-
公开(公告)号：CN104574334A
公开(公告)日：2015-04-29
申请号：CN201510014641.7
申请日：2015-01-12
Applicant: 北京航空航天大学
Inventor： 白相志
IPC: G06T5/50
Abstract: 一种利用模糊度量和形态学交替算子的红外与可见光图像融合方法，它有四大步骤：一、利用两种形态学交替算子提取原始红外与可见光图像中的多尺度特征；二、由提取到的多尺度特征构造多尺度融合特征；三、利用模糊度量计算每一尺度融合特征的权值，通过加权求和产生最终的融合特征；四、以原始图像的平均图像为基准，引入最终的融合特征，生成最终融合图像。本发明可应用于各类基于图像融合的实际应用系统，具有很好的应用前景。
-
公开(公告)号：CN104134208A
公开(公告)日：2014-11-05
申请号：CN201410340631.8
申请日：2014-07-17
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明涉及一种利用几何结构特征从粗到精的红外与可见光图像配准方法，包括以下步骤：(1)对红外与可见光图像分别提取图像边缘及兴趣点这两种几何结构特征，为后续的图像配准做准备；(2)利用边缘对准算法求解初始变换参数，寻找可以使两幅图像的边缘重叠率最大的图像变换；(3)利用上一步计算出的近似变换将每一个兴趣点的待匹配区域缩小为其变换点的邻域范围以排除无关点的干扰，之后利用尺度不变特征变换(SIFT)描述子执行缩小待匹配区域的兴趣点匹配操作；(4)对初始匹配点对执行改进的随机采样一致性(RANSAC)操作以移除误匹配点对；(5)利用剩余的正确匹配点对计算出最终的更加准确的图像变换，完成配准任务。
-
公开(公告)号：CN103996209A
公开(公告)日：2014-08-20
申请号：CN201410216050.3
申请日：2014-05-21
Applicant: 北京航空航天大学
IPC: G06T7/20
Abstract: 一种基于显著性区域检测的红外舰船目标分割方法，包含七个步骤：一、局部行对比度检测；二、边缘强度检测；三、显著线性结构检测；四、亮前景区域检测；五、显著性区域检测；六、局部显著性区域分割，对显著性图像分区域用基于均值、标准差和估计背景构造的自适应阈值处理得到初步舰船分割结果；七、显著性区域筛选，对于初步结果用显著性特征和形状特征进行筛选判别，最终得到舰船目标分割结果。本发明能够有效分割红外舰船图像，并能有效抑制复杂背景和光照不均带来的影响。
-
公开(公告)号：CN101944232B
公开(公告)日：2013-08-14
申请号：CN201010271512.3
申请日：2010-09-02
Applicant: 北京航空航天大学
Abstract: 本发明一种利用最短路径的粘连细胞精确分割方法，它有六大步骤：一、标记点提取通过常用细胞分割算法获取与粘连细胞对应的标记点图像；二、距离变换计算标记点图像的欧氏距离图；三、初始分割线计算利用水域分割方法分割欧氏距离图得到水域分割线，并将位于粘连细胞区域内部的水域分割线作为粘连细胞的初始分割线；四、初始分割线分离根据初始分割线的拓扑结构将粘连在一起的初始分割线分离为独立的分割线；五、最短路径计算以每个独立分割线的两个端点为起点和终点，利用最短路径方法计算两个端点之间的精确分割线；六、最后分割将得到的粘连区域精确分割线和粘连区域的外围边界线进行连接实现粘连细胞的精确分割。本发明能广泛应用于细胞分割。
-
公开(公告)号：CN102184534B
公开(公告)日：2013-06-26
申请号：CN201110137557.6
申请日：2011-05-25
Applicant: 北京航空航天大学
IPC: G06T5/20
Abstract: 一种利用多尺度高帽选择变换的图像融合方法，它有五大步骤：一、通过定义高帽选择变换中的参数用于提取图像中的有效区域；二、利用多尺度结构元素通过定义的高帽选择变换提取原始图像多尺度亮区域和暗区域：三、针对每一尺度下提取到的不同原始图像的亮区域和暗区域，利用最大值获取每一尺度下对应融合图像的亮区域和暗区域；四、通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域；五、利用原始图像平均得到基本图像后，在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的，使得融合图像的对比度和图像细节明显改善。本发明应用于各类基于图像的应用系统，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN102184534A
公开(公告)日：2011-09-14
申请号：CN201110137557.6
申请日：2011-05-25
Applicant: 北京航空航天大学
