-
公开(公告)号：CN106056565B
公开(公告)日：2018-11-09
申请号：CN201610374485.X
申请日：2016-05-31
Applicant: 北京航空航天大学
IPC: G06T5/50
Abstract: 本发明一种基于多尺度形态学双边滤波和对比度压缩的MRI与PET图像融合方法：对PET彩色图像插值运算，使分辨率与MRI图像相同，对R、G、B三通道IHS变换，得I、H、S三通道；对PET图像的I通道和MRI图像多尺度形态学双边滤波分解，得亮特征图像、暗特征图像和基频图像；对MRI图像分解得到的亮特征和暗特征图像对比度压缩、调整灰度范围，使之与I通道分解得到亮特征和暗特征图像灰度范围相同；将对比度压缩后MRI亮特征和暗特征图像与I通道分解得到的亮特征和暗特征图像进行最大值运算，得矫正后亮特征和暗特征图像，矫正后亮特征图像减去矫正后暗特征图像，加上PET图像分解得到的基频图像得到融合亮度图FI；将FI、H和S三通道进行IHS逆变换，得到融合后彩色图像。
-
公开(公告)号：CN106056581B
公开(公告)日：2018-07-27
申请号：CN201610343256.1
申请日：2016-05-23
Applicant: 北京航空航天大学
Abstract: 种利用改进模糊聚类算法提取红外行人目标的方法,该方法具体步骤如下:步骤:检测行人目标对称轴所在位置;首先使用显著性算法得到目标所在的区域,然后使用模糊C均值算法对目标所在区域进行初分类,通过对初分类结果图像的每列求和,得到列求和曲线,然后求该曲线的极值,认为极值所在位置即为行人的对称轴位置;步骤二:为了降低红外图像中的灰度不均匀现象对聚类过程的影响,采用形态学闭运算对原始图像进行预处理;步骤三:采用改进的模糊聚类算法对预处理后图像进行聚类分割;步骤四:为了得到轮廓完整且具有平滑边缘的分割结果,需要对聚类结果进行后续处理:剔除非行人目标区域和小面积区域,并平滑边缘。
-
公开(公告)号：CN105528795B
公开(公告)日：2018-06-01
申请号：CN201610090345.X
申请日：2016-02-18
Applicant: 北京航空航天大学
Abstract: 一种利用环形最短路径的红外人脸分割方法，它实施步骤有：一、通过腐蚀、膨胀等形态学方法对采集到的红外人脸图像进行预处理，获得特征明显、轮廓较清晰的图像；二、对图像采用大津阈值进行二值化处理，并对其进行开操作；三、对待处理人脸区域对应的经过预处理的原图像进行锐化；四、对复合图像在以几何中心为原点的极坐标下进行数据采集。通过上述步骤，对原始红外图像进行了有效的预处理，再通过适当的算法和优化，实现了对红外人脸的精确分割。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：CN107194355A
公开(公告)日：2017-09-22
申请号：CN201710373939.6
申请日：2017-05-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用方向导数构造熵对比度的红外弱小目标检测方法，它有四大步骤：首先，基于最小二乘曲面拟合，利用小面模型使用卷积操作快速求解出红外图像各像素点分别在4个方向的一阶导数；然后，由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；随后，对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该度量在各个方向导数子图中对背景进行抑制，对目标进行增强；最后，对各个方向导数子图的熵对比度相乘融合，进一步抑制边缘杂波背景，突出弱小目标。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN104881855B
公开(公告)日：2017-07-28
申请号：CN201510315767.8
申请日：2015-06-10
Applicant: 北京航空航天大学
IPC: G06T5/50
Abstract: 一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法，步骤是：一、利用梯度特征构造图像初始清晰度分布图；二、由初始清晰度分布图计算得到粗糙清晰度分布图，再确定最终清晰度分布图；三、利用形态学小面积移除运算和形态学开闭运算对最终清晰度分布图进行处理得到初始融合决策图像；四、从初始融合决策图像中提取聚焦区域和离焦区域的分界线，此分界线为自由边界条件活动轮廓模型的初始值；五、由自由边界条件活动轮廓模型得到边界线图像，并根据边界线图像和初始融合决策图像得到最终融合决策图像；六、根据多聚焦图像融合的决策图像及设定的融合准则，生成一幅各处清晰的最终融合图像。本发明广泛应用于各类图像处理的应用系统。
-
Patent Agency Ranking
公开(公告)号：CN104766321B
公开(公告)日：2017-07-25
申请号：CN201510158174.5
