-
公开(公告)号：CN108764250A
公开(公告)日：2018-11-06
申请号：CN201810407424.8
申请日：2018-05-02
Applicant: 西北工业大学
CPC classification number: G06K9/4604 , G06K9/6256 , G06N3/0454 , G06N3/084
Abstract: 本发明提供了一种运用卷积神经网络提取本质图像的方法。首先，构建一个从图像到图像的具有平行结构的双流卷积网络；然后，采用特定的训练数据集对该网络进行训练，优化网络参数，以提取具有环境不变性的多层特征，直接重构出本质图像(反射图与光照图)。由于采用了基于深度学习理论构建的双流卷积神经网络具有强大的特征提取能力，可以直接从原始图像中分离出反射图与光照图。同时，该模型是一种从图像到图像的全卷积网络模型，包含两个分支流向，分别用于生成光照图和反射图，且该网络结构将较高层的卷积结果与反卷积操作后的结果相结合，在一定程度上可以降低光照图和反射图的重构误差，提高了网络特征重构的能力。
-
公开(公告)号：CN105303542B
公开(公告)日：2018-10-30
申请号：CN201510604419.2
申请日：2015-09-22
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于梯度加权的自适应SFIM图像融合算法，首先求解全色图像的梯度，然后使用梯度的统计信息确定自适应的滤波窗口大小；同时利用图像像素点的梯度值构建加权滤波器，进而使用该滤波器获得滤波图像；最后使用SFIM算法的融合方法融合图像。本发明比原始的SFIM算法中均值滤波器的设计更合理，整体质量较高，在空间分辨率提高和光谱信息保持两个方面达到更好的平衡，主观评价和客观分析结果能够达到一致，而且在光谱信息保持和空间信息提高方面都优于his_dwt算法，得到的融合图像可视性更好，图片更清晰。
-
公开(公告)号：CN105205488B
公开(公告)日：2018-07-24
申请号：CN201510407779.3
申请日：2015-07-13
Applicant: 西北工业大学
IPC: G06K9/46
Abstract: 本发明提供了一种基于Harris角点和笔画宽度的文字区域检测方法，该方法主要包括边缘增强的Harris角点检测，依据笔画宽度筛选候选区域以及基于文字颜色的区域膨胀三大部分，本发明通过对角点检测得到的文字区域后进行连通区域分析，去掉不符合文字行特征的响应区域，可显著提高角点检测图像中文字区域的准确率，较单一基于边缘特征的文字检测方法，可提高图像中的文字检测的召回率，较单一基于连通区域的文字检测方法，可获得更高的检测效率，本发明较单一的基于边缘特征和基于连通区域的文字检测方法都具有优势。
-
公开(公告)号：CN106204508A
公开(公告)日：2016-12-07
申请号：CN201610503045.X
申请日：2016-06-30
Applicant: 西北工业大学
IPC: G06T5/50
CPC classification number: G06T5/50
Abstract: 本发明提供了一种基于非负稀疏矩阵的WorldView-2遥感全色与多光谱图像融合方法，涉及图像融合领域，通过使用一种非负矩阵分解算法对多光谱图像进行亮度分量提取，然后使用HCS变换对图像进行融合，得到融合图像，在细节注入和光谱保持方面都得到了一定的提升，最终得到了高质量的融合结果，由于对I分量的提取采用了NMF方法，提高了亮度分量的提取精度，较对比算法更合理，使得WV-2卫星融合图像整体质量较高，在细节信息融入和光谱保持方面都有一定的提高，主观评价和客观分析结果能够达到一致，得到的融合图像可视性更好，图片更清晰。较传统的遥感全色与多光谱图像融合方法更有优势。
-
公开(公告)号：CN103413306B
公开(公告)日：2016-06-08
申请号：CN201310332703.X
申请日：2013-08-01
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法，计算每个像素点的R值，通过使用自适应迭代阈值算法的策略，求取针对图像来讲最合适的阈值，使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置，能使角点分布的更加均匀，提高角点检测的精确性，避免了角点聚簇以及伪角点的产生，在不影响Harris角点检测算法计算方便与稳定的前提下，避免的原算法因为阈值选取而带来的不便，同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN105303542A
公开(公告)日：2016-02-03
申请号：CN201510604419.2
