-
公开(公告)号：CN114972038B
公开(公告)日：2024-09-03
申请号：CN202210699194.3
申请日：2022-06-20
Applicant: 中国科学院自动化研究所 , 北京三星通信技术研究有限公司
IPC: G06T3/4053 , G06T3/4046 , G06T5/20 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985
Abstract: 本发明属于模式识别与机器学习领域，具体涉及了一种基于相关性动态滤波的端到端多帧超分辨方法及系统，旨在解决现有多帧超分辨依赖光流场信息进行多帧图像的空间对齐，计算复杂、超分辨效果达不到预期的问题。本发明包括：通过特征提取器提取不同图像帧的特征，计算目标帧每个像素点与支撑帧上对应点周围像素点的特征之间的相关性，获得目标帧和每一个支撑帧的特征之间的相关性矩阵；通过滤波器计算每一个支撑帧的特征的滤波核，并进行对应的支撑帧的动态滤波；通过解码器融合目标帧和滤波后的支撑帧的特征，获得超分辨图像。本发明不依赖光流场信息进行多帧图像的空间对齐，更加轻量和稳定，可以以较小的参数量和计算量取得更优的性能。
-
公开(公告)号：CN107038683B
公开(公告)日：2020-09-15
申请号：CN201710190407.9
申请日：2017-03-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种运动目标的全景成像方法，对运动目标采集高清视频，运用图像拼接技术从而生成运动目标的高清全景图像。本方法主要包括特征点提取、特征点光流计算与分析、前景帧和背景帧分离以及图像融合等步骤。本发明可以克服火车等狭长目标运动时，全景成像和高清成像难以兼顾的问题，通过在运行中的火车一侧采集高清视频序列，应用本发明中的方法即可拼接出火车车身的高清全景图像，为后续的基于视觉的火车车型分析、车号识别、车速测量等提供了基础条件。
-
公开(公告)号：CN107038683A
公开(公告)日：2017-08-11
申请号：CN201710190407.9
申请日：2017-03-27
Applicant: 中国科学院自动化研究所
CPC classification number: G06T3/4038 , G06T5/50 , G06T2207/10016 , G06T2207/20221
Abstract: 本发明提供了一种运动目标的全景成像方法，对运动目标采集高清视频，运用图像拼接技术从而生成运动目标的高清全景图像。本方法主要包括特征点提取、特征点光流计算与分析、前景帧和背景帧分离以及图像融合等步骤。本发明可以克服火车等狭长目标运动时，全景成像和高清成像难以兼顾的问题，通过在运行中的火车一侧采集高清视频序列，应用本发明中的方法即可拼接出火车车身的高清全景图像，为后续的基于视觉的火车车型分析、车号识别、车速测量等提供了基础条件。
-
公开(公告)号：CN108960230A
公开(公告)日：2018-12-07
申请号：CN201810549254.7
申请日：2018-05-31
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/3233 , G06K9/6256 , G06K9/6267
Abstract: 本发明属于图像分析技术领域，具体提供了一种基于旋转区域的轻量化目标识别方法及装置。旨在解决现有技术目标识别算法复杂度高以及难以识别多个角度目标的问题。本发明提供了一种基于旋转矩形框的轻量化目标识别方法，包括基于预先构建的目标识别网络模型对输入图像进行目标识别，得到输入图像的目标类别。目标识别网络模型基于卷积神经网络构建，包括目标提取模块和目标识别模块。本发明通过合并压缩现有的卷积神经网络，减少了网络参数，降低了算法复杂度。
-
公开(公告)号：CN106980895A
公开(公告)日：2017-07-25
申请号：CN201710095188.6
申请日：2017-02-22
Applicant: 中国科学院自动化研究所
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于旋转区域的卷积神经网络预测方法，包括以下步骤：步骤1,根据输入图像生成卷积神经网络特征图和基于旋转矩形框的感兴趣区域；步骤2，根据所述卷积神经网络特征图和感兴趣区域，利用旋转感兴趣区域池化层得到特征映射图；步骤3，将所述特征映射图映射为一维特征向量；步骤4，对所述一维特征向量进行分类，得到分类结果；步骤5，对所述一维特征向量进行旋转矩形框回归预测，得到回归预测结果；步骤6，根据所述分类结果和回归预测结果输出最终预测结果。本发明中，解决了图像中由于目标发生旋转和聚集现象所带来的难以定位和识别的问题，实现了精准的定位。
