-
公开(公告)号：CN114972363A
公开(公告)日：2022-08-30
申请号：CN202210523814.8
申请日：2022-05-13
Applicant: 北京理工大学
IPC: G06T7/10 , G06V10/40 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本申请涉及图像处理技术领域，提供一种图像分割方法、装置、电子设备及计算机存储介质。包括：根据基于注意力的残差结构对待分割图像进行特征提取，得到初始特征图；基于所述初始特征图进行基于多头自注意力的特征图重建，得到中间特征图；根据所述中间特征图进行基于注意力增强的上采样处理，得到分割图像。本申请可以缓解梯度消失的问题并提高对细粒度特征的提取能力，快速有效地得到初始特征图，同时可以加强初始特征图上每个特征点的语义表征，提高对不同类别间像素的精细化分割，并且可以增强对目标的识别能力，加强对不同尺度目标的区分以及细化不同类别目标间的特征，因此可以有效提高图像分割的精确度。
-
公开(公告)号：CN103942803A
公开(公告)日：2014-07-23
申请号：CN201410185121.8
申请日：2014-05-05
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于SAR图像的水域自动检测方法，包括以下步骤：第一步，对SAR图像进行去噪处理；第二步，利用边缘检测算子计算输入图像的梯度，得到SAR图像的梯度图像；第三步，利用对比度拉伸变换算法提高SAR图像的对比度；第四步，利用双峰迭代法实现二次自适应阈值分割，得到两幅二值图像；第五步：利用形态学分别对第四步得到的两幅二值图像进行后处理，得到粗提取的目标候选区域；第六步：虚警剔除：标记第五步得到的粗提取的目标候选区域，并统计每个连通暗斑的面积，根据SAR图像的分辨率，设置一个面积阈值，对小于预设面积的暗斑进行剔除，最终在原图中标记出提取的水域。
-
公开(公告)号：CN103778626A
公开(公告)日：2014-05-07
申请号：CN201310752016.3
申请日：2013-12-31
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著区域的图像配准方法，属于图像处理领域，该方法用于将待配图像A与参考图像B进行匹配，分别获取A与B的显著区域；每三个A的显著区域的质心为一个三角形顶点，作为第一特征三角形，同理获得第二特征三角形；相似的第一和第二特征三角形组成相似三角形对，其中(a、b)相似度最大；基于(a、b)建立由A至B变换的仿射变换模型，涉及的初始匹配参数包括水平平移量和垂直平移量、旋转角度以及尺度参数；从初始匹配参数开始进行设定步长的Powell搜索，获取搜索值，使用每个搜索值对A与B进行多次配准测试，结果最佳的配准测试对应的搜索值即为最优匹配参数；使用该最优待配参数对A进行仿射变换获得最终配准结果。
-
公开(公告)号：CN104658011B
公开(公告)日：2017-09-29
申请号：CN201510052365.3
申请日：2015-01-31
Applicant: 北京理工大学
IPC: G06T7/246
Abstract: 本发明公开了一种智能交通运动目标检测跟踪方法，用于对智能交通视频进行运动目标检测和跟踪。本发明考虑到视频帧图像中一般存在道路中间及两侧护栏等边缘特征明显的物体，采用有限差分一阶偏导矩阵计算输入前后视频帧图像的梯度，提取输入图像特征区域精细轮廓；将轮廓连接、区域填充合并等形态学处理从而得到预处理图像。对预处理图像采用改进的SIFT算法提取关键点，对预处理图像只构建一组六层的高斯金字塔。保证在图像存在较小尺度变化的时候的检测到较少数量的关键点，同时减少冗余的构建金字塔的计算需要，提高算法的时间效率。帧差前利用预处理图像得到的仿射变换模型对视频序列前后帧图像进行了配准，消除了视频帧漂移对检测性能造成的影响。
-
公开(公告)号：CN103488992B
公开(公告)日：2016-09-07
申请号：CN201310382104.9
申请日：2013-08-28