申请日：2015-09-22
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于梯度加权的自适应SFIM图像融合算法，首先求解全色图像的梯度，然后使用梯度的统计信息确定自适应的滤波窗口大小；同时利用图像像素点的梯度值构建加权滤波器，进而使用该滤波器获得滤波图像；最后使用SFIM算法的融合方法融合图像。本发明比原始的SFIM算法中均值滤波器的设计更合理，整体质量较高，在空间分辨率提高和光谱信息保持两个方面达到更好的平衡，主观评价和客观分析结果能够达到一致，而且在光谱信息保持和空间信息提高方面都优于his_dwt算法，得到的融合图像可视性更好，图片更清晰。
-
公开(公告)号：CN103413306A
公开(公告)日：2013-11-27
申请号：CN201310332703.X
申请日：2013-08-01
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法，计算每个像素点的R值，通过使用自适应迭代阈值算法的策略，求取针对图像来讲最合适的阈值，使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置，能使角点分布的更加均匀，提高角点检测的精确性，避免了角点聚簇以及伪角点的产生，在不影响Harris角点检测算法计算方便与稳定的前提下，避免的原算法因为阈值选取而带来的不便，同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。
-
公开(公告)号：CN103281100A
公开(公告)日：2013-09-04
申请号：CN201310132635.2
申请日：2013-04-17
Applicant: 西北工业大学
Abstract: 本发明提供了一种混沌映射扩频码的产生方法，根据发送的信源信息符号数确定所需扩频码长度N，扩频码长度大于待扩频序列长度，选取混沌映射参数a，给定混沌映射初始值x0和y0，由公式迭代产生长度为N的混沌序列，通过量化函数对序列进行量化，从而将模拟实值序列转化为扩频通信系统中的扩频码。本发明通过数学模型优化理论，提出一种新混沌映射扩频码的产生方法，与现有的Skew Tent映射扩频方法相比，本发明方法产生的扩频码不仅分布均匀、相关性好，而且李雅普洛夫指数更大、混沌度更高，采用本发明扩频方法的扩频通信系统误码率得以大大的降低。
-
公开(公告)号：CN102928838A
公开(公告)日：2013-02-13
申请号：CN201210378073.5
申请日：2012-10-08
Applicant: 西北工业大学
IPC: G01S13/90
Abstract: 本发明涉及一种基于稀疏表示与时频变换的距离-瞬时多普勒成像方法，联合稀疏表示和时频变换，构造时频基字典，利用目标场景的稀疏性和非线性优化算法完成信号的稀疏表示和重构，利用优化算法重构出目标高分辨二维像；由于采用采用了非线性优化的信号重构方法，和以往的基于FFT的谱估计重构方法有着本质的区别，对于随机缺损的雷达回波数据可以有效成像。本发明突破传统Nyquist采样定律的限制，从而达到高分辨的目的。同时由于本方法采用了非线性优化的信号重构方法，和以往的基于FFT的谱估计重构方法有着本质的区别，对于随机缺损的雷达回波数据仍可以有效成像。
-
公开(公告)号：CN115423978A
公开(公告)日：2022-12-02
申请号：CN202211059667.X
申请日：2022-08-30
Applicant: 西北工业大学
Abstract: 本发明公开了一种可用于室外建筑物三维重建的基于深度学习的可见光图像与激光雷达数据融合的方法，包括以下步骤：首先获取可见光图像和激光雷达数据并进行预处理；其次通过运动恢复结构(StructureFromMotion,SFM)框架COLMAP进行稀疏重建与相机位姿估计；其次构建基于显式表达与空间传播网络(SpatialPropogationNetwork,SPN)结合的深度图补全网络模型，将由可见光图像与激光雷达深度图以及激光雷达点云构成的数据集输入网络模型中进行训练，获得训练后的深度图补全网络模型，将待补全的稀疏激光雷达深度图、点云和可见光图像输入到训练后的模型中，估计出稠密的深度图；最后通过开源的多视角立体视觉(MultipleViewStereo,MVS)框架OpenMVS利用估计出的深度图进行稠密重建、网格重建与纹理贴图。本发明提出了基于显式表达与SPN结合的深度图补全(即融合可见光图像与激光雷达数据)方法，充分利用了二维图像信息与三维空间结构信息，增加了深度图估计的准确度，提升了三维重建的精度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
