-
公开(公告)号：CN106056125A
公开(公告)日：2016-10-26
申请号：CN201610355150.3
申请日：2016-05-25
Applicant: 昆明理工大学
IPC: G06K9/54
CPC classification number: G06K9/54
Abstract: 本发明涉及一种基于卡尔曼滤波的日冕物质抛射识别方法，属于天文技术和图像处理技术领域。本发明首先对日冕序列图像进行预处理：对齐、滤波降噪、转换到极坐标；接着，利用卡尔曼滤波的对预处理后的图像进行背景更新，再进行二值化运算得到二值化序列图像；再通过二值化图像进行日冕序列图像物质抛射的识别和筛选。本发明很大程度上改善了传统日冕物质抛射识别方法的整体性能,提高了对日冕物质抛射提取的效率。同时，还能检测出运动速度缓慢和强度较弱的日冕物质抛射。
-
公开(公告)号：CN112541444B
公开(公告)日：2023-08-22
申请号：CN202011491297.8
申请日：2020-12-17
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于双边滤波与Hessian矩阵的多尺度太阳色球纤维识别方法，本发明首先对原图像进行归一化处理，便于后续的函数变换，之后使用双边滤波技术对纤维图像进行去除噪声处理，实现保护边缘的效果；其次将Hessian矩阵特征值与高斯函数相互结合构建相应的多尺度滤波器对滤波后的图像进行纤维的识别；接着对识别的图像选择合适的阈值进行二值化处理；将二值化后的纤维识别图像进行去除小面积连通分量的操作去除小面积的干扰特征，最后进行形态学细化处理，最后得到纤维的精细结构，较精准地对太阳色球纤维图像中的纤维进行了识别，并且在数量上也能够明显的增加。
-
公开(公告)号：CN115994927A
公开(公告)日：2023-04-21
申请号：CN202310174809.5
申请日：2023-02-28
Applicant: 昆明理工大学
IPC: G06T7/246 , G06N3/08 , G06N3/047 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种双向自回归的跟踪方法。本发明首先将当前帧原始图像送入卷积神经网络CNN中提取特征图，再经由ID嵌入头部和Transformer分别生成当前帧的ID嵌入和输出嵌入，然后对下一帧的原始图像重复以上操作，得到下一帧的输出嵌入，将当前帧的ID嵌入与下一帧的输出嵌入共同输入重检查网络中得到当前帧的增强特征，然后将增强特征输入到Transformer编码器和解码器，得到当前帧校准后的目标检测和跟踪结果。相比现有的多目标跟踪方法，本发明将后续帧的检测和跟踪信息反向自回归到当前帧进行二次检测和跟踪，能有效恢复漏检和错检的目标，对改善目标轨迹的连续性有明显效果。
-
公开(公告)号：CN114898007A
公开(公告)日：2022-08-12
申请号：CN202210588029.0
申请日：2022-05-26
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于深度学习的传统香包纹样生成方法、系统，方法包括：获取纹样图案样本集；对纹样图案样本集进行预处理，获得轮廓检测后的图像集；依据轮廓检测后的图像集对纹样图案样本集进行分类；然后对各个类别的纹样图案样本图像利用仿射变换进行图像扩增且扩增后每个类别图像数量一致；对于扩增后的每个类别的图像大小进行统一，获得纹样图案训练样本集；将纹样图案训练样本集输入深度学习网络进行训练，获得纹样图案训练模型。本发明一定程度上弥补了现有纹样图案样本集数量缺少的不足；极大地缓解目前纹样图案设计新颖度不够，产量小的问题。
-
公开(公告)号：CN112541444A
公开(公告)日：2021-03-23
申请号：CN202011491297.8
申请日：2020-12-17
Applicant: 昆明理工大学
Abstract: 本发明公开了一种基于双边滤波与Hessian矩阵的多尺度太阳色球纤维识别方法，本发明首先对原图像进行归一化处理，便于后续的函数变换，之后使用双边滤波技术对纤维图像进行去除噪声处理，实现保护边缘的效果；其次将Hessian矩阵特征值与高斯函数相互结合构建相应的多尺度滤波器对滤波后的图像进行纤维的识别；接着对识别的图像选择合适的阈值进行二值化处理；将二值化后的纤维识别图像进行去除小面积连通分量的操作去除小面积的干扰特征，最后进行形态学细化处理，最后得到纤维的精细结构，较精准地对太阳色球纤维图像中的纤维进行了识别，并且在数量上也能够明显的增加。
-
Patent Agency Ranking
-
公开(公告)号：CN106204452B
公开(公告)日：2019-07-05
申请号：CN201610551617.1
申请日：2016-07-14
Applicant: 昆明理工大学
Abstract: 本发明涉及基于图像分块和选帧的大视场太阳光球图像重建方法，属天文技术和图像处理技术领域。本发明采用平均梯度值方法挑选出图像质量最好的一个子块；再采用平均梯度值方法从待重建的图像序列中挑出整体图像质量最好的一帧作为背景图像，把此背景图像分块；再将每个子块序列中最佳子块图像与所对应的最佳背景图像子块对齐形成待融合的子块；将对齐后的待融合的子块按对应的位置拼接成完整图像。本发明能够较好的选出每帧图像中质量最好的子部分，再将序列中最好的子部分拼接成一幅完整图像，从而使重建后的图像在各个部分都比直接拍摄的图像清晰，消除了大部分大气湍流对拍摄图片产生的随机畸变。
-
公开(公告)号：CN106408600B
公开(公告)日：2019-02-05
申请号：CN201610808433.9
申请日：2016-09-08
Applicant: 昆明理工大学
IPC: G06T7/32
Abstract: 本发明涉及用于太阳高分辨率图像中图像配准的方法，属天文技术和图像处理领域。本发明先对图像进行预处理，初步匹配高分辨率像在全日面像中的位置；其次，采用最大块方向角法计算方向角差，得到粗转角度；根据粗转角度，在初始匹配的基础上进行粗转；接着，再对数‑极空间测量精细旋转量，得到细转角度，根据细转角度，在粗转的基础上进行细转；然后，采用互相关法计算模板图像和搜索窗口之间的互相关值，得到匹配点的转换矩阵，计算旋转角和比例尺，在细转的基础上进行配准；最终得到配准之后的图像。本发明在互相关法和Fourier‑Mellin方法的基础上，采用粗匹配加细匹配加点匹配的方法，有效地提高了配准的精度。
-
-
公开(公告)号：CN105761231B
公开(公告)日：2018-08-31
申请号：CN201610159812.X
申请日：2016-03-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种用于去除高分辨率天文图像中条纹噪声的方法，属于天文图像处理技术领域。本发明首先，对含有条纹噪声的图像进行边缘扩展和对数化；接着，小波分解对数化后的图像并提取小波域各层的垂直分量；再对小波域各层的垂直分量进行高通滤波，得到高频分量；然后，采用小波重构的方法对不含条纹噪声的小波域信息进行重构；依次提取一级、二级和三级条纹；最后，用含有条纹噪声的图像除以三级条纹得到无条纹图像。本发明用小波域滤波技术和空域滤波技术相结合的方法去除条纹噪声，该方法能够较好的保留图像本身的信息，从而使处理结果更加准确，得到的无条纹图像质量更高。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.031 seconds)
