-
公开(公告)号：CN109242888A
公开(公告)日：2019-01-18
申请号：CN201811020797.6
申请日：2018-09-03
Applicant: 中国科学院光电技术研究所
IPC: G06T7/30
Abstract: 本发明提供一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法。首先，计算出可见光图像的对比度，若可见光图像对比度低则将其进行对比度受限的自适应直方图均衡。使用改进后的Frequency Tuned(FT)算法提取红外图像显著性区域，然后对显著性图进行抑制背景的处理。接着，分别对红外图像及处理后的可见光图像进行非下采样轮廓波变换(NSCT)获得低频与高频信息。在低频信息部分，利用显著性图进行融合，在高频信息部分采用绝对值取大的融合规则进行融合，最后将得到的融合低频系数和高频系数进行逆NSCT获得融合图像。本发明使融合后的图像细节信息更丰富，目标区域更为突出，使融合图像的视觉效果更好，更适合人眼观察和计算机处理。
-
公开(公告)号：CN108846850A
公开(公告)日：2018-11-20
申请号：CN201810506766.5
申请日：2018-05-24
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于TLD算法的目标跟踪方法，包括以下步骤：(1)在初始帧，由用户指定跟踪窗口生成正负样本初始化检测模块并形成目标模型。(2)在跟踪过程中，检测模块和跟踪模块独立工作：检测模块扫描当前帧图像获得图像块并依次通过方差分类器、合并分类器、最近邻分类器；跟踪模块采用带有失败检测机制的中值光流法预测当前帧目标位置；(3)整合模块综合检测模块和跟踪模块进行跟踪结果的输出；(4)在更新后的位置产生新的正负样本并利用当前跟踪结果置信度进行加权，利用加权后的正负样本更新检测模块。(5)循环(2)-(3)直至跟踪结束。在公开数据集上进行的对比实验表明，该方法可以在一定程度上提高跟踪的鲁棒性和精度。
-
公开(公告)号：CN108765455A
公开(公告)日：2018-11-06
申请号：CN201810506760.8
申请日：2018-05-24
Applicant: 中国科学院光电技术研究所
CPC classification number: G06T7/223 , G06K9/00724 , G06K9/6256 , G06K9/6276 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了一种基于TLD算法的目标稳定跟踪方法，包括以下步骤：(1)在待跟踪视频的起始帧进行初始化训练。(2)在跟踪过程中，检测模块和跟踪模块独立工作：检测模块扫描当前帧图像获得图像块并依次通过方差分类器、合并分类器、最近邻分类器，然后对图像块进行聚类；跟踪模块采用中值光流法由上一帧跟踪结果预测当前帧目标位置，并计算该两帧目标位置中心点间的欧式距离D，若D大于一个自适应的阈值，则判定当前帧跟踪失败，跟踪模块不输出任何结果；(3)整合模块输出跟踪结果；(4)对当前更新后的目标位置，产生新的正负样本，从而更新检测模块。(4)循环(2)‑(3)直至跟踪结束。该方法可以在一定程度上提高跟踪的稳定性。
-
公开(公告)号：CN107818302A
公开(公告)日：2018-03-20
申请号：CN201710989778.3
申请日：2017-10-20
Applicant: 中国科学院光电技术研究所
CPC classification number: G06K9/00362 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的非刚性多尺度物体检测方法，首先设计深度网络，并以具有一定代表性的红外行人数据集cvc-09,cvc-14(有约20x30像素的小目标，也有较近距离的大目标行人)，以及自己标注的小目标行人数据进行目标检测的深度网络学习训练，然后基于硬件平台设计不同的检测模型，并加以评估。所设计网络，运用7x7网格划分并针对每个格子运用6个侯选框，完成目标区域提名，通过分类识别和位置回归分析实现行人目标检测。该设计中运用神经网络，增加了检测模型的特征提取能力。鉴于网格划分的思想，实现了检测的实时性，运用不同目标尺度的数据集和多尺度训练，增多侯选框数量，最终增强小目标的检测能力。
-
公开(公告)号：CN106469313A
公开(公告)日：2017-03-01
申请号：CN201610871794.8
申请日：2016-09-30
Applicant: 中国科学院光电技术研究所
CPC classification number: G06K9/4604 , G06K9/342 , G06K9/40 , G06K9/48 , G06K2009/485
Abstract: 本发明公开了一种管径自适应时空域滤波的弱小目标检测方法，首先采用各向异性微分算法对待处理图像进行背景预测，以提高后续目标检测能力；然后采用局部极大值方法对差分图进行分割，获取二值图像；其次初始化时域参数(累积帧长度)和空域参数(管径大小)，并依次输入累积帧长度为N的系列二值图；最后采用管径自适应的时空域滤波对多帧图像进行检测，以获取真实目标点，同时对检测结果进行叠加，输出目标运动轨迹。与传统的管径固定的管道滤波目标检测方法相比，本发明利用目标在时空域间多帧运动关联基础上，根据目标尺度变化自适应地修改管径大小，有效解决管径不变目标变小/变大所带来的检测问题，大大提高目标检测精度。
