-
公开(公告)号：CN104268570B
公开(公告)日：2017-10-20
申请号：CN201410483672.2
申请日：2014-09-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于类内差异的层次化单分类舰船目标虚警剔除方法，将光学遥感图像分为大船、小船和虚警切片，然后基于大船特征数据建立第一层分类器，利用第一层分类器可基本将舰船检测中最需要关注的大船识别出来；当大船特征比较明显时，经过一级检测就可将大船检测出来，因此可实现快速检测大船的目的；将漏检的大船数据集进行训练形成第二层分类器，当第一层分类器未把大船识别出来时，第二层分类器可将该容易漏检的大船检测出来，因此可提高检测概率；经过第一层分类器和第二层分类器的筛除，把小船数据集中具有大船特征的剔除，保留具有明显小船特征的数据，形成小船错分集，提高小船的检测概率。
-
公开(公告)号：CN103942803B
公开(公告)日：2017-05-17
申请号：CN201410185121.8
申请日：2014-05-05
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于SAR图像的水域自动检测方法，包括以下步骤：第一步，对SAR图像进行去噪处理；第二步，利用边缘检测算子计算输入图像的梯度，得到SAR图像的梯度图像；第三步，利用对比度拉伸变换算法提高SAR图像的对比度；第四步，利用双峰迭代法实现二次自适应阈值分割，得到两幅二值图像；第五步：利用形态学分别对第四步得到的两幅二值图像进行后处理，得到粗提取的目标候选区域；第六步：虚警剔除：标记第五步得到的粗提取的目标候选区域，并统计每个连通暗斑的面积，根据SAR图像的分辨率，设置一个面积阈值，对小于预设面积的暗斑进行剔除，最终在原图中标记出提取的水域。
-
公开(公告)号：CN103778627B
公开(公告)日：2016-11-23
申请号：CN201410001561.3
申请日：2014-01-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于SAR图像的海域溢油检测方法，针对不同海洋场景能够更准确的检测海域溢油。第一步、目标进行提取之前，对SAR图像进行均值滤波处理；第二步、利用最大类间方差的方法对均值滤波处理后的SAR图像进行第一次阈值分割，从整幅图中分割出暗海和部分溢油暗斑；第三步、利用基于上下文特征的局部对比度拉伸方法从暗海中提取溢油暗斑：对于对比度不均匀的SAR海域图像，利用第一次阈值分割会得到大面积的暗海区域；第四步，形态学操作：去除提取的暗海区域图像中的小散点暗斑；第五步，利用基于上下文特征的方法进行虚警剔除。
-
公开(公告)号：CN103778626B
公开(公告)日：2016-09-07
申请号：CN201310752016.3
申请日：2013-12-31
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著区域的图像配准方法，属于图像处理领域，该方法用于将待配图像A与参考图像B进行匹配，分别获取A与B的显著区域；每三个A的显著区域的质心为一个三角形顶点，作为第一特征三角形，同理获得第二特征三角形；相似的第一和第二特征三角形组成相似三角形对，其中(a、b)相似度最大；基于(a、b)建立由A至B变换的仿射变换模型，涉及的初始匹配参数包括水平平移量和垂直平移量、旋转角度以及尺度参数；从初始匹配参数开始进行设定步长的Powell搜索，获取搜索值，使用每个搜索值对A与B进行多次配准测试，结果最佳的配准测试对应的搜索值即为最优匹配参数；使用该最优待配参数对A进行仿射变换获得最终配准结果。
-
公开(公告)号：CN103150567B
公开(公告)日：2016-01-20
申请号：CN201310043706.1
申请日：2013-02-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种整合模式识别与上下文知识的光学遥感图像云判别方法，能够解决现有技术中只利用某一个分块本身的信息进行模式识别所带来的弊端。首先，采用L×L的正方形在光学遥感图像中进行水平和竖直方向的步进，获得分块称为Tile，每个Tile由4个Block组成。对各个Tile分块进行模式识别，获得Tile索引矩阵；根据Tile索引矩阵确定Block的判决值并进行微调；利用上下文知识，对Block的判决值进行修正；最后利用修正后的Block判决值所标记的云位置，对光学遥感图像进行云剔除。
-
Patent Agency Ranking
公开(公告)号：CN104268570A
公开(公告)日：2015-01-07
