-
公开(公告)号：CN109919857A
公开(公告)日：2019-06-21
申请号：CN201910053933.X
申请日：2019-01-21
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于加权斯莱特恩范数最小化的噪声图像补全方法，具体步骤如下：对于同时具有一定方差噪声和一定比例随机像素缺失的图像修复问题，首先利用加权斯莱特恩范数约束图像的低秩先验；然后通过约束图像对分析算子响应的稀疏性来保证补全图像的局部平滑性；最后利用一种非局部统计模型约束图像的非局部自相似性。以上三个步骤不断迭代直到算法达到收敛条件，即可得到最终的补全结果。本发明方法能够较好地恢复同时具有不同噪声等级及各种比例像素缺失的图像，即使在噪声等级较高时也能够达到良好的视觉效果和量化分析效果。本发明可广泛应用于有噪声的图像补全，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106296709B
公开(公告)日：2019-05-21
申请号：CN201610686022.7
申请日：2016-08-18
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于粒子群及模糊均值聚类的细胞图像分割方法，在直觉模糊均值聚类理论的基础上，针对细胞图像改进直觉模糊隶属度的形式，并且与分数阶粒子群结合进行交替优化，利用形态学方法改进结果，从而实现对细胞图像的准确分割。它有四大步骤：首先选取合适的参数，初始化粒子群及相关数据；然后，开始分数阶粒子群和直觉模糊聚类交替迭代优化；随后，将结果和标准的模糊均值聚类结果比较，通过差异图像选择形态学处理方案；最后，对结果图像进行距离变换和水域分割，从而得到最终结果。本发明可广泛应用于各类基于细胞图像的应用系统，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106408569B
公开(公告)日：2018-12-04
申请号：CN201610750731.7
申请日：2016-08-29
Applicant: 北京航空航天大学
Abstract: 一种基于改进模糊C均值聚类算法的脑部MRI图像分割方法，步骤如下：一：利用模糊C均值算法做初始分类；二：给定聚类数目c，模糊因子m，算法迭代停止的阈值ε，最大迭代次数max，邻域窗口大小及其它需人工设定的参数；三：计算两个像素点间的相似度矩阵W；四：计算像素点对类的相似度ρki；五：更新隶属度矩阵U；六：如果||U(t+1)‑U(t)||＜ε或t＝max，停止迭代，输出U(t+1)；否则t＝t+1并转到步骤四；七：针对U(t+1)采用最大隶属度法进行去模糊操作，分配标签完成图像分割；本发明完成了改进聚类中心形式、引入局部空间信息和利用直觉模糊集信息这三处优化，达到了增强抗噪性、提高分割精度的效果，解决了对脑部MRI图像进行高精度分割的实际问题。
-
公开(公告)号：CN108198193A
公开(公告)日：2018-06-22
申请号：CN201810038201.9
申请日：2018-01-16
Applicant: 北京航空航天大学
Abstract: 本发明一种利用改进直觉模糊聚类算法分割红外舰船图像的方法，首先利用图像方差矩阵和切比雪夫不等式得出的阈值确定舰船的可能区域，以可能区域的中心作为预设舰船中心。再使用改进直觉模糊聚类算法分割红外舰船图像的方法。本发明提出的方法考虑了舰船中心位置，利用其构造像素到不同类聚类中心的距离度量；同时通过区域方差构造的正则项将邻域信息引入目标函数中。改进算法中充分考虑了舰船中心位置对于数据分类的影响，同时更加合理地利用了邻域信息，因此红外舰船图像分割，其分割结果取得了明显的改善。具有广阔的市场前景与应用价值。
-
公开(公告)号：CN105528795A
公开(公告)日：2016-04-27
申请号：CN201610090345.X
申请日：2016-02-18
Applicant: 北京航空航天大学
IPC: G06T7/00
CPC classification number: G06T2207/10048 , G06T2207/20192 , G06T2207/20221 , G06T2207/30201
Abstract: 一种利用环形最短路径的红外人脸分割方法，它实施步骤有：一、通过腐蚀、膨胀等形态学方法对采集到的红外人脸图像进行预处理，获得特征明显、轮廓较清晰的图像；二、对图像采用大津阈值进行二值化处理，并对其进行开操作；三、对待处理人脸区域对应的经过预处理的原图像进行锐化；四、对复合图像在以几何中心为原点的极坐标下进行数据采集。通过上述步骤，对原始红外图像进行了有效的预处理，再通过适当的算法和优化，实现了对红外人脸的精确分割。本发明广泛应用于各类基于图像的应用系统，具有广阔的市场前景与应用价值。
-
Patent Agency Ranking
