-
公开(公告)号：CN108389175B
公开(公告)日：2021-05-18
申请号：CN201810387078.1
申请日：2018-04-26
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了融合变差函数和颜色衰减先验的图像去雾方法，首先获取雾霾天气下交通图像；然后将得到的RGB颜色空间的雾化降质图像转换到HSV颜色空间，求取颜色衰减先验下的天空区域，并用变差函数判断出图像的天空区域；接着根据两者所判断出的天空区域求取图像大气环境光值及场景透射率；最后根据大气散射模型对图像进行处理，再使用自动色阶法对图像色彩进行矫正后，输出处理后的雾化降质图像。本发明在选取图像大气环境光值及场景透射率相比于传统方法有很大的优势，复原后图像失真较小，对图像的进一步处理以及准确获取图像信息有着重要的意义。
-
公开(公告)号：CN109657584A
公开(公告)日：2019-04-19
申请号：CN201811504255.6
申请日：2018-12-10
Applicant: 长安大学
Abstract: 本发明公开了辅助驾驶的改进LeNet-5融合网络交通标志识别方法，首先构建交通标志图像数据集，并根据交通标志图像数据集构建训练集和测试集；其次构建卷积神经网络CNN；然后将训练集图像数据代入卷积神经网络CNN，进行训练，并保存训练好的模型；最后将测试集图像数据代入训练好的模型，进行预测，得到预测结果。
-
公开(公告)号：CN109598296A
公开(公告)日：2019-04-09
申请号：CN201811420248.8
申请日：2018-11-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于改进飞蛾扑火K均值聚类方法，首先输入标准数据集即飞蛾群，根据数据集类别的个数来确定该数据集中类的个数；其次，使用最大最小距离积法来确定初始飞蛾，计算除去初始飞蛾的其他飞蛾到初始飞蛾的距离，根据最小距离来进行聚类的划分；接着，使用飞蛾扑火算法对每一个类都得到新的聚类中心，最后，使用飞蛾扑火算法和K均值方法不断交替更新聚类中心点，直到达到规定的迭代次数为止，最终所得到的聚类中心点就是最终聚类中心点。
-
公开(公告)号：CN108845508B
公开(公告)日：2021-03-30
申请号：CN201810670604.5
申请日：2018-06-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于CMAC‑滑膜一体化控制的无人机半物理仿真控制方法，首先在MATLAB/Simulink上建立基于CMAC‑滑模一体化控制的模型；然后在LabVIEW上建立控制该模型的地面站；最后根据LabVIEW给定无人机模型飞行指令，通过CMAC‑滑模一体化控制模型输出控制量，最终控制飞行器姿态。本发明提高了控制精度，可以使程序在低成本处理器下实时运行，并达到精确控制，数据收敛更快，精度更高。
-
公开(公告)号：CN107784639B
公开(公告)日：2021-03-09
申请号：CN201711064600.4
申请日：2017-11-02
Applicant: 长安大学
Abstract: 本发明公开了一种无人机遥感图像改进多边滤波去噪方法，首先获取待滤波的遥感图像；接着将获取到的遥感图像由RGB颜色空间转换到Lab颜色空间；再对得到的Lab颜色空间的遥感图像分别计算脉冲权值、空间相似度、亮度相似度、梯度相似度和局部均值等滤波器系数；而后按照本发明提出的多边滤波器进行滤波处理；最后将去噪处理后的Lab颜色空间的遥感图像转换到RGB颜色空间并输出。本发明能够较好地滤除遥感图像中的脉冲噪声，与双边滤波相比去噪后图像的信噪比有显著提升，算法实用性较强，对提高遥感图像质量和提取有用信息有着积极的意义。
-
Patent Agency Ranking
公开(公告)号：CN109919832A
公开(公告)日：2019-06-21
申请号：CN201910146066.4
申请日：2019-02-27
Applicant: 长安大学
