019-04-29
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于上下文关联的全卷积网络飞机层级检测方法，包括以下步骤：将原始高分辨率遥感图像降采样得到低分辨率的遥感图像；利用低分辨率的遥感图像和原始高分辨率遥感图像分别训练粗检测网络和精检测网络；利用粗检测网络和精检测网络输出结果间的对应关系训练精度增益预测网络；基于粗检测网络、精检测网络和精度增益预测网络的输出结果训练精检测决策网络，生成精检测区域；利用精检测网络确定精检测区域中的飞机目标，并更新粗检测网络中的输出结果，得到飞机目标检测结果。本发明能够在大幅宽遥感图像中快速检测出典型的飞机目标，并且减少飞机间紧邻关系导致的漏检，对于大幅宽遥感图像中的飞机检测具有巨大的实用价值。
-
公开(公告)号：CN107665351B
公开(公告)日：2022-07-26
申请号：CN201710314261.4
申请日：2017-05-06
Applicant: 北京航空航天大学
IPC: G06V10/774 , G06V10/771 , G06K9/62 , G06V10/46 , G06N3/04
Abstract: 本发明提供了一种基于难样本挖掘的机场检测方法，所述方法包括以下步骤：将光学遥感图像与对应标注真值作为光学遥感图像的训练数据；候选区域提取网络的训练；区域分类网络的训练；候选区域提取与区域分类网络的耦合训练；基于难样本挖掘的端到端深度卷积网络的微调；端到端深度卷积神经网络的机场检测。将深度卷积神经网络引入到遥感图像机场检测，不仅利用卷积网络提取遥感图像中目标的高层语义特征信息，通过高层语义特征筛选机场候选区域，同时还对候选区域是否为机场进行二次确认，提升遥感图像中机场检测的查全率与准确率。
-
公开(公告)号：CN110084203A
公开(公告)日：2019-08-02
申请号：CN201910357321.X
申请日：2019-04-29
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于上下文关联的全卷积网络飞机层级检测方法，包括以下步骤：将原始高分辨率遥感图像降采样得到低分辨率的遥感图像；利用低分辨率的遥感图像和原始高分辨率遥感图像分别训练粗检测网络和精检测网络；利用粗检测网络和精检测网络输出结果间的对应关系训练精度增益预测网络；基于粗检测网络、精检测网络和精度增益预测网络的输出结果训练精检测决策网络，生成精检测区域；利用精检测网络确定精检测区域中的飞机目标，并更新粗检测网络中的输出结果，得到飞机目标检测结果。本发明能够在大幅宽遥感图像中快速检测出典型的飞机目标，并且减少飞机间紧邻关系导致的漏检，对于大幅宽遥感图像中的飞机检测具有巨大的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
