-
Patent Agency Ranking
公开(公告)号：CN106250895B
公开(公告)日：2019-07-26
申请号：CN201610671049.9
申请日：2016-08-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种光学遥感图像感兴趣区域检测方法，应用于高分辨率光学遥感图像感兴趣区域检测。通过对超像素级的图像进行处理，然后进行超像素级到像素级显著性映射，得到像素级显著图，完成对感兴趣区域由粗尺度快速定位到精细尺度下的精确描述。该方法首先对原始图像进行降采样，然后进行超像素分割，基于以上操作将高分辨率图像转换为较粗尺度图像，然后，在生成的粗尺度图像上通过结构张量与颜色空间背景抑制技术分别获得超像素级的纹理特征图和颜色特征图。随后经过特征图融合及上采样插值得到原始分辨率尺度下的超像素级显著图。最后，通过超像素级到像素级显著性映射，得到像素级显著图，完成感兴趣区域的像素级精确描述。
-
公开(公告)号：CN107767400A
公开(公告)日：2018-03-06
申请号：CN201710838129.3
申请日：2017-09-15
Applicant: 北京理工大学
CPC classification number: G06T7/246 , G06K9/4671 , G06K9/629 , G06T7/207 , G06T7/215 , G06T2207/10016 , G06T2207/10032 , G06T2207/20016
Abstract: 本发明提供一种基于层次化显著性分析的遥感图像序列动目标检测方法，具体过程为：首先，采用基于运动补偿的双模单高斯模型，在全局的尺度上提取时域显著性信息，得到时域显著图；从时域显著图中粗提取运动区域，作为候选区域；其次，在所述候选区域的基础上，分别在像素级和超像素级进行空间域的显著性分析，得到空域显著图；最后，将得到的全局时域显著图和局部空域显著图进行线性融合，得到时空显著图，通过阈值分割得到运动目标检测的结果。该方法能够对于运动目标完成由粗尺度快速定位到精细尺度下的精确描述，可有效提高运动目标检测算法计算效率。
-
公开(公告)号：CN107767400B
公开(公告)日：2021-07-20
申请号：CN201710838129.3
申请日：2017-09-15
Applicant: 北京理工大学
Abstract: 本发明提供一种基于层次化显著性分析的遥感图像序列动目标检测方法，具体过程为：首先，采用基于运动补偿的双模单高斯模型，在全局的尺度上提取时域显著性信息，得到时域显著图；从时域显著图中粗提取运动区域，作为候选区域；其次，在所述候选区域的基础上，分别在像素级和超像素级进行空间域的显著性分析，得到空域显著图；最后，将得到的全局时域显著图和局部空域显著图进行线性融合，得到时空显著图，通过阈值分割得到运动目标检测的结果。该方法能够对于运动目标完成由粗尺度快速定位到精细尺度下的精确描述，可有效提高运动目标检测算法计算效率。
-
公开(公告)号：CN106250895A
公开(公告)日：2016-12-21
申请号：CN201610671049.9
申请日：2016-08-15
Applicant: 北京理工大学
CPC classification number: G06K9/3233 , G06T3/4023 , G06T5/50 , G06T2207/10032 , G06T2207/30181
Abstract: 本发明公开了一种光学遥感图像感兴趣区域检测方法，应用于高分辨率光学遥感图像感兴趣区域检测。通过对超像素级的图像进行处理，然后进行超像素级到像素级显著性映射，得到像素级显著图，完成对感兴趣区域由粗尺度快速定位到精细尺度下的精确描述。该方法首先对原始图像进行降采样，然后进行超像素分割，基于以上操作将高分辨率图像转换为较粗尺度图像，然后，在生成的粗尺度图像上通过结构张量与颜色空间背景抑制技术分别获得超像素级的纹理特征图和颜色特征图。随后经过特征图融合及上采样插值得到原始分辨率尺度下的超像素级显著图。最后，通过超像素级到像素级显著性映射，得到像素级显著图，完成感兴趣区域的像素级精确描述。
-
公开(公告)号：CN107767404A
公开(公告)日：2018-03-06
申请号：CN201710833949.3
申请日：2017-09-15
Applicant: 北京理工大学
CPC classification number: G06T7/254 , G06T5/002 , G06T5/20 , G06T7/215 , G06T2207/10016 , G06T2207/10032 , G06T2207/20032 , G06T2207/20224
Abstract: 本发明提供一种基于改进ViBe背景模型的遥感图像序列动目标检测方法，过程为：将遥感图像序列的第一帧图像加入设定范围的随机噪声构建初始化ViBe背景模型；从第二帧图像开始，进行动目标检测：使用当前帧和背景模型差分，得到初始前景检测结果；对初始前景检测结果进行中值滤波、高斯滤波，去除噪声干扰；对滤波后的结果进行连通域分析，即将像素级处理转换为连通域级处理，通过连通域属性对检测结果进行初步筛选；进行目标级分析：将初步筛选后的结果中每个连通域都看作目标，利用鬼影判断、显著性检测对检测结果进行进一步优化；通过Otsu方法进行阈值分割，得到最终的动目标检测结果。该方法兼顾了检测结果的准确性和计算效率，可满足实时处理需求。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