IPC: G06T5/20
Abstract: 一种利用多尺度高帽选择变换的图像融合方法，它有五大步骤：一、通过定义高帽选择变换中的参数用于提取图像中的有效区域；二、利用多尺度结构元素通过定义的高帽选择变换提取原始图像多尺度亮区域和暗区域：三、针对每一尺度下提取到的不同原始图像的亮区域和暗区域，利用最大值获取每一尺度下对应融合图像的亮区域和暗区域；四、通过取所有尺度上对应融合图像的亮区域或暗区域的最大值来获取用于最后图像融合的亮区域和暗区域；五、利用原始图像平均得到基本图像后，在基本图像上分别加上获取的亮区域并减去获取的暗区域达到图像融合的目的，使得融合图像的对比度和图像细节明显改善。本发明应用于各类基于图像的应用系统，具有广阔的应用前景。
-
公开(公告)号：CN101807294A
公开(公告)日：2010-08-18
申请号：CN201010105996.4
申请日：2010-02-03
Applicant: 北京航空航天大学
IPC: G06T5/20
Abstract: 本发明涉及一种利用多尺度多结构元素数学形态学的图像增强方法，它有四大步骤：设有n个尺度、m个不同形状的结构元素参与计算，首先，利用数学形态学中的高帽变换计算每个尺度下m个不同形状结构元素对应的图像区域；然后，通过累加每个结构元素对应的图像区域得到每个尺度下由m个结构元素提取的亮区域和暗区域：随后，取所有尺度下亮区域和暗区域的最大值作为所有尺度下所有结构元素提取的亮区域和暗区域；最后，通过在原始图像上分别加上提取的亮区域并减去提取的暗区域增大原始图像上亮区域和暗区域之间的对比度，从而达到图像增强的目的。本发明广泛应用于各类基于图像的应用系统，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN101604395A
公开(公告)日：2009-12-16
申请号：CN200910089337.3
申请日：2009-07-16
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 一种利用多尺度数学形态学的相似物体不变矩分类方法，其基本流程是首先利用多尺度数学形态学提取物体训练图像的细节特征，并将物体的多尺度细节特征进行各种合并形成不同类相似物体在多个尺度上的真正不同部分。然后，任选一种不变矩方法计算这些真正不同部分的不变矩的值。随后，通过一种测度对真正不同部分的不变矩的值进行评测，自动选择能够有效区分相似物体的真正不同部分及其对应的不变矩。最后，利用选择的真正不同部分及其对应的不变矩对相似物体进行分类。实现相似物体的有效分类。本发明可广泛应用于各类目标识别和分类系统，在数字图像处理和模式识别领域具有广阔的市场前景与应用价值。
-
公开(公告)号：CN115388874B
公开(公告)日：2024-05-31
申请号：CN202210968287.1
申请日：2022-08-12
Applicant: 北京航空航天大学
Abstract: 本发明提出一种基于单目相机的圆形靶标位姿估计方法，包括：步骤一、靶标成像椭圆方程求解；步骤二、靶标法向量计算；步骤三、靶标中心三维坐标计算；步骤四、靶标法向量解耦；步骤五、靶标位姿优化。本发明给出了求解靶标位置和平面法向量的完备的解析形式，能够在单个毫秒内完成解算，具有高速高精度的特性，同时采用单目相机降低了测量对系统硬件设备的要求，提高了系统的灵活性和适应性。系统中采用合作靶标的方法，既能高鲁棒性地解决法向量解耦问题，也能提高靶平面法向量计算的精度，由于合作靶标配置方案在测量中很容易实现，也是实际测量中常用的测量策略，因此该方法在合作测量中具有广泛的应用前景。
-
公开(公告)号：CN114170244B
公开(公告)日：2024-05-28
申请号：CN202111404516.9
申请日：2021-11-24
Applicant: 北京航空航天大学
IPC: G06T7/11 , G06T7/13 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于级联神经网络结构的脑胶质瘤分割方法，该方法包括：步骤一：利用级联神经网络结构的脑胶质瘤分割网络产生高精度的肿瘤区域分割结果；步骤二：针对多尺度残差特征以及全局特征，一方面利用分割及边缘检测网络生成整个肿瘤分割结果及其边缘检测结果；另一方面设计级联网络在初步整个肿瘤分割结果下生成肿瘤核心区域和肿瘤增强区域分割结果；步骤三：构造损失函数对精准脑部神经肿瘤分割网络进行训练；输出：用训练好的级联神经网络结构的脑胶质瘤分割网络对原始多模态图像进行肿瘤区域分割。本发明可以与各类基于医学图像的应用系统相结合，帮助提升多种模态影像的分割质量，具有广阔市场前景与应用价值。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.033 seconds)