-
Patent Agency Ranking
公开(公告)号：CN102855622B
公开(公告)日：2015-10-28
申请号：CN201210248684.8
申请日：2012-07-18
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于显著性分析的红外遥感图像海面船只检测方法，可用于航天、航空红外遥感图像中的海面船只检测，该方法包括以下步骤：对红外遥感图像进行分割，得到海面区域；在分割得到的海面区域中，使用基于显著性分析的方法检测海面上可能为船只的候选目标；使用尺寸信息对候选目标进行一次过滤；使用形状信息对候选目标进行二次过滤；通过尺寸和形状限制的候选目标确定为最终检测得到的海面船只。本发明结合了图像分割和显著性分析技术，解决了红外遥感图像中海面区域分割和海面船只检测问题，避免了单一的目标检测算法适用范围较窄、检测性能不高的缺点。
-
公开(公告)号：CN102855622A
公开(公告)日：2013-01-02
申请号：CN201210248684.8
申请日：2012-07-18
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于显著性分析的红外遥感图像海面船只检测方法，可用于航天、航空红外遥感图像中的海面船只检测，该方法包括以下步骤：对红外遥感图像进行分割，得到海面区域；在分割得到的海面区域中，使用基于显著性分析的方法检测海面上可能为船只的候选目标；使用尺寸信息对候选目标进行一次过滤；使用形状信息对候选目标进行二次过滤；通过尺寸和形状限制的候选目标确定为最终检测得到的海面船只。本发明结合了图像分割和显著性分析技术，解决了红外遥感图像中海面区域分割和海面船只检测问题，避免了单一的目标检测算法适用范围较窄、检测性能不高的缺点。
-
公开(公告)号：CN114972038A
公开(公告)日：2022-08-30
申请号：CN202210699194.3
申请日：2022-06-20
Applicant: 中国科学院自动化研究所 , 北京三星通信技术研究有限公司
Abstract: 本发明属于模式识别与机器学习领域，具体涉及了一种基于相关性动态滤波的端到端多帧超分辨方法及系统，旨在解决现有多帧超分辨依赖光流场信息进行多帧图像的空间对齐，计算复杂、超分辨效果达不到预期的问题。本发明包括：通过特征提取器提取不同图像帧的特征，计算目标帧每个像素点与支撑帧上对应点周围像素点的特征之间的相关性，获得目标帧和每一个支撑帧的特征之间的相关性矩阵；通过滤波器计算每一个支撑帧的特征的滤波核，并进行对应的支撑帧的动态滤波；通过解码器融合目标帧和滤波后的支撑帧的特征，获得超分辨图像。本发明不依赖光流场信息进行多帧图像的空间对齐，更加轻量和稳定，可以以较小的参数量和计算量取得更优的性能。
-
公开(公告)号：CN108960230B
公开(公告)日：2021-04-27
申请号：CN201810549254.7
申请日：2018-05-31
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像分析技术领域，具体提供了一种基于旋转区域的轻量化目标识别方法及装置。旨在解决现有技术目标识别算法复杂度高以及难以识别多个角度目标的问题。本发明提供了一种基于旋转矩形框的轻量化目标识别方法，包括基于预先构建的目标识别网络模型对输入图像进行目标识别，得到输入图像的目标类别。目标识别网络模型基于卷积神经网络构建，包括目标提取模块和目标识别模块。本发明通过合并压缩现有的卷积神经网络，减少了网络参数，降低了算法复杂度。
-
公开(公告)号：CN106022307B
公开(公告)日：2019-09-27
申请号：CN201610404092.9
申请日：2016-06-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于船只旋转矩形空间的遥感图像船只检测方法。其中，该方法包括根据遥感图像通过构造船只旋转矩形空间，并生成海量的潜在船只候选窗口；利用分类器，对海量的潜在船只候选窗口打分或分类，确定包含遥感图像中船只的少量船只候选窗口。通过本发明实施例，实现了对复杂背景下的船只目标的精确定位。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
