-
公开(公告)号：CN103116896B
公开(公告)日：2015-07-15
申请号：CN201310071858.2
申请日：2013-03-07
Applicant: 中国科学院光电技术研究所
IPC: G06T7/20
Abstract: 本发明是一种基于视觉显著性模型的自动检测跟踪方法，用视觉显著性模型计算输入视频图像的颜色、亮度、方向显著性图，根据加权后的显著性图定义简单场景和复杂场景；检测到简单场景时，用显著性区域建立矩形框作为跟踪目标进行跟踪；检测到复杂场景时，根据权值不同对人为手动选择的跟踪框进行校正；利用跟踪学习检测算法对跟踪框进行跟踪，检测出跟踪失败；使用视觉显著性模型对失败后的每一帧图像进行检测，对显著性图中各个区域与跟踪失败前的线上模型进行直方图匹配，对相似性第一高的区域进行跟踪；对多个相似度相近的区域时，同时送入目标检测器进行检测，重复对下一帧图像目标进行跟踪检测并用直方图对比步骤直到重新检测到目标并跟踪。
-
公开(公告)号：CN104361553A
公开(公告)日：2015-02-18
申请号：CN201410610231.4
申请日：2014-11-02
Applicant: 中国科学院光电技术研究所
IPC: G06T1/20
Abstract: 本发明提供一种提高图形处理器处理效率的同步方法，该同步方法包括：图形处理器当前执行核进入同步后，在图形处理器内建立同步输入向量和同步输出向量；图形处理器更新同步输入向量中的标志；图形处理器对同步输入向量中的标志进行循环查询，当查询到同步输入标记已被更新后，退出循环，更新同步输出向量中的标志；图形处理器循环查询同步输出向量中的标志，当查询到同步输出向量中所有的标志均被更新后，退出循环；当前执行核完成在图形处理器内部的同步。本发明实施例提供的同步方法，实现了图形处理器在执行一个多核处理任务时，直接在图形处理器内部进行快速同步，避免了图形处理器多次返回计算机系统进行加载和同步，从而提高了图形处理器的处理效率。
-
公开(公告)号：CN103136735A
公开(公告)日：2013-06-05
申请号：CN201310072073.7
申请日：2013-03-07
Applicant: 中国科学院光电技术研究所
IPC: G06T5/00
Abstract: 本发明一种基于双尺度暗通道的单幅图像去雾方法，步骤如下：将原图像像素归一化，并且对于不同位宽图像用不同的系数进行归一化；利用原图像矩阵，对原图像中各个像素经过最小值滤波器滤波，得到一个新的最小值矩阵即是高尺度暗通道图；利用高尺度暗通道图构建高尺度暗通道模型，计算并得到高尺度暗通道，对高尺度暗通道做灰度统计直方图，取出最亮的0.1％原图像像素做算术平均得到光照系数；对原图像每个像素上的三个颜色分量取最小值，得到低尺度暗通道模型，利用低尺度暗通道模型计算转换函数；利用视觉模型、光照系数和转换函数构建无雾图像复原模型，根据光照系数与转换函数在三个颜色通道采用相同计算，得到复原图像终的复原的无雾图像。
-
公开(公告)号：CN103116896A
公开(公告)日：2013-05-22
申请号：CN201310071858.2
申请日：2013-03-07
Applicant: 中国科学院光电技术研究所
IPC: G06T7/20
Abstract: 本发明是一种基于视觉显著性模型的自动检测跟踪方法，用视觉显著性模型计算输入视频图像的颜色、亮度、方向显著性图，根据加权后的显著性图定义简单场景和复杂场景；检测到简单场景时，用显著性区域建立矩形框作为跟踪目标进行跟踪；检测到复杂场景时，根据权值不同对人为手动选择的跟踪框进行校正；利用跟踪学习检测算法对跟踪框进行跟踪，检测出跟踪失败；使用视觉显著性模型对失败后的每一帧图像进行检测，对显著性图中各个区域与跟踪失败前的线上模型进行直方图匹配，对相似性第一高的区域进行跟踪；对多个相似度相近的区域时，同时送入目标检测器进行检测，重复对下一帧图像目标进行跟踪检测并用直方图对比步骤直到重新检测到目标并跟踪。
-
公开(公告)号：CN102411672A
公开(公告)日：2012-04-11
申请号：CN201110222961.3
申请日：2011-08-05
Applicant: 中国科学院光电技术研究所
IPC: G06F19/00
Abstract: 本发明公开了一种基于光电跟踪测量设备试验数据的快速分析处理报表系统的生成方法，针对光电跟踪测量设备的试验数据具有数据多、数据量大、变化多、现场分析等特点，采用如下步骤：步骤S101建立了数据变量名和数据属性对应关系；步骤S102，形成独立的试验数据配置信息文件，实现了定制报表数据源；系统自动读取数据进入步骤S103和S104，自动更新当前界面显示、提供简洁的界面操控，完成快速的数据分析处理和结果的直观显示；步骤S105，自动完成信息综合、数据处理结果统计和保存、生成试验数据报表。本发明在整个过程实现了通用性、维护简单、操作方便、显示直观、数据分析处理准确快速、信息丰富，满足了试验数据报表的要求，适用于光电跟踪测量设备试验数据。