申请日：2015-04-03
Applicant: 北京航空航天大学
Abstract: 本发明一种利用环形最短路径的红外行人图像精确分割方法，它有五大步骤：一、显著性图像生成通过离散余弦变换得到红外行人图像的显著性图像；二、基于多阈值的前景估计采用单峰(Unimodal)阈值和大津(Otsu)阈值综合决定前景分布；三、基于标记点的水域分割利用显著性图像和阈值前景估计图像得到前景和背景的标记进而利用水域分割得到初始分割感兴趣区域；四、环形最短路径生成在初始分割区域中应用环形最短路径生成算法得到优化的行人分割轮廓；五、形态学后处理利用形态学操作将最短路径分割结果进行处理得到最终分割结果。本发明能广泛应用于红外行人分割。
-
公开(公告)号：CN106056581A
公开(公告)日：2016-10-26
申请号：CN201610343256.1
申请日：2016-05-23
Applicant: 北京航空航天大学
CPC classification number: G06K9/6223
Abstract: 一种利用改进模糊聚类算法提取红外行人目标的方法，该方法具体步骤如下：步骤一：检测行人目标对称轴所在位置；首先使用显著性算法得到目标所在的区域，然后使用模糊C均值算法对目标所在区域进行初分类，通过对初分类结果图像的每一列求和，得到列求和曲线，然后求该曲线的极值，认为极值所在位置即为行人的对称轴位置；步骤二：为了降低红外图像中的灰度不均匀现象对聚类过程的影响，采用形态学闭运算对原始图像进行预处理；步骤三：采用改进的模糊聚类算法对预处理后图像进行聚类分割；步骤四：为了得到轮廓完整且具有平滑边缘的分割结果，需要对聚类结果进行后续处理：剔除非行人目标区域和小面积区域，并平滑边缘。
-
公开(公告)号：CN106056565A
公开(公告)日：2016-10-26
申请号：CN201610374485.X
申请日：2016-05-31
Applicant: 北京航空航天大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10088 , G06T2207/10104 , G06T2207/20028
Abstract: 本发明一种基于多尺度形态学双边滤波和对比度压缩的MRI与PET图像融合方法：对PET彩色图像插值运算，使分辨率与MRI图像相同，对R、G、B三通道IHS变换，得I、H、S三通道；对PET图像的I通道和MRI图像多尺度形态学双边滤波分解，得亮特征图像、暗特征图像和基频图像；对MRI图像分解得到的亮特征和暗特征图像对比度压缩、调整灰度范围，使之与I通道分解得到亮特征和暗特征图像灰度范围相同；将对比度压缩后MRI亮特征和暗特征图像与I通道分解得到的亮特征和暗特征图像进行最大值运算，得矫正后亮特征和暗特征图像，矫正后亮特征图像减去矫正后暗特征图像，加上PET图像分解得到的基频图像得到融合亮度图FI；将FI、H和S三通道进行IHS逆变换，得到融合后彩色图像。
-
公开(公告)号：CN104376536A
公开(公告)日：2015-02-25
申请号：CN201410667506.8
申请日：2014-11-20
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本发明涉及一种利用数学形态学高帽选择变换构造中心算子的图像增强方法，它有四大步骤：设有n个尺度不同的结构元素参与计算，首先，由高帽选择变换构造中心算子和反中心算子；然后，比较由构造的中心算子平滑后的结果图像与原始图像获得亮特征和暗特征；接着，通过改变结构元素的尺度大小，由中心算子和反中心算子分别提取n个不同尺度结构元素所对应的亮特征和暗特征；随后，由所有n个尺度提取得到的亮特征和暗特征构造最终的亮特征和暗特征；最后，在原始图像上通过对比度增强的方式引入提取的最终的亮特征和暗特征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：CN103679176A
公开(公告)日：2014-03-26
申请号：CN201310743430.8
申请日：2013-12-30
Applicant: 北京航空航天大学
IPC: G06K9/46
Abstract: 本发明涉及一种利用多尺度多结构元素高帽选择变换的线性特征提取方法，包括以下步骤：首先，考虑到图像中线性特征的特点，构造高帽选择变换所需要的能够用于线性特征提取的多尺度多结构元素；然后，通过高帽选择变换利用构造的结构元素分别提取每个尺度下各个方向上可能的线性特征；其次，合并每个尺度下各个方向上的线性特征；随后，取所有尺度下线性特征的最大值作为提取的线性特征灰度图像；最后，通过二值化、剔除瑕疵、细化和小区域剔除这些后续处理得到最终结果。提取的线性特征是图像处理相关应用的重要特征。因此，本发明可以被广泛应用于各类基于图像处理的应用系统，具有广阔的市场前景与应用价值。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.048 seconds)
