-
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：CN106250895A
公开(公告)日：2016-12-21
申请号：CN201610671049.9
申请日：2016-08-15
Applicant: 北京理工大学
CPC classification number: G06K9/3233 , G06T3/4023 , G06T5/50 , G06T2207/10032 , G06T2207/30181
Abstract: 本发明公开了一种光学遥感图像感兴趣区域检测方法，应用于高分辨率光学遥感图像感兴趣区域检测。通过对超像素级的图像进行处理，然后进行超像素级到像素级显著性映射，得到像素级显著图，完成对感兴趣区域由粗尺度快速定位到精细尺度下的精确描述。该方法首先对原始图像进行降采样，然后进行超像素分割，基于以上操作将高分辨率图像转换为较粗尺度图像，然后，在生成的粗尺度图像上通过结构张量与颜色空间背景抑制技术分别获得超像素级的纹理特征图和颜色特征图。随后经过特征图融合及上采样插值得到原始分辨率尺度下的超像素级显著图。最后，通过超像素级到像素级显著性映射，得到像素级显著图，完成感兴趣区域的像素级精确描述。
-
公开(公告)号：CN103823789B
公开(公告)日：2016-09-07
申请号：CN201410038962.6
申请日：2014-01-26
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明在基于原位存储的结构上，提出一种低复杂度的通用混合基FFT设计方法，步骤一、设计计数器；步骤二、根据步骤一得到的每级的计数器，将其映射到操作数的访问地址；步骤三、根据步骤一得到的计数器，给出生成旋转因子地址的中间值的映射；上面得到的操作数和旋转因子的访问地址即为地址控制单元，选择器Mux设置为：当Mux=0时，表示进入RAM中的数据为外界输入数据；当Mux=1时，表示进入RAM中的数据为由蝶形单元计算按照原位算法存储的数据。
-
公开(公告)号：CN102941042B
公开(公告)日：2016-03-09
申请号：CN201210413356.9
申请日：2012-10-25
Applicant: 北京理工大学
Abstract: 本发明涉及一种石墨烯/金属氧化物杂化气凝胶、制备方法及其应用，属于纳米材料应用领域。所述杂化气凝胶由石墨烯网络和金属氧化物网络组成，两个网络相互缠绕形成杂化气凝胶，其中金属氧化物网络也为结晶态。所述杂化气凝胶的制备包括制备氧化石墨烯有机溶液，并在其中加入可溶性金属盐和环氧化物，得到均匀不流动的杂化湿凝胶，经干燥和炭化得到所述的石墨烯/金属氧化物杂化气凝胶。所述杂化气凝胶可作为储能材料、电磁屏蔽材料、生物酶的催化载体和CO2的吸附材料，具有广泛的应用。
-
公开(公告)号：CN103093241B
公开(公告)日：2015-12-02
申请号：CN201310024473.0
申请日：2013-01-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于同质化处理的光学遥感图像非匀质云层判别方法，能够对非匀质云中的低亮像素进行灰度补偿，从而实现对非匀质云层的判别。第一步：计算云的自适应门限；第二步：提取两幅典型二值图：第三步：获得云的位置标记图：对第二步得到的云海二值图既膨胀又腐蚀，对海二值图只进行膨胀，然后利用这两幅图得到云的位置标记图；第四步：对原图像进行同质化处理：根据第三步得到的云的位置标记图，对非云像素进行灰度补偿，从而使非匀质云变为匀质云；第五步：特征提取及归一化：对第四步同质化处理后的图像提取灰度、纹理和边缘这些针对匀质厚云提取的特征，然后对特征进行归一化；第六步：利用支持向量机进行判决，至此整个过程结束。
-
Patent Agency Ranking
公开(公告)号：CN103150582B
公开(公告)日：2015-11-25
申请号：CN201310043710.8
申请日：2013-02-04
Applicant: 北京理工大学
IPC: G06K9/72