公开(公告)号：CN104881855A
公开(公告)日：2015-09-02
申请号：CN201510315767.8
申请日：2015-06-10
Applicant: 北京航空航天大学
IPC: G06T5/50
Abstract: 一种利用形态学和自由边界条件活动轮廓模型的多聚焦图像融合方法，步骤是：一、利用梯度特征构造图像初始清晰度分布图；二、由初始清晰度分布图计算得到粗糙清晰度分布图，再确定最终清晰度分布图；三、利用形态学小面积移除运算和形态学开闭运算对最终清晰度分布图进行处理得到初始融合决策图像；四、从初始融合决策图像中提取聚焦区域和离焦区域的分界线，此分界线为自由边界条件活动轮廓模型的初始值；五、由自由边界条件活动轮廓模型得到边界线图像，并根据边界线图像和初始融合决策图像得到最终融合决策图像；六、根据多聚焦图像融合的决策图像及设定的融合准则，生成一幅各处清晰的最终融合图像。本发明广泛应用于各类图像处理的应用系统。
-
公开(公告)号：CN103903243A
公开(公告)日：2014-07-02
申请号：CN201410150507.5
申请日：2014-04-15
Applicant: 北京航空航天大学
Abstract: 一种利用形态学中心算子的图像融合方法，它有三大步骤：一、基于形态学开闭运算产生两种交替滤波器，并用两种交替滤波器产生形态学中心算子和反中心算子，通过形态学中心和反中心算子提取红外和可见光图像中的亮、暗特征；二、将多尺度形态学理论和形态学中心及反中心算子结合起来，在多尺度空间提取图像的亮、暗特征，据此产生有效的融合特征；三、在由形态学中心和反中心算子产生的基本图像的基础上，利用提取的多尺度融合特征构建融合图像。本发明应用于各类基于图像的应用系统，具有广阔的应用前景。
-
公开(公告)号：CN103679664A
公开(公告)日：2014-03-26
申请号：CN201310743733.X
申请日：2013-12-30
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本发明涉及一种利用数学形态学交替滤波器的能够保留图像细节的增强方法，它有四大步骤：设有n个尺度不同的结构元素参与计算，首先，利用数学形态学中的交替滤波器提取图像的亮区域和暗区域；然后，改变结构元素的尺度大小，分别提取n个不同尺度结构元素交替滤波器所对应图像的亮区域和暗区域；随后，分别取所有亮区域和暗区域的最大值作为所有尺度结构元素交替滤波器提取的亮区域和暗区域；最后，通过在保留原始图像基本信息的图上分别加上提取的亮区域并减去提取的暗区域，增大原始图像的对比度从而达到保留图像细节的图像增强。本发明广泛应用于各类基于图像的应用系统，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN101567087A
公开(公告)日：2009-10-28
申请号：CN200910085469.9
申请日：2009-05-25
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种复杂天空背景下红外序列图像弱小目标检测与跟踪方法，包括以下步骤：(1)采用结合图像弱小目标特征和Top－hat变换的自适应背景剔除算法进行自适应背景剔除，抑制复杂背景和部分噪声对弱小目标检测的影响；(2)利用适合暗背景图像的迭代阈值算法分割背景剔除后的暗背景图像中的可能目标区域；(3)根据目标在连续多帧中的运动规律构造膨胀累加算法，区分可能的虚警目标区域；(4)用基于轮廓结构元素的CB运算和逻辑与操作抑制虚警目标；(5)将虚警目标抑制后的区域作为可能的目标区域与步骤(7)轨迹预测的结果进行比较，实现轨迹更新；(6)进行轨迹判决；(7)进行轨迹预测。
-
公开(公告)号：CN114863097B
公开(公告)日：2024-05-31
申请号：CN202210354670.8
申请日：2022-04-06
Applicant: 北京航空航天大学
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于注意力机制卷积神经网络的红外弱小目标检测方法；步骤一：搭建基于注意力机制的卷积神经网络；首先使用骨干网络对输入图像进行特征提取；提取的三层特征经过注意力模块进行特征增强；随后通过扩大感受野模块进行感受野增强；然后通过特征融合模块进行高低级特征融合；最后通过全卷积网络逐像素预测，得到全图像像素级别的概率预测图；步骤二：构造损失函数对网络进行训练；利用得到的预测结果与像素级标注图像进行损失计算，以实现对网络参数的反馈训练；输出：用训练好的神经网络处理红外图像；在使用训练数据对注意力机制卷积神经网络进行充分迭代训练之后，得到训练好的网络用于检测目标像素。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.047 seconds)