-
Patent Agency Ranking
公开(公告)号：CN120070294A
公开(公告)日：2025-05-30
申请号：CN202510554023.5
申请日：2025-04-29
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于FPGA的红外相机图像数据异常处理方法，属于FPGA及图像处理技术领域。所述方法包括：通过FPGA接收红外相机采集的原始图像数据并进行预处理；判断是否进行图像异常处理，若需要，对第n帧图像中的像素灰度值进行判断，当灰度值为负数的像素数量超过预设阈值时，计算第n帧图像的负数灰度值均值；将第n‑7帧至第n帧的负数灰度值均值再次求平均得到8帧负灰度值的均值，并将所述8帧负灰度值的均值叠加至第n+1帧的每个像素灰度值上，输出最终图像数据。本发明充分发挥了FPGA逻辑资源丰富，高速高性能的特点，保障了图像数据处理的实时性与可靠性。
-
公开(公告)号：CN119942145A
公开(公告)日：2025-05-06
申请号：CN202510117002.7
申请日：2025-01-24
Applicant: 中国科学院光电技术研究所
IPC: G06V10/46 , G06V10/24 , G06N3/0464 , G06N3/0455 , G06V10/20 , G06N3/088
Abstract: 本发明公开了一种基于等变性约束和骨架生成的无监督飞机关键点检测方法。所述方法包括对输入图像做随机仿射变换，使用关键点提取网络分别对输入图像和变换后的图像提取关键点，分别得到第一和第二关键点集合；对第一和第二关键点集合施加等变性约束，计算等变性损失；利用第一关键点集合绘制骨架图；对输入图像施加随机掩膜得到结构信息被破坏的图像；对结构信息被破坏的图像施加权重，并与骨架图在通道维度进行拼接，得到拼接后的特征图；将拼接后的特征图送到解码器中，得到重建图像；对输入图像和重建图像施加重建约束，通过最小化总损失函数对网络进行训练，本发明采用无监督学习的方式，不需要人工标注数据集，大幅节省标注成本。
-
公开(公告)号：CN119937939A
公开(公告)日：2025-05-06
申请号：CN202510439619.0
申请日：2025-04-09
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于多级FIFO的数据缓存及发送的方法，属于数据缓存技术领域，包括：将数据写入一级FIFO后，通过二级FIFO降低数据的传输速度，二级FIFO的读控制逻辑再将数据以时序为控制条件的一部分，按照读出顺序分作数量相近的四份。第一份写入至第一三级FIFO中，第一三级FIFO在接收到数据后将数据读出到四级FIFO中，并向第二三级FIFO写入第二份数据，第一三级FIFO写入第三份数据，直到第一份数据完全写入四级FIFO。当四级FIFO将第一份数据完全读出后，再依次按照顺序写入后续的数据。本发明用多级FIFO的缓存控制，节省了部署外挂存储芯片的空间，降低了控制系统的复杂度。
-
公开(公告)号：CN116823764A
公开(公告)日：2023-09-29
申请号：CN202310758738.3
申请日：2023-06-26
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于滑动窗口的红外图像盲元检测方法，首先以当前点为中心，选取3x3大小窗口，判断当前点是否为候选盲元；然后根据候选盲元与周围8个像素点的差值以及周围8个像素点相互之间的差值判断其是否为真正的盲元，如果候选盲元点没有被确定为盲元，那么根据该点周围8个像素点中的最大值或最小值继续判断该点是否为盲元。本发明适用于各种场景下，红外图像的盲元检测，不仅可以检测固定盲元，对于随机盲元检测效果也较好。
-
公开(公告)号：CN113139988B
公开(公告)日：2023-02-14
申请号：CN202110539550.0
申请日：2021-05-17
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种高效高准确率的估计目标尺度变化的图像处理方法，截取目标外接矩形区域进行计算以减少耗时提高粗估计精度。对目标坐标做对数变换将尺度变化的乘法计算转变为加法计算。将原始图像的目标轮廓经坐标变换后以稀疏矩阵的形式存储，作为模板。将模板与尺度向量相加并还原为二值图像，与待估计图像做匹配，查找最优匹配点，得到最终估计结果。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.025 seconds)