-
Patent Agency Ranking
公开(公告)号：CN106447692A
公开(公告)日：2017-02-22
申请号：CN201610871684.1
申请日：2016-09-30
Applicant: 中国科学院光电技术研究所
CPC classification number: G06N3/126 , G06T2207/20024 , G06T2207/20084
Abstract: 一种样本自适应的免疫遗传粒子滤波弱小目标跟踪方法,首先采用各向异性微分算法对待处理图像进行背景预测，并将预测的背景图与原图做差分处理，获取差分图，以自动捕获跟踪目标及提高后续目标跟踪效率；然后以上述捕获的目标为中心在其邻域内进行随机采样，获取粒子集，同时计算相应的粒子权值并归一化权值；其次根据粒子权值估算有效粒子数，若有效粒子数小于阈值，则进入免疫遗传粒子集优化过程，若有效粒子数大于阈值，则直接进入自适应重采样过程；最后对粒子状态进行最优估计，输出跟踪结果，并进行下一时刻的循环，直至结束。本发明有效增加粒子的多样性，尤其是在目标受背景干扰时，减少了样本缺失的现象，同时自适应修改每次迭代所需的粒子数，在保证跟踪精度的同时提高了运算效率。
-
公开(公告)号：CN104361553A
公开(公告)日：2015-02-18
申请号：CN201410610231.4
申请日：2014-11-02
Applicant: 中国科学院光电技术研究所
IPC: G06T1/20
Abstract: 本发明提供一种提高图形处理器处理效率的同步方法，该同步方法包括：图形处理器当前执行核进入同步后，在图形处理器内建立同步输入向量和同步输出向量；图形处理器更新同步输入向量中的标志；图形处理器对同步输入向量中的标志进行循环查询，当查询到同步输入标记已被更新后，退出循环，更新同步输出向量中的标志；图形处理器循环查询同步输出向量中的标志，当查询到同步输出向量中所有的标志均被更新后，退出循环；当前执行核完成在图形处理器内部的同步。本发明实施例提供的同步方法，实现了图形处理器在执行一个多核处理任务时，直接在图形处理器内部进行快速同步，避免了图形处理器多次返回计算机系统进行加载和同步，从而提高了图形处理器的处理效率。
-
公开(公告)号：CN118247156A
公开(公告)日：2024-06-25
申请号：CN202410385901.0
申请日：2024-04-01
Applicant: 中国科学院光电技术研究所
IPC: G06T5/00 , G06T5/70 , G06V10/80 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/0455
Abstract: 本发明为一种基于双重估计网络的图像复原装置及方法，主要用于湍流模糊图像复原，提高图像清晰度。该方法包括建立训练数据集；对多输入多输出U‑net网络的改进；实现湍流模糊核的多尺度预测；提出并使用维纳拟合损失提高网络鲁棒性等步骤。本发明实现了双重估计多输入多输U‑net网络用于湍流模糊图像复原，所提方法提升了复原图像的峰值信噪比及清晰度。
-
公开(公告)号：CN117934548A
公开(公告)日：2024-04-26
申请号：CN202410046328.0
申请日：2024-01-12
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种基于相关滤波Staple算法的抗遮挡目标跟踪算法，涉及目标跟踪领域，以改善在遮挡和复杂背景下的目标跟踪准确性和鲁棒性。通过融合基于HOG特征和颜色直方图的模板，该算法在训练和测试中分阶段执行，更准确地估计目标位置。引入可靠性评估模块，通过最大响应值、平均峰值相关能量等指标全面评估跟踪器性能。针对跟踪失败，采用基于yolov4‑tiny的重检测模块重新找回目标，提高系统容错性。通过动态调整和更新模型，适应不同场景，实现了对可见光目标的快速、准确跟踪。本发明能够提高遮挡情况下和超出视野外等复杂场景下可见光目标的跟踪成功率，实现对可见光目标的快速、准确跟踪。
-
公开(公告)号：CN111862256B
公开(公告)日：2023-09-19
申请号：CN202010691659.1
申请日：2020-07-17
Applicant: 中国科学院光电技术研究所
IPC: G06T11/00
Abstract: 本发明公开了一种在压缩感知图像重建中小波稀疏基优化方法。在压缩感知图像重建中，离散小波变换通常用作信号稀疏分解基来使原始信号变得更加稀疏。但是，为了在更低采样率下重构更高质量的图像，离散小波变换的稀疏表示性能通常不够好。基于图像列信号在小波域内的系数分布呈近似指数衰减的特点，本发明设计出一种相应的对角元素呈指数衰减分布的抑制矩阵作为乘法因子加入到小波分解基中。通过实验选择合适的抑制参数达到相对最优的实验结果，在和小波基优化前的传统方式相比，本发明不仅有效地提升了小波系数的稀疏度，而且重构图像的峰值信噪比提升了1.5到2.5dB，本发明性能和有效性已经通过实验进行了测试和证明。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.042 seconds)
