-
公开(公告)号：CN116630655A
公开(公告)日：2023-08-22
申请号：CN202310446658.4
申请日：2023-04-24
Applicant: 西北工业大学
IPC: G06V10/58 , G06V10/774 , G06V10/772 , G06V10/762
Abstract: 本发明公开了一种基于光谱变化增广的伪装目标检测方法及装置，先根据高光谱图像获取背景光谱变化字典和目标光谱变化字典，然后将背景光谱变化字典与目标光谱变化字典合并形成联合光谱变化字典，再利用联合光谱变化字典分别对背景字典和目标字典进行扩展，形成扩展背景字典和扩展目标字典，再基于协同表示使用扩展背景字典和扩展目标字典分别对测试样本进行重构，计算扩展背景字典的重构误差和扩展目标字典的重构误差，再根据扩展背景字典的重构误差和扩展目标字典的重构误差判别测试样本是否为伪装目标。该方法增加了字典中光谱变化的多样性，解决了由样本数量少和光谱变化导致的字典中光谱变化多样性有限的问题，进而提升了该方法的检测准确率。
-
公开(公告)号：CN111027594B
公开(公告)日：2022-08-12
申请号：CN201911127627.2
申请日：2019-11-18
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于字典表示的分步式异常检测方法，包括以下步骤：步骤S1、选取待测试样本，提取待测试样本图像特征；步骤S2、运用正常字典，对步骤S1中的待测试样本图像特征进行一次重构，精确提取出部分正常测试样本，剩余的样本为一次存疑测试样本；步骤S3、运用异常字典，对步骤S2中的一次存疑测试样本进行二次重构，精确提取出部分异常样本，剩余的为二次存疑测试样本；步骤S4、运用正常字典和异常字典堆叠的双字典，对步骤S3中的二次存疑测试样本进行三次重构，由双字典重构误差或重构后的系数分布判别二次存疑测试样本为正常样本或异常样本。该检测方法识别效果好、时间复杂度低，虚检率低。
-
公开(公告)号：CN108986025A
公开(公告)日：2018-12-11
申请号：CN201810584889.0
申请日：2018-06-08
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于不完备姿轨信息的高精度异时图像拼接及校正方法，其包括以下步骤：S1、根据陀螺仪角速度和卫星在待拼接的两幅条带图像下的姿态信息解算其相应时刻的方向余弦矩阵；S2、根据步骤S1中得到的两个时刻对应的方向余弦矩阵，得到两幅图像相对于导航系的对应关系，也即确定原始线阵扫描图像与当前图像的大概位置对应关系；S3、利用SIFT特征点匹配进行图像校正，确定两幅条带图像的详细位置对应关系，并完成图像拼接。本发明提供的方法解决了传统图像拼接方法对于大范围遥感图像拼接的缺陷，提高了遥感线阵扫描图像的拼接精度和效率。
-
公开(公告)号：CN102184535B
公开(公告)日：2013-08-14
申请号：CN201110094319.1
申请日：2011-04-14
Applicant: 西北工业大学
Abstract: 本发明公开了一种车辆所在车道边界检测方法，首先根据像素梯度幅值自适应地对道路图像地平线以下的部分提取边缘点，并计算边缘方向；然后根据提取的边缘点、边缘方向以及车道边界投影模型，在车道边界投影模型的参数向量空间利用粒子群优化搜索定位车道边界；最后根据搜索到的车道边界投影模型参数值以及参数计算式计算车辆所在车道平面几何结构、车辆在车道中的位置和偏向角。本发明能够更加精确地反映实际的车道边界曲线，具有良好的环境自适应能力，增强了车道检测的鲁棒性，方法可靠性高，抗干扰能力强。
-
公开(公告)号：CN102509067A
公开(公告)日：2012-06-20
申请号：CN201110284993.6
申请日：2011-09-22
Applicant: 西北工业大学
Abstract: 本发明公开了一种车道边界和主车方位检测方法，首先设置最佳车载摄像机外参数；然后根据车道图像像素梯度幅值自适应设置边缘阈值，并提取边缘点、计算边缘点方向；再根据车道边界投影模型、边缘点及其方向利用蚁群优化搜索定位车道边界；最后计算车道平面线形参数值和主车方位；本发明的检测方法能够快速有效搜索定位车道边界，能够适应各种车道线形以及天气和光照变化，并能够测算出车道平面线形参数值和主车在车道中的偏向角和位置。
-
Patent Agency Ranking
公开(公告)号：CN102184535A
公开(公告)日：2011-09-14
申请号：CN201110094319.1
申请日：2011-04-14
Applicant: 西北工业大学
