-
公开(公告)号：CN105023264A
公开(公告)日：2015-11-04
申请号：CN201410173152.1
申请日：2014-04-25
Applicant: 南京理工大学
Abstract: 本发明提出一种结合对象性和背景性的红外图像显著特征检测方法。本发明利用显著物体的对象性，判定显著物体在图像中的位置和区域，并保全显著区域的完整性，得到对象性下的显著图；同时利用图像的背景性，以图像的四个边界为起始点，平滑图像大部分的背景区域，得到背景性下的显著图。最后特征整合理论，将两种显著图结合起来，得到最终的显著图。本发明提高了目标检测的准确度和识别效率。
-
-
公开(公告)号：CN102663752B
公开(公告)日：2014-10-15
申请号：CN201210104037.X
申请日：2012-04-11
Applicant: 南京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种SAM加权KEST高光谱异常检测算法(SKEST)。首先，推导SKEST算法；其次采用双矩形窗口，对高光谱图像中每个像元计算其SKEST值，进行阈值分割，检测出异常点。SKEST算法在基于核的特征空间分离变换算法(KEST)基础上，采用光谱角匹配(SAM)测度对高维特征空间检测点邻域差异相关矩阵(DCOR)中每个样本引入权重因子，各样本权重因子取决于该样本光谱向量与检测窗口数据中心向量夹角。从而抑制检测窗口中的异常数据，突出主成分数据的贡献，使得DCOR矩阵能够更好地描述目标、背景数据分布差异；同时SAM对光谱能量是鲁棒的，结合径向基核函数，SKEST算法既考虑了信号的光谱能量差异，也考虑了信号的光谱曲线形状差异，因而更符合高光谱数据特性。
-
公开(公告)号：CN103473759A
公开(公告)日：2013-12-25
申请号：CN201310253229.1
申请日：2013-06-24
Applicant: 南京理工大学
Abstract: 本发明公开了一种WKPCA同质度校正nCRF抑制的微光图像显著轮廓提取方法。首先提出一种WKPCA算法，对高维特征空间的各特征向量进行特征向量角匹配(FAM)加权，削弱或排除CRF区域内病态或异常的特征数据干扰，更精确的提取CRF主成分；在此基础上，定义一种同质度概念和计算方法，通过nCRF特征向量在中心主成分的投影，计算环境-中心的同质性；最后基于该同质度对nCRF中各抑制量校正，使得同质区域相互抑制量大、异质区域抑制量小或不相互抑制、同时尽可能削弱轮廓元素自抑制作用，从而提高抑制作用的准确率。因此本发明提出的模型能够更全面的检测环境-中心的差异，降低噪声干扰、更精确的抑制纹理细节、提高轮廓响应强度和完整性。
-
Patent Agency Ranking
公开(公告)号：CN104240229B
公开(公告)日：2017-11-14
申请号：CN201410284944.6
申请日：2014-06-23
Applicant: 南京理工大学
IPC: G06T7/80
Abstract: 本发明公开了一种红外双目相机自适应极线校正方法，仅需两幅红外图像作为输入，首先对红外双目图像进行预处理以实现对比度增强；对两幅红外图像分别提取SIFT特征点，并匹配得到匹配点；在处理误匹配时，采用改进的基于近邻度的离群点检测思想去除误匹配点；利用引入混沌优化思想和遗传算法中杂交思想的改进粒子群算法，进行全局寻优，得到两个变换矩阵；对两幅红外图像分别根据对应的变换矩阵进行像素映射，即可得到校正后的双目图像。实验证明，该方法能适应绝大多数场景，具有很高的校正精度和自适应性。
-
公开(公告)号：CN103903251B
公开(公告)日：2017-03-29
申请号：CN201210585029.1
申请日：2012-12-30
Applicant: 南京理工大学
IPC: G06T7/12
Abstract: 本发明公开了一种基于非经典感受野复合调制的夜视图像显著轮廓提取方法，根据一种非经典感受野复合调制模型构建多尺度迭代注意方法，在迭代过程中动态变化非经典感受野复合调制的尺度因子，计算出输入的夜视图像的复合调制结果；在每步迭代过程中，针对输入图像中各像素点，首先采用多维特征对比度MFC加权抑制模型计算各像素点的抑制结果，然后基于编组兴奋投票GEV易化模型计算各像素点的易化结果，最终获得非经典感受野复合调制输出。本发明方法解决了微光、红外图像中的噪声、纹理抑制，以及由成像特性、环境抑制、噪声干扰导致的轮廓间断问题。
-
-
公开(公告)号：CN105023015A
公开(公告)日：2015-11-04
申请号：CN201410173177.1
申请日：2014-04-25
Applicant: 南京理工大学
Abstract: 本发明提出一种基于上下文信息传播局部回归核的目标识别方法。在给定的模板图像中利用局部回归核获取局部结构信息，同时考虑局部区域的上下文信息，通过上下文的信息和局部信息的相互关系，在目标图像中搜索和模板图像相似的特征区域；在此基础上，为了减少特征数据量的冗余，利用局部保留投影对图像特征进行降维，采用余弦矩阵相似度量相关特征之间的相似性，寻找相似的特征区域；最后利用非极大值抑制方法抑制不显著的区域特征，得到最终的识别结果。本发明提高了目标识别的准确度和识别效率。
-
公开(公告)号：CN102663752A
公开(公告)日：2012-09-12
申请号：CN201210104037.X
申请日：2012-04-11
Applicant: 南京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种SAM加权KEST高光谱异常检测算法(SKEST)。首先，推导SKEST算法；其次采用双矩形窗口，对高光谱图像中每个像元计算其SKEST值，进行阈值分割，检测出异常点。SKEST算法在基于核的特征空间分离变换算法(KEST)基础上，采用光谱角匹配(SAM)测度对高维特征空间检测点邻域差异相关矩阵(DCOR)中每个样本引入权重因子，各样本权重因子取决于该样本光谱向量与检测窗口数据中心向量夹角。从而抑制检测窗口中的异常数据，突出主成分数据的贡献，使得DCOR矩阵能够更好地描述目标、背景数据分布差异；同时SAM对光谱能量是鲁棒的，结合径向基核函数，SKEST算法既考虑了信号的光谱能量差异，也考虑了信号的光谱曲线形状差异，因而更符合高光谱数据特性。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.022 seconds)
