-
公开(公告)号：CN119516209A
公开(公告)日：2025-02-25
申请号：CN202411608681.X
申请日：2024-11-12
Applicant: 中国科学院光电技术研究所
IPC: G06V10/44 , G06F18/2135 , G06V10/58
Abstract: 本发明公开了一种融合区域平均灰度差和红外图像块的小目标检测方法，属于图像处理、目标检测、图像分割技术领域。方法包括：获得包含单帧红外小目标的原始图像矩阵；使用局部区域构造的方法，将原始图像矩阵构造为红外块图像矩阵；对红外块图像矩阵进行鲁棒主成分分析，获得背景矩阵和待测目标矩阵；获得待测目标矩阵中的所有连通域，即疑似目标区域；对每一个疑似目标区域，构建一个矩形局部区域，每个矩形局部区域的中心与对应疑似目标区域的中心重合；计算并对比待测目标矩阵的每个疑似目标区域与对应矩形局部区域的平均灰度差，得到真实目标。根据本发明技术方案，通过将区域平均灰度差与红外图像块模型融合，有效提升了目标的检出率。
-
公开(公告)号：CN117115575A
公开(公告)日：2023-11-24
申请号：CN202311192041.0
申请日：2023-09-15
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种红外小目标检测方法。由于成像距离较远，小目标在红外图像中尺寸较小、对比度低，使得小目标在红外图像中很容易被背景和噪声干扰，造成传统的目标检测方法在红外小目标检测中具有较大的局限性。因此，在本发明中，使用基于尺度空间理论的拉普拉斯高斯算子处理原始图像，获得候选目标点。根据候选目标点确定需要分解的图像范围。通过低秩稀疏理论完成原始图像的分解，在候选目标点的引导下检出真实目标。一方面，尺度空间理论的引入，提高了本算法的鲁棒性，抑制了背景的影响；另一方面，低秩稀疏理论将传统算法中的背景与目标分离问题转化为鲁棒主成分分析问题，有效提升了目标的检出成功率。
-
公开(公告)号：CN117237610A
公开(公告)日：2023-12-15
申请号：CN202311228853.6
申请日：2023-09-22
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于局部信杂比的改进RPCA红外小目标检测方法。首先，对包含小目标的红外图像进行了鲁棒主成分分析，将图像分解为背景矩阵和目标矩阵。其中，背景矩阵捕捉了图像的低秩性，描述了图像的背景信息；而目标矩阵则利用了稀疏性，有效地表征了图像中的目标信息。在目标矩阵中引入了局部窗口，并计算了窗口内图像的局部信杂比。局部信杂比考虑了目标与背景之间的差异，有助于区分真实的目标和虚警。通过比较红外图像中小目标与背景的局部信杂比差异，能够准确地识别出真实的目标。鲁棒主成分分析能够有效地分离出图像中的目标和背景，从而提高了小目标的检测率。
-
公开(公告)号：CN116202487A
公开(公告)日：2023-06-02
申请号：CN202310181016.6
申请日：2023-02-28
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供了一种基于三维建模的实时目标姿态测量方法，包括：根据近景拍摄或其他先验条件，建立飞行目标的三维模型；以航迹预测提供姿态初值，以姿态初值驱动三维模型，获得初始模拟图像；通过射影几何关系，建立三维模型与真实图像的3D‑2D特征关联；通过EPnP算法求解试探性的目标姿态，依据代理损失进行粗匹配阶段的迭代寻优；定义基于泛轮廓点的重合偏差距离，进行精匹配阶段的迭代寻优，输出飞行目标相对于相机坐标系的姿态最佳值；并进一步得到飞行目标在测站坐标系下的姿态信息。本发明给出了求解无标注飞行目标的三维姿态的数学模型，具有精度高、实时性强、鲁棒性高的特性，将本方法从单目视觉拓展到双目或多目时，将得到更高精度的姿态信息。
-
Patent Agency Ranking
公开(公告)号：CN119323671B
公开(公告)日：2025-05-06
申请号：CN202411827979.X
申请日：2024-12-12
Applicant: 中国科学院光电技术研究所
IPC: G06F17/40
Abstract: 本发明公开了一种基于多尺度差分对比度增强的红外小目标检测方法，属于图像分割技术领域，包括：获取包含单帧红外小目标的原始图像；对原始图像进行多尺度高斯模糊处理，生成一系列不同尺度的模糊图像；计算相邻尺度模糊图像的差分，生成多尺度高斯差分图像；在多尺度高斯差分图像中检测局部极大值点；对每个局部极大值点，构建多尺度块区域，并使用多尺度块对比度函数计算局部极大值点与其八邻域的均值差异；汇总多尺度块对比度函数的计算结果，生成对比度增强图像；根据对比度增强图像的平均值和标准差设定阈值，根据阈值分割对比度增强图像，得到最终的目标检测结果。该方法能够有效检测复杂背景中的红外小目标，具有良好的鲁棒性和准确性。
-
公开(公告)号：CN119478369A
公开(公告)日：2025-02-18
申请号：CN202411608748.X
申请日：2024-11-12
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种多尺度的新型Top‑Hat红外小目标检测方法，包括：步骤S110，获得包含红外小目标的原始图像矩阵；步骤S120，在不同尺度下分别构建环形结构元素；步骤S130，使用构建的环形结构元素对原始图像矩阵进行多尺度的Top‑Hat变换，生成多个尺度下的增强目标矩阵；步骤S140，计算每个增强目标矩阵的非零均值，筛选出具有最大均值的增强目标矩阵；步骤S150，在具有最大均值的增强目标矩阵中，提取高于均值的部分作为疑似目标区域；步骤S160，计算疑似目标区域中的每个连通域，根据预设的小目标像素数目筛选连通域，从而实现目标检测。根据本发明技术方案，相较于单一尺度的结构元素，能够更有效地捕捉到不同尺寸的目标。
-
公开(公告)号：CN119323671A
公开(公告)日：2025-01-17
申请号：CN202411827979.X
申请日：2024-12-12
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尺度差分对比度增强的红外小目标检测算法，属于图像分割技术领域，包括：获取包含单帧红外小目标的原始图像；对原始图像进行多尺度高斯模糊处理，生成一系列不同尺度的模糊图像；计算相邻尺度模糊图像的差分，生成多尺度高斯差分图像；在多尺度高斯差分图像中检测局部极大值点；对每个局部极大值点，构建多尺度块区域，并使用多尺度块对比度函数计算局部极大值点与其八邻域的均值差异；汇总多尺度块对比度函数的计算结果，生成对比度增强图像；根据对比度增强图像的平均值和标准差设定阈值，根据阈值分割对比度增强图像，得到最终的目标检测结果。该方法能够有效检测复杂背景中的红外小目标，具有良好的鲁棒性和准确性。
-
公开(公告)号：CN113139988A
公开(公告)日：2021-07-20
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。
-
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
9
records
(took 0.034 seconds)
