-
公开(公告)号：CN113222825A
公开(公告)日：2021-08-06
申请号：CN202110618404.7
申请日：2021-06-03
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了基于可见光图像训练的红外图像超分辨率重构方法及应用。其中所述重构方法通过由可见光图像的高分辨率图像块及其低分辨率图像块组成的训练集对含有注意力机制的密集残差卷积神经网络模型进行训练，由训练完成的模型对红外图像进行超分辨率重构，其模型收敛速度快、可高效准确地提取图像深层特征，由低分辨率红外图像得到细节及边缘清晰、丰富，图像分辨率高的高分辨率红外图像。
-
公开(公告)号：CN113222824A
公开(公告)日：2021-08-06
申请号：CN202110618368.4
申请日：2021-06-03
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种红外图像超分辨率及小目标检测方法，首先设计了通过可见光图像辅助红外图像的超分辨率重构算法，基于可见光图像的超分辨率技术来提高原始输入的红外图像的图像分辨率；将分辨率提升后的红外图像输入到所设计的生成对抗网络中，在所设计的生成器中，可以直接将原始图像输入到设计的网络中，所提出的级联残差融合块能够保证每一层特征信息的保留，结合提取到的高层特征和低层特征，尽可能保证图像细节纹理特征的完整性；通过生成器和判别器之间的博弈学习，来提高对小目标检测的正确率。本发明提高对红外图像中小目标的正确检测率，有效降低了背景杂波对目标正确检测的影响，虚警率大幅度降低。
-
公开(公告)号：CN111507271B
公开(公告)日：2021-01-12
申请号：CN202010309684.9
申请日：2020-04-20
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种机载光电视频目标智能化检测与识别方法，在YOLOv3模型的基础上采用长方形卷积提取如桥梁等条形目标特征，采用膨胀卷积扩大感受野并保留多尺度目标的空间结构信息，在特征金字塔上采样分支引入视觉注意力机制赋予模型学习不同区域、不同通道目标特征的不同权重，将残差模块的卷积方式改进为深度可分离卷积减少计算复杂度。本发明的优点是：该方法在保持较高航拍目标检测精度的同时，能够在机载嵌入式系统上具有较快的航拍目标检测与识别速度。
-
公开(公告)号：CN111508002B
公开(公告)日：2020-12-25
申请号：CN202010309617.7
申请日：2020-04-20
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种小型低飞目标视觉检测跟踪系统及其方法，系统包括：视频数据输入单元、视频预处理单元、训练数据构建单元、检测模型训练单元、目标比对筛选单元、检测校正单元、基准帧初始化单元、样本库动态构建单元、在线学习单元、位置精修单元、决策控制单元和跟踪结果输出单元。方法包括：目标检测网络构建，目标比对筛选；目标跟踪在线学习；动态构建分类器训练样本库，目标跟踪位置精修；本发明的优点是：能够有效缓解跟踪目标由于遮挡、尺度变化、光照等因素造成的跟踪漂移状况的发生，可以实现鲁棒的目标跟踪。具备根据目标变化及时更新基准帧特征的能力，同时引入特征点匹配算法又可以避免由于更新基准帧特征带来的错误跟踪。
-
公开(公告)号：CN111507271A
公开(公告)日：2020-08-07
申请号：CN202010309684.9
申请日：2020-04-20
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种机载光电视频目标智能化检测与识别方法，在YOLOv3模型的基础上采用长方形卷积提取如桥梁等条形目标特征，采用膨胀卷积扩大感受野并保留多尺度目标的空间结构信息，在特征金字塔上采样分支引入视觉注意力机制赋予模型学习不同区域、不同通道目标特征的不同权重，将残差模块的卷积方式改进为深度可分离卷积减少计算复杂度。本发明的优点是：该方法在保持较高航拍目标检测精度的同时，能够在机载嵌入式系统上具有较快的航拍目标检测与识别速度。
-
Patent Agency Ranking
公开(公告)号：CN114170094B
公开(公告)日：2024-05-31
申请号：CN202111361000.0
申请日：2021-11-17