申请号：CN201410483672.2
申请日：2014-09-19
Applicant: 北京理工大学
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于类内差异的层次化单分类舰船目标虚警剔除方法，将光学遥感图像分为大船、小船和虚警切片，然后基于大船特征数据建立第一层分类器，利用第一层分类器可基本将舰船检测中最需要关注的大船识别出来；当大船特征比较明显时，经过一级检测就可将大船检测出来，因此可实现快速检测大船的目的；将漏检的大船数据集进行训练形成第二层分类器，当第一层分类器未把大船识别出来时，第二层分类器可将该容易漏检的大船检测出来，因此可提高检测概率；经过第一层分类器和第二层分类器的筛除，把小船数据集中具有大船特征的剔除，保留具有明显小船特征的数据，形成小船错分集，提高小船的检测概率。
-
公开(公告)号：CN103761526A
公开(公告)日：2014-04-30
申请号：CN201410038043.9
申请日：2014-01-26
Applicant: 北京理工大学
IPC: G06K9/60
Abstract: 本发明提出一种基于特征位置优选整合的城区检测方法，无需进行先验学习，计算简单，更适合在实际应用中实现。步骤一、图像预处理：包括RGB彩图转灰度图像及高斯金字塔生成；步骤二、城区位置特征点初步选取；步骤三、城区位置特征点筛选；步骤四、基于高斯渲染加权的城区区域整合；步骤五、通过自适应迭代法求出分割阈值并对加权矩阵进行二值化，对二值图进行连通域标记并将连通域面积小于预设阈值的连通域剔除；步骤六、对步骤一生成的高斯金字塔的各层重复步骤二至步骤五，并将各层结果扩展到原图大小后取并集得到城区候选范围，检查RGB彩图中候选范围的色彩特征，剔除色彩特征不满足条件的像素区域，得到最终检测结果。
-
公开(公告)号：CN103488992A
公开(公告)日：2014-01-01
申请号：CN201310382104.9
申请日：2013-08-28
Applicant: 北京理工大学
IPC: G06K9/54
Abstract: 本发明公开了一种面向复杂SAR图像场景的溢油检测方法，属于目标检测与识别技术领域。包括以下步骤：一，读入检测图像；二、对检测图像进行图像分割，提取出暗斑，处理后得到亮海暗斑图像；三，在亮海暗斑图像中，将除暗海区域外的部分置0或1，获得暗海图像，对于暗海图像进行图像分割，提取出暗斑，处理后得到暗海暗斑图像；第四步，将暗海暗斑图像中的暗斑加入到亮海暗斑图像中，得到全暗斑图像，剔除虚假暗斑，获得部分暗斑图像；第五步，根据部分暗斑图像设定参考灰度级，对去噪处理后的检测图像进行遗漏检索，获得遗漏暗斑，将遗漏暗斑加入到部分暗斑图像中，获得最终的溢油暗斑图像。本发明适用于复杂场景的溢油暗斑提取。
-
公开(公告)号：CN105139383B
公开(公告)日：2018-08-10
申请号：CN201510489742.X
申请日：2015-08-11
Applicant: 北京理工大学
Abstract: 本发明提供一种基于定义圆HSV颜色空间的医学图像分割方法，具体过程为：步骤一、在RGB色彩空间中找出切片图像目标颜色像素P和背景颜色像素Q的RGB值和位置信息；步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；步骤三、根据所存储的像素P的位置信息，将像素P所对应的(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，然后对去除目标颜色切片图像进行分割。利用本发明可以得到非常精确的分割结果。
-
公开(公告)号：CN103955692B
公开(公告)日：2017-07-21
申请号：CN201410182255.4
申请日：2014-04-30
Applicant: 北京理工大学
IPC: G06K9/54
Abstract: 本发明提出了一种结合灰度与拓扑特征的SAR图像水域虚警剔除方法，能够有效地剔除由山体、建筑物等阴影产生的虚警。第一步、首先采用经过预处理的SAR灰度图像和粗提取的目标候选区域图像作为输入，然后计算粗提取的目标候选区域的灰度均值；第二步、从粗提取的目标候选区域图像中提取进行虚警剔除的虚警候选区；第三步、计算所述虚警候选区域的灰度均值；第四步、利用膨胀操作对所述虚警候选区域内部的孔洞进行填充；第五步、标记填充之后的虚警候选区，利用纹理特征统计每个连通区域的拓扑描述子；第六步、针对不同的场景图像，设置不同判决条件，进行虚警剔除。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.027 seconds)