Abstract: 本发明公开了一种用于无人驾驶的交通图像拼接方法，获取要进行拼接的交通图像；构建Hessian矩阵，生成所有的兴趣点，用于特征的提取；构建尺度空间；特征点定位；特征点主方向分配；生成特征点描述子；通过双向匹配与相似小波特征匹配实现特征点的匹配；随机从数据集中随机抽出4个样本数据计算出变换矩阵H；计算投影误差，加以判定，若符合则匹配点输出，否则返回，根据特征点进行图像拼接。本发明双向相似小波特征匹配surf算法与传统Surf算法相比提高了粗匹配的精度，同时也减小了下一步Ransac去误匹配的工作量，自适应低迭代Ransac算法与传统Ransac算法相比实现了最少匹配点阈值的自适应并且降低了迭代的次数，提高了算法的效率。
-
公开(公告)号：CN106530245A
公开(公告)日：2017-03-22
申请号：CN201610959951.0
申请日：2016-10-27
Applicant: 长安大学
CPC classification number: G06T5/009 , G06T5/50 , G06T2207/10048 , G06T2207/20028
Abstract: 本发明公开了一种无人机载隧道火灾红外图像分频段增强方法，1：利用无人机载红外热成像仪拍摄隧道火灾图像；2：将红外火灾图像转换到灰度空间得到灰度图；3：利用红外火灾图像的灰度图进行自适应双边滤波得到低频分量，即基本层；4：由灰度图减去低频分量，得到高频分量，即细节层；5：将基本层通过Naka-Rushton方程处理得到适宜人眼观看的基本层；6：将细节层通过改进的gamma处理得到增强后的细节层；7：将适宜人眼观看的基本层和增强后的细节层相加合成得到增强后的图像；8：将增强后的图像进行直方图均衡化即得到最终处理结果。在火焰整个燃烧过程中，本发明方法都能够有更好的自适应性，对图像进行细节加强处理。
-
公开(公告)号：CN106127105A
公开(公告)日：2016-11-16
申请号：CN201610415465.2
申请日：2016-06-13
Applicant: 长安大学
CPC classification number: G06K9/00637 , G06T2207/30184
Abstract: 本发明公开了一种基于快速随机Radon变换的无人机视觉巡线方法，首先利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转为灰度图；然后对获得的灰度图提取边缘；然后进行基于角度限定参数判决的Radon变换，将竖直方向检测到的线去掉；最后采用加入双阈值取值范围的随机Radon图像检测算法进行判决，得到输电直线。本发明基于高压输电线是暗目标且近似水平的线状特征，利用基于角度限定的多尺度线状目标强化方法对目标进行优化，然后对筛选后结果进行一定角度范围内的Radon变换，并在Radon变换中通过限定阈值的取值范围来达到准确识别高压电线的结果。
-
公开(公告)号：CN109087254B
公开(公告)日：2021-12-31
申请号：CN201810385966.X
申请日：2018-04-26
Applicant: 长安大学
Abstract: 本发明公开了无人机航拍图像雾霾天空和白色区域自适应处理方法，首先获取待处理的无人机航拍含雾图像；然后获取含雾图像的暗通道图像和灰度图像；根据暗通道图像计算图像的大气光值A；将暗通道图像作为大气耗散函数的粗估计值并根据灰度图像求出能够分割近景与天空或白色区域的自适应阈值ThrB；然后分区域处理图像，计算修正系数，并将其代入改进大气耗散函数公式中得出改进后的大气耗散函数值；再通过双边滤波将对获得的改进大气耗散函数精细化；而后根据透射率估计公式求出图像透射率t(x)；最后根据图像退化模型恢复出无雾图像。
-
公开(公告)号：CN109345475B
公开(公告)日：2021-07-23
申请号：CN201811094769.9
申请日：2018-09-19
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了一种无人机遥感山区公路图像滤波方法，获取无人机遥感山区公路图像；用小波函数对步骤1中获得的遥感图像进行两层小波分解；设置阈值向量，分别对水平、垂直、对角三个方向的高频系数进行软阈值滤波，其中垂直方向滤波两次，其他方向滤波一次；对滤波后的图像进行小波重构；对上一步获得的图像进行小波一层分解，并用改进Kuwahara滤波器对高频系数其进行滤波；重构滤波之后的图像，得到最终图像。本发明在小波变换的基础上，采用改进Kuwahara滤波器进行滤波，能够将图像中的高斯噪声滤除干净，并且具有很好的边缘细节信息保护性能。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.019 seconds)
