-
公开(公告)号：CN110853051A
公开(公告)日：2020-02-28
申请号：CN201911016542.7
申请日：2019-10-24
Applicant: 北京航空航天大学
Abstract: 本发明一种基于多注意密集连接生成对抗网络的脑血管影像分割方法，其网络结构主要包括三部分：一，分割生成网络S：基于U型结构，在收缩路径中利用密集连接卷积层最大限度保留影像特征信息以准确分割血管细节轮廓，在扩张路径中利用注意力模块突出判别特征以缓解分割时相似区域的混淆；二，分割判别网络D：引入标准真实分割为条件，输入分割图掩映下前景脑血管区域至密集连接卷积层，专注提取脑血管区域特征以区别生成和真实分割；三，深度增强对抗损失函数：采用深度监督，利用沃瑟斯坦距离对抗损失且生成网络加入错误注意型加权交叉熵损失，着力解决类不平衡问题及减少分割错误。本发明可以广泛应用于脑血管疾病计算机辅助诊断和治疗等中。
-
公开(公告)号：CN107194355B
公开(公告)日：2019-11-22
申请号：CN201710373939.6
申请日：2017-05-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用方向导数构造熵对比度的红外弱小目标检测方法，它有四大步骤：首先，基于最小二乘曲面拟合，利用小面模型使用卷积操作快速求解出红外图像各像素点分别在4个方向的一阶导数；然后，由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；随后，对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该度量在各个方向导数子图中对背景进行抑制，对目标进行增强；最后，对各个方向导数子图的熵对比度相乘融合，进一步抑制边缘杂波背景，突出弱小目标。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106548457B
公开(公告)日：2019-11-22
申请号：CN201610898902.0
申请日：2016-10-14
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用多方向一阶偏导数的红外弱小目标检测方法，它有三大步骤：首先，利用小面模型构造小范围内图像灰度的二元三次函数，在中心区域求解各方向的一阶偏导数，并设计所需系数的卷积模板，各个运算系数可以直接从卷积后的图像中得到；然后，根据小目标在各方向上的一阶偏导数特性，通过内积最大化原则设计增强卷积模板，在各个方向上对目标进行增强；最后，对个各方向上的结果进行相乘融合，在进一步增强目标的同时尽可能地抑制背景，得到最后结果。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106599797B
公开(公告)日：2019-06-07
申请号：CN201611049729.3
申请日：2016-11-24
Applicant: 北京航空航天大学
Abstract: 本发明一种基于局部并行神经网络的红外人脸识别方法，它的网络结构主要包含四部分：一、提取初步卷积特征：通过一组2×2的卷积核提取初步的人脸特征并对输出特征信号进行整理；二、生成并行多尺度卷积特征：利用并行多尺度卷积网络结构提取代表不同尺度信息的人脸特征；三、生成分类特征向量：利用全连接层将卷积特征整合得到最终代表人脸身份的用于分类输入的特征向量并进行修正线性激活和随机忽略处理；四、训练并测试分类器：将处理过的全连接特征向量输入Softmax分类器计算损失并反向传播训练调整网络参数实现红外人脸识别。本发明能广泛应用于红外人脸识别与身份辨识应用。
-
公开(公告)号：CN106127253B
公开(公告)日：2019-04-05
申请号：CN201610479981.1
申请日：2016-06-27
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明一种利用样本特征学习分类的红外弱小目标检测方法：设含有目标的区域为正样本，背景区域为负样本，且已从实际红外图像中获得足够多带标签的正负样本。首先，从灰度分布、边缘、信息熵和能量四方面对样本分析，提取出拟合残差、中心周围对比度、边缘拟合圆半径、边缘拟合圆圆心偏移量、边缘拟合圆圆心距方差、基准信息熵对比度和纹理能量对比度7个特征；然后，通过包裹式选择、前向搜索方式，将受试者工作特性曲线下方的面积作为评价指标，从所有特征中选出最优特征子集；随后，提取正负样本的最优特征子集训练支持向量机分类器，进行监督学习；最后，通过对图像进行高帽变换预处理得到候选目标，并通过分类器甄别筛选得到最终检测结果。
