-
公开(公告)号：CN115272388A
公开(公告)日：2022-11-01
申请号：CN202210878239.3
申请日：2022-07-25
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方向梯度的红外弱小目标检测方法，首先，利用Facet模型计算原始图像各方向梯度，然后在每一个方向上，沿着方向梯度寻找波峰和波谷，根据当前点与波峰和波谷的距离确定当前点是否为目标点，融合各方向的目标点信息得到最终目标位置候选点；根据目标位置候选点信息，对目标进行增强，同时抑制背景，计算各方向显著性图，最后将各方向显著图融合得到最终显著图，根据显著性图分割出目标。本发明可广泛应用于红外图像的弱小目标检测。
-
公开(公告)号：CN106599864A
公开(公告)日：2017-04-26
申请号：CN201611189169.1
申请日：2016-12-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明是一种基于极值理论的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，得到决策值，基于极值理论对决策值进行统计分析得出预测结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，能够有效区分陌生人脸，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111399781B
公开(公告)日：2023-09-19
申请号：CN202010315170.4
申请日：2020-04-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种提高实时图像记录系统可靠性的存储方法，包括：实时图像记录系统启动时建立一个内存缓存区、一个读缓存区线程、一个写缓存区线程、读缓存线程同步标识、写缓存线程同步标识；写缓存区线程接收需要记录的数据；写缓存区线程将数据写入缓存区，更新写缓存线程同步标识；记录开始后读缓存区线程查询线程同步标识判断是否可读出；判断读出数据在缓存区的位置；读缓存区线程将缓存区内数据读出并写入磁盘；在记录过程中同时运行读缓存区线程、写缓存区线程直至记录结束。本发明采用建立一个循环缓存区和读写缓存同步的方法避免了多个线程在多个缓存区间切换带来的不可靠问题；避免了多线程同时写入磁盘时带来的不可靠问题。
-
公开(公告)号：CN106599864B
公开(公告)日：2020-01-07
申请号：CN201611189169.1
申请日：2016-12-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明是一种基于极值理论的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，得到决策值，基于极值理论对决策值进行统计分析得出预测结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，能够有效区分陌生人脸，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。
-
公开(公告)号：CN117196986A
公开(公告)日：2023-12-08
申请号：CN202311170119.9
申请日：2023-09-12
Applicant: 中国科学院光电技术研究所
IPC: G06T5/00
Abstract: 本发明公开了一种基于场景的多尺度非均匀性校正方法，该方法首先对输入图像建立图像金字塔，对于金字塔的每一层图像，利用引导滤波里的局部线性模型，即以去除非均匀性后的图像作为引导图像，在局部邻域窗口中，引导图像与滤波输出图像成线性关系，同时认为局部邻域窗口中的低频非均匀性模型为一种以坐标轴为变量的多项式模型，然后利用加权最小二乘优化方法对非均匀性进行约束，将原始优化问题分解为两个子问题，利用交替方向乘子法求解，迭代优化，得到图像的非均匀性，最后对图像金字塔各层得到的非均匀性进行重构，得到最终的非均匀性图像，用原始图像减去非均匀性得到清晰图像。
-
公开(公告)号：CN111399781A
公开(公告)日：2020-07-10
申请号：CN202010315170.4
申请日：2020-04-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种提高实时图像记录系统可靠性的存储方法，包括：实时图像记录系统启动时建立一个内存缓存区、一个读缓存区线程、一个写缓存区线程、读缓存线程同步标识、写缓存线程同步标识；写缓存区线程接收需要记录的数据；写缓存区线程将数据写入缓存区，更新写缓存线程同步标识；记录开始后读缓存区线程查询线程同步标识判断是否可读出；判断读出数据在缓存区的位置；读缓存区线程将缓存区内数据读出并写入磁盘；在记录过程中同时运行读缓存区线程、写缓存区线程直至记录结束。本发明采用建立一个循环缓存区和读写缓存同步的方法避免了多个线程在多个缓存区间切换带来的不可靠问题；避免了多线程同时写入磁盘时带来的不可靠问题。
-
公开(公告)号：CN106599863A
公开(公告)日：2017-04-26
申请号：CN201611189168.7
申请日：2016-12-21
Applicant: 中国科学院光电技术研究所
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6256 , G06K9/6269 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习技术的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，对预测结果投票，得到最终识别结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
