基于FDST和双通道PCNN的异源图像融合方法

    公开(公告)号:CN110009026A

    公开(公告)日:2019-07-12

    申请号:CN201910241540.1

    申请日:2019-03-28

    Abstract: 本发明公开了一种基于FDST和双通道PCNN的异源图像融合方法,对多传感器的异源图像,先采用FDST工具将原始图像分解到多个尺度上,再对低频子带通过简单加权平均的方式进行融合,对高频子带通过双通道PCNN进行融合,最后通过FDST反变换得到融合图像。本发明技术解决方案简单,鲁棒性高,实用性强,能够很好地保持原始图像中的细节信息,增强异源图像信息在融合图像中表达的一致性,提升融合图像的质量,可以很好地解决目前异源图像融合方法性能不稳定、效率低下、部分特征缺失、意外引入瑕疵等问题。

    异源图像的角点特征提取与描述方法

    公开(公告)号:CN110008964A

    公开(公告)日:2019-07-12

    申请号:CN201910241551.X

    申请日:2019-03-28

    Abstract: 本发明公开了一种高效的异源图像的角点特征提取与描述方法,对于特征相似度较低的异源图像,先采用FAST方法提取图像中的结构性特征较为显著的角点,再采用PIIFD特征描述符考虑异源图像的梯度翻转效应,对角点特征进行统一的描述。本发明技术解决方案简单,鲁棒性高,实用性强,不易受图像品质的影响,能克服异源图像特征差异较大、特征较为模糊、图像噪声干扰较大等问题,可以很好地解决目前主要特征提取方法在处理异源图像时特征提取准确率低、特征显著性低、计算复杂度高、可靠性差的问题。

    一种异源图像配准方法及系统

    公开(公告)号:CN115176274B

    公开(公告)日:2025-01-28

    申请号:CN202080097152.1

    申请日:2020-06-08

    Abstract: 本发明公开了一种异源图像配准方法及系统,包括,利用Canny边缘检测算子对采集的图像进行边缘检测,结合曲率尺度空间策略提取边缘图像中的轮廓曲线段;基于全局和局部曲率的特征点检测策略检测轮廓曲线段中的特征点,分别得到特征点指向轮廓起点和终点方向的最近局部曲率极小值;根据局部曲率极小值计算邻域采样点数和特征点两侧邻域的邻域辅助特征点利用邻域辅助特征点与特征点构成特征三角形并计算特征三角形中特征点对应的角平分线向量和主方向;主方向指向特征点轮廓的凹侧,完成主方向分配。本发明方法具有显著性、精准性,对电力设备的图像配准场景具有较高的适应性。

    一种变电设备高精度识别方法及系统

    公开(公告)号:CN115151952A

    公开(公告)日:2022-10-04

    申请号:CN202080097153.6

    申请日:2020-06-08

    Abstract: 本发明公开了一种变电设备高精度识别方法及系统,包括,基于卷积神经网络构建Mask RCNN目标识别网络模型;将采集到的图片信息输入至所述Mask RCNN目标识别网络模型中进行初步识别,输出目标识别结果;利用信息熵建立语义决策树并根据物体间相关联系原则对所述目标识别结果进行修正,输出最终的识别决策结果;读取所述识别决策结果,得到待识别目标的真实类别。本发明通过Mask RCNN目标识别网络模型进行初步识别,结合语义决策树进行二次判断修正识别,在增加判别标准的基础上利用变电设备间的相关关系融合图像特征,得到真实类别,大幅度的提升变电设备图像识别准确度,对研究发展巡检机器人自动检测设备具有积极推动作用。

    一种基于人类概念学的电力设备目标识别方法

    公开(公告)号:CN112102296A

    公开(公告)日:2020-12-18

    申请号:CN202010978271.X

    申请日:2020-09-17

    Abstract: 本发明公开了一种基于人类概念学的电力设备目标识别方法,包括,建立电力设备图像数据集,并对所述电力设备图像中的电力设备进行标注;通过利用标注后的数据集训练神经网络和贝叶斯网络,分别获得识别结果和条件概率;利用所述条件概率计算联合概率;筛选最高联合概率所对应的识别结果作为所述电力设备的识别结果,完成所述电力设备的识别。本发明通过结合Mask R‑CNN和概率图模型,底层使用Mask R‑CNN,顶层使用贝叶斯网络对电力设备图像进行识别训练,使得通过少量的数据样本也能达到很好的识别效果,且成功地提升了Mask R‑CNN模型的性能。

Patent Agency Ranking