Abstract: 本发明公开了一种基于上下文的光学遥感图像云判结果修正方法，不需要建立概率模型，针对云判问题进行设计，同时利用相邻分块的判决结果和背景信息来修正本块判决结果。第一步，读入待处理的相关数据：包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息；第二步，利用Tile的判决值产生Block的判决值，构成Block索引矩阵，并且根据分块灰度均值矩阵建立Block灰度均值矩阵；第三步，利用判决值为非常确定云和非常确定地物的Block，修正判决值为不确定的Block判决值；第四步，应用目标上下文和场景上下文判断处理对象的背景、剔除地物交界处的虚警、剔除朵云的虚警并调整判决准确对象的邻接目标，最终判定出Block是否为云。
-
公开(公告)号：CN105005789A
公开(公告)日：2015-10-28
申请号：CN201510379234.6
申请日：2015-07-01
Applicant: 北京理工大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/629
Abstract: 本发明公开了一种基于视觉词汇的遥感图像地物分类方法，包括如下步骤：首先将所有的遥感图像分为训练集和测试集，以固定的大小对每幅遥感图像裁剪获得初步切片图，提取包含目标的初步切片图；针对包含目标的初步切片图通过高斯模糊与抽样生成多层高斯空间金字塔；对每一层的图像均进行SIFT特征提取与LBP特征提取；对训练集和测试集中所有遥感图像的遥感单词进行聚类，得到多个聚类中心，所有的聚类中心组成遥感词典；设定不同半径值，对每个初步切片图不同半径值内的遥感单词均建立频率直方图：针对训练集中遥感单词的频率直方图使用支持向量机RBF-SVM进行训练，然后使用训练后的RBF-SVM对测试集中遥感图像进行地物分类。
-
公开(公告)号：CN104951799A
公开(公告)日：2015-09-30
申请号：CN201510325430.5
申请日：2015-06-12
Applicant: 北京理工大学
Abstract: 本发明提供一种SAR遥感影像溢油检测识别方法，具体过程如下，利用Gamma MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤波后得到的梯度图，进行分水岭算法实现海陆分割；利用海面区域图像的均值对陆地区域进行填充，再利用C-V算法对填充后的图像进行同质区内的目标区域分割提取；提取目标区域灰度共生矩阵、小波分解的纹理特性、灰度特征及形状特征构建视觉频率直方图，利用训练得到的SVM分类器模型对视觉频率直方图进行分类，从目标区域中剔除疑似溢油区域，实现初次虚警剔除；将初次虚警剔除的结果作为初始标号场，基于所述初始标号场，利用MRF的上下文模型中的特征场，进行进一步的虚警剔除，从而实现SAR遥感影像溢油检测识别方法。
-
公开(公告)号：CN103761523A
公开(公告)日：2014-04-30
申请号：CN201410001565.1
申请日：2014-01-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种机载遥感视频数据特定人造区域自动识别跟踪方法，包括离线状态下跟踪和在线状态下跟踪，其中离线状态下跟踪包括尺度空间的极值检测、关键点定位、关键点方向分配、关键点描述；在线状态下跟踪包括SIFT特征提取、关键点精确匹配、待跟踪目标区域范围确定、通过轨迹预测自适应的确定待跟踪目标的局部区域范围。
-
公开(公告)号：CN119169269A
公开(公告)日：2024-12-20
申请号：CN202411229837.3
申请日：2024-09-03
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/766 , G06V20/13 , G06N3/0464
Abstract: 本公开提供了一种超轻量化遥感图像在轨实时目标检测方法和装置。该方案采用数据重组方式将高分辨率单通道图像转化为多通道的低分辨率特征图；这种像素重排列的方式，在不需要卷积处理的情况下减小特征图的大小，避免通道扩充带来的冗余，从而提升在轨应用的时效性。本发明进一步设计了超轻量化骨干网络进行特征提取，该网络进行多个阶段的分组卷积和下采样处理，然后按照与数据重组相反的方式进行反向重组，获得下采样的特征图，进而进行目标检测。使用本发明能够在保证网络性能的前提下提升推理速度并降低资源开销，完成在轨高效实时目标检测。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.037 seconds)