Abstract: 本发明公开了一种车辆所在车道边界检测方法，首先根据像素梯度幅值自适应地对道路图像地平线以下的部分提取边缘点，并计算边缘方向；然后根据提取的边缘点、边缘方向以及车道边界投影模型，在车道边界投影模型的参数向量空间利用粒子群优化搜索定位车道边界；最后根据搜索到的车道边界投影模型参数值以及参数计算式计算车辆所在车道平面几何结构、车辆在车道中的位置和偏向角。本发明能够更加精确地反映实际的车道边界曲线，具有良好的环境自适应能力，增强了车道检测的鲁棒性，方法可靠性高，抗干扰能力强。
-
公开(公告)号：CN119339253A
公开(公告)日：2025-01-21
申请号：CN202411446735.7
申请日：2024-10-16
IPC: G06V20/13 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于粗筛‑精检的大尺度遥感碎片化耕地变化检测算法，包括以下步骤：步骤S1、采集不同时间同一位置的两幅大尺度的耕地遥感图像，分别进行预处理；再对经预处理后的图像进行裁剪得到前时相子图像组和后时相子图像组；步骤S2、选定直方图规定化方法对前时相子图像组和后时相子图像组进行风格统一；步骤S3、对耕地变化图像进行粗筛得到新图像数据集，所述耕地变化图像为前时相子图像组和后时相子图像组；步骤S4、对新图像数据集中的耕地变化区域精细检测定位，从而获得耕地变化状态。其解决了现有变化检测方法用于检测耕地变化时，标签信息获取困难、耕地变化区域少且检测困难、图像从采集到落地应用复杂的问题。
-
公开(公告)号：CN114612453B
公开(公告)日：2024-03-26
申请号：CN202210272988.1
申请日：2022-03-18
Applicant: 西北工业大学
IPC: G06T7/00 , G06V10/77 , G06V10/772 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习和稀疏表示模型的基建表面缺陷检测方法，由以下步骤组成：利用缺陷训练集和正常训练集对卷积神经网络模型进行训练；利用训练后的卷积神经网络模型进行特征提取，并输入到稀疏表示模型中，求解每一张图像关于正常特征字典Dnor和缺陷特征字典的重构误差rnor，将待测图像特征集ftest与正常特征字典Dnor输入到稀疏表示模型中计算得到稀疏系数αnor和重构误差tnor，当tnor＞δnor时，将待测图像特征集ftest与缺陷特征字典Ddef输入到稀疏表示模型中计算得到稀疏系数αdef和重构误差tdef；当tnor＞tdef＞δdef时，得出待测图像为缺陷样本；本发明利用稀疏表示模型在小样本条件下实现物体表面缺陷高精度检测，能够克服现有的物体表面缺陷检测技术对训练样本依赖程度高的问题。
-
公开(公告)号：CN112308887B
公开(公告)日：2024-03-22
申请号：CN202011069504.0
申请日：2020-09-30
Applicant: 西北工业大学
IPC: G06T7/33
Abstract: 本发明公开了一种多源图像序列实时配准方法，如下：输入两组单源图像序列，其中一组单源图像序列为参考图像序列，另一组单源图像序列为待配准图像序列；利用间隔采样法，同时对两组单源图像序列间隔采样，得到定标帧图像对集合。对当前待处理采样图形对，运用基于特征的图像配准算法进行配准，采用配准参数更新相机参数。对当前定标帧图像对之后、下一定标帧图像对之前的待配准图像对依次进行投影变换，得到一系列配准后的目标图像序列对。选择下一定标帧图像对作为当前待处理采样图像对；直到所有待配准图像完成配准。该方法减少了定标帧图像后的序列图像进行特征点检测与提取、特征描述、特征匹配以及求解配准关系的过程，且配准精度高。
-
公开(公告)号：CN114612453A
公开(公告)日：2022-06-10
申请号：CN202210272988.1
申请日：2022-03-18
Applicant: 西北工业大学
IPC: G06T7/00 , G06V10/77 , G06V10/772 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度学习和稀疏表示模型的基建表面缺陷检测方法，由以下步骤组成：利用缺陷训练集和正常训练集对卷积神经网络模型进行训练；利用训练后的卷积神经网络模型进行特征提取，并输入到稀疏表示模型中，求解每一张图像关于正常特征字典Dnor和缺陷特征字典的重构误差rnor，将待测图像特征集ftest与正常特征字典Dnor输入到稀疏表示模型中计算得到稀疏系数αnor和重构误差tnor，当tnor＞δnor时，将待测图像特征集ftest与缺陷特征字典Ddef输入到稀疏表示模型中计算得到稀疏系数αdef和重构误差tdef；当tnor＞tdef＞δdef时，得出待测图像为缺陷样本；本发明利用稀疏表示模型在小样本条件下实现物体表面缺陷高精度检测，能够克服现有的物体表面缺陷检测技术对训练样本依赖程度高的问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