-
Patent Agency Ranking
公开(公告)号：CN107240119A
公开(公告)日：2017-10-10
申请号：CN201710256035.5
申请日：2017-04-19
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用改进模糊聚类算法提取灰度不均匀红外行人的方法，步骤一：确定行人大致区域；步骤二：采用改进的模糊聚类算法对红外图像进行聚类分割；改进的模糊聚类算法目标函数如下：步骤三：为了提取红外行人目标，需要对聚类结果进行后续处理：剔除非行人目标区域；聚类结果为二值图像，计算二值图像中每个连通域的长宽比，剔除长宽比不符合行人长宽比范围的连通域。本发明从在目标函数中加入正则项以考虑像素点和邻域的相似性和像素点和聚类中心的相似性；对于邻域窗口尺寸进行了扩展，考虑更多邻域信息；能够较好地分割灰度不均匀红外行人目标；具有广阔的市场前景与应用价值。
-
公开(公告)号：CN107093205A
公开(公告)日：2017-08-25
申请号：CN201710151974.3
申请日：2017-03-15
Applicant: 北京航空航天大学
CPC classification number: G06T17/00 , G06T7/13 , G06T2207/10016 , G06T2207/20081
Abstract: 一种基于无人机图像的三维空间建筑物窗户检测重建方法，步骤如下：一：场景图像预处理；二：对纹理图像进行Canny边缘检测；三：对墙面的网格分布建立马尔科夫随机场和对应的能量函数；四：将检测得到的墙面窗户区域的二维坐标和墙面的三维平面进行三维空间映射；通过以上步骤，本检测方法结合建筑的三维空间信息和图像信息，能够克服窗户在二维图像中的遮挡、变形和其他结构差异变化带来的影响，在三维空间中实现窗户结构的准确定位和重建，对于其他图像处理领域如目标跟踪、三维重建和场景仿真等都有实际应用价值。
-
公开(公告)号：CN103996209B
公开(公告)日：2017-01-11
申请号：CN201410216050.3
申请日：2014-05-21
Applicant: 北京航空航天大学
IPC: G06T7/20
Abstract: 一种基于显著性区域检测的红外舰船目标分割方法，包含七个步骤：一、局部行对比度检测；二、边缘强度检测；三、显著线性结构检测；四、亮前景区域检测；五、显著性区域检测；六、局部显著性区域分割，对显著性图像分区域用基于均值、标准差和估计背景构造的自适应阈值处理得到初步舰船分割结果；七、显著性区域筛选，对于初步结果用显著性特征和形状特征进行筛选判别，最终得到舰船目标分割结果。本发明能够有效分割红外舰船图像，并能有效抑制复杂背景和光照不均带来的影响。
-
公开(公告)号：CN106296709A
公开(公告)日：2017-01-04
申请号：CN201610686022.7
申请日：2016-08-18
Applicant: 北京航空航天大学
CPC classification number: G06K9/6222 , G06T2207/20041
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：CN104766321A
公开(公告)日：2015-07-08
申请号：CN201510158174.5
申请日：2015-04-03
Applicant: 北京航空航天大学
IPC: G06T7/00
Abstract: 本发明一种利用环形最短路径的红外行人图像精确分割方法，它有五大步骤：一、显著性图像生成通过离散余弦变换得到红外行人图像的显著性图像；二、基于多阈值的前景估计采用单峰(Unimodal)阈值和大津(Otsu)阈值综合决定前景分布；三、基于标记点的水域分割利用显著性图像和阈值前景估计图像得到前景和背景的标记进而利用水域分割得到初始分割感兴趣区域；四、环形最短路径生成在初始分割区域中应用环形最短路径生成算法得到优化的行人分割轮廓；五、形态学后处理利用形态学操作将最短路径分割结果进行处理得到最终分割结果。本发明能广泛应用于红外行人分割。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.043 seconds)