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
IPC: G06T5/70 , G06T3/4076 , G06N3/082 , G06N3/0464 , G06N3/0455 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于孪生网络的机载红外图像超分辨率与噪声去除算法，包括：步骤1：构建训练集与测试集；步骤2：构建基础孪生网络框架；步骤3：训练与测试。本发明利用孪生网络的两个分支共享权重的特点，既能达到去除噪声的目的，同时提高图像的分辨率。同时使用局部跳跃连接与全局跳跃连接，在充分用低频信息的同时加速网络收敛。此外，加入空间注意力机制，自适应调整空间域权重，突出目标与背景的对比度，更好地服务于目标跟踪与目标检测等工作。
-
公开(公告)号：CN113222825B
公开(公告)日：2023-04-18
申请号：CN202110618404.7
申请日：2021-06-03
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了基于可见光图像训练的红外图像超分辨率重构方法及应用。其中所述重构方法通过由可见光图像的高分辨率图像块及其低分辨率图像块组成的训练集对含有注意力机制的密集残差卷积神经网络模型进行训练，由训练完成的模型对红外图像进行超分辨率重构，其模型收敛速度快、可高效准确地提取图像深层特征，由低分辨率红外图像得到细节及边缘清晰、丰富，图像分辨率高的高分辨率红外图像。
-
公开(公告)号：CN113256682A
公开(公告)日：2021-08-13
申请号：CN202110623933.6
申请日：2021-06-04
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种基于形态学和管道滤波的红外小目标检测跟踪方法，首先通过多属性形态学拓扑树建树方法将小目标在红外图像中的包含关系进行确定，并通过面积、高度、体积和对角线等多种属性对小目标进行增强，并将不同属性得到的结果进行融合，能够进一步增强目标并抑制背景杂波。然后，对每一帧融合结果进行自适应阈值分割并将结果转化为视频序列进行管道滤波，根据小目标运动轨迹的规则性以及噪声的随机性，对随机分布的噪声进行滤除，在最终结果中只保留有着规则轨迹运动的小目标。通过以上方法，能够将不同大小、各种类型、有着不一样强度的目标进行检测，并去除其余残余杂波，降低虚警。
-
公开(公告)号：CN111508003B
公开(公告)日：2020-12-11
申请号：CN202010309618.1
申请日：2020-04-20
Applicant: 北京理工大学 , 郑州航空工业管理学院 , 中国航空工业集团公司洛阳电光设备研究所
Abstract: 本发明公开了一种红外小目标检测跟踪及识别方法，通过使用Max‑tree和Min‑tree两种不同的建树方法分别检测不同亮度的目标，Max‑tree主要针对灰度值比背景亮的目标，Min‑tree主要针对灰度值比背景暗的目标，并使用面积属性和高度属性两个属性分别提取信息红外小目标最显著的两个特征，即红外小目标的尺寸信息以及小目标与背景之间的对比度信息，最后通过Mean‑shift实现对小目标的跟踪。本发明的优点是：在Max‑tree和Min‑tree中，分别对两种属性使用不连续的剪枝策略，并通过不同的融合策略将同一属性下不同剪枝值得到的结果以及不同属性得到的结果进行融合。
-
公开(公告)号：CN112016614A
公开(公告)日：2020-12-01
申请号：CN202010879047.5
申请日：2020-08-27
Applicant: 北京理工大学
Abstract: 本发明涉及一种光学图像目标检测模型的构建方法、目标检测方法及装置，通过对原始图像进行预处理，得到数据集；对数据集中的训练集中检测目标的边界框进行聚类处理，得到锚框的尺寸作为先验信息；将训练集和先验信息输入预先构建的深度网络学习模型中，对深度网络学习模型进行训练，得到训练后的光学图像目标检测模型；其中，深度网络学习模型的损失函数包括边界框位置损失函数、置信度损失函数，以及，类别损失函数，实现了复杂背景下，对于大尺寸光学遥感图像的目标检测，有着较好的鲁棒性和模型泛化能力，能够以更高的精度、更快的速度对不同类型的目标进行多尺度检测。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
