公开(公告)号：CN111539900B

公开(公告)日：2023-03-24

申请号：CN202010331150.6

申请日：2020-04-24

申请人： 河南大学

发明人： 王瀛 ,  何欣 ,  余岚旭 ,  左方 ,  郝正阳

IPC分类号： G06T5/10 ,  G06T5/50

摘要： 本发明提供了一种基于引导滤波的IHS遥感图像融合方法。首先，采用引导滤波对多光谱图像进行处理，得到边缘信息更加丰富的多光谱图像，利用高通滤波对多光谱图像和全色图像进行滤波，得到其各自的高频细节分量；然后，利用自适应AIHS方法求解自适应系数，得到细节分量图；最后，为了得到更丰富的光谱信息，利用引导滤波对图像进行处理，提取差异信息，得到其中的光谱信息，并注入到细节分量图中，得到融合图像。本发明在融合图像空间细节的同时能够很好地保持光谱信息，减少光谱扭曲，具有更为理想的融合效果。

公开(公告)号：CN111539900A

公开(公告)日：2020-08-14

申请号：CN202010331150.6

申请日：2020-04-24

申请人： 河南大学

发明人： 王瀛 ,  何欣 ,  余岚旭 ,  左方 ,  郝正阳

IPC分类号： G06T5/10 ,  G06T5/50

摘要： 本发明提供了一种基于引导滤波的IHS遥感图像融合方法。首先，采用引导滤波对多光谱图像进行处理，得到边缘信息更加丰富的多光谱图像，利用高通滤波对多光谱图像和全色图像进行滤波，得到其各自的高频细节分量；然后，利用自适应AIHS方法求解自适应系数，得到细节分量图；最后，为了得到更丰富的光谱信息，利用引导滤波对图像进行处理，提取差异信息，得到其中的光谱信息，并注入到细节分量图中，得到融合图像。本发明在融合图像空间细节的同时能够很好地保持光谱信息，减少光谱扭曲，具有更为理想的融合效果。

公开(公告)号：CN113177937B

公开(公告)日：2022-09-13

申请号：CN202110568000.1

申请日：2021-05-24

申请人： 河南大学

发明人： 王瀛 ,  郝正阳 ,  庞子龙 ,  丁丽恒 ,  柴秀丽 ,  宋亚林 ,  甘志华

IPC分类号： G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供一种基于改进YOLOv4‑tiny的布匹缺陷检测模型及方法。该检测模型在YOLOv4‑tiny主干网络中的残差块加入密集连接卷积块CSPDenseBlock，并在主干网络最后加入spp模块，形成新的特征提取网络；新的所述特征提取网络输出两种不同尺度的特征图；两种不同尺度的特征图分别通过各自对应的卷积块处理后进入各自的YOLO层对目标进行预测。本发明通过在其原来的残差块中加入密集连接卷积块对主干网络进行调整，扩充了检测模型的神经元感受野有助于浅层信息的提取；使用密集卷积块构造较深的主干网络框架，有助于识别多个难以区分的目标，增加模型检测的准确性；整个模型可用于对复杂场景下布匹缺陷检测任务的优化，并且检测精度较传统的模型更好。

公开(公告)号：CN113177937A

公开(公告)日：2021-07-27

申请号：CN202110568000.1

申请日：2021-05-24

申请人： 河南大学

发明人： 王瀛 ,  郝正阳 ,  庞子龙 ,  丁丽恒 ,  柴秀丽 ,  宋亚林 ,  甘志华

IPC分类号： G06T7/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供一种基于改进YOLOv4‑tiny的布匹缺陷检测模型及方法。该检测模型在YOLOv4‑tiny主干网络中的残差块加入密集连接卷积块CSPDenseBlock，并在主干网络最后加入spp模块，形成新的特征提取网络；新的所述特征提取网络输出两种不同尺度的特征图；两种不同尺度的特征图分别通过各自对应的卷积块处理后进入各自的YOLO层对目标进行预测。本发明通过在其原来的残差块中加入密集连接卷积块对主干网络进行调整，扩充了检测模型的神经元感受野有助于浅层信息的提取；使用密集卷积块构造较深的主干网络框架，有助于识别多个难以区分的目标，增加模型检测的准确性；整个模型可用于对复杂场景下布匹缺陷检测任务的优化，并且检测精度较传统的模型更好。