Applicant: 北京理工大学
IPC: G06K9/54
Abstract: 本发明公开了一种面向复杂SAR图像场景的溢油检测方法，属于目标检测与识别技术领域。包括以下步骤：一，读入检测图像；二、对检测图像进行图像分割，提取出暗斑，处理后得到亮海暗斑图像；三，在亮海暗斑图像中，将除暗海区域外的部分置0或1，获得暗海图像，对于暗海图像进行图像分割，提取出暗斑，处理后得到暗海暗斑图像；第四步，将暗海暗斑图像中的暗斑加入到亮海暗斑图像中，得到全暗斑图像，剔除虚假暗斑，获得部分暗斑图像；第五步，根据部分暗斑图像设定参考灰度级，对去噪处理后的检测图像进行遗漏检索，获得遗漏暗斑，将遗漏暗斑加入到部分暗斑图像中，获得最终的溢油暗斑图像。本发明适用于复杂场景的溢油暗斑提取。
-
Patent Agency Ranking
公开(公告)号：CN103955692A
公开(公告)日：2014-07-30
申请号：CN201410182255.4
申请日：2014-04-30
Applicant: 北京理工大学
IPC: G06K9/54
Abstract: 本发明提出了一种结合灰度与拓扑特征的SAR图像水域虚警剔除方法，能够有效地剔除由山体、建筑物等阴影产生的虚警。第一步、首先采用经过预处理的SAR灰度图像和粗提取的目标候选区域图像作为输入，然后计算粗提取的目标候选区域的灰度均值；第二步、从粗提取的目标候选区域图像中提取进行虚警剔除的虚警候选区；第三步、计算所述虚警候选区域的灰度均值；第四步、利用膨胀操作对所述虚警候选区域内部的孔洞进行填充；第五步、标记填充之后的虚警候选区，利用纹理特征统计每个连通区域的拓扑描述子；第六步、针对不同的场景图像，设置不同判决条件，进行虚警剔除。
-
公开(公告)号：CN103778627A
公开(公告)日：2014-05-07
申请号：CN201410001561.3
申请日：2014-01-02
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于SAR图像的海域溢油检测方法，针对不同海洋场景能够更准确的检测海域溢油。第一步、目标进行提取之前，对SAR图像进行均值滤波处理；第二步、利用最大类间方差的方法对均值滤波处理后的SAR图像进行第一次阈值分割，从整幅图中分割出暗海和部分溢油暗斑；第三步、利用基于上下文特征的局部对比度拉伸方法从暗海中提取溢油暗斑：对于对比度不均匀的SAR海域图像，利用第一次阈值分割会得到大面积的暗海区域；第四步，形态学操作：去除提取的暗海区域图像中的小散点暗斑；第五步，利用基于上下文特征的方法进行虚警剔除。
-
公开(公告)号：CN103150567A
公开(公告)日：2013-06-12
申请号：CN201310043706.1
申请日：2013-02-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种整合模式识别与上下文知识的光学遥感图像云判别方法，能够解决现有技术中只利用某一个分块本身的信息进行模式识别所带来的弊端。首先，采用L×L的正方形在光学遥感图像中进行水平和竖直方向的步进，获得分块称为Tile，每个Tile由4个Block组成。对各个Tile分块进行模式识别，获得Tile索引矩阵；根据Tile索引矩阵确定Block的判决值并进行微调；利用上下文知识，对Block的判决值进行修正；最后利用修正后的Block判决值所标记的云位置，对光学遥感图像进行云剔除。
-
公开(公告)号：CN103093242A
公开(公告)日：2013-05-08
申请号：CN201310024492.3
申请日：2013-01-23
Applicant: 北京理工大学
Abstract: 本发明提供一种基于多特征层次化判决的光学遥感图像云判别方法，能够更准确的判别云和非云。第一步：提取解译对象的灰度直方图，并对灰度直方图进行截取，以去除奇异值；第二步：将解译对象分为单一型和混合型；单一型是指对象中只含一种解译对象，而混合型是指一个对象中含有两种或两种以上解译对象；第三步：对于混合型对象，利用方差标准比H’作为门限划分为确定混合型对象或不确定混合型对象；对于单一型对象和确定混合型对象采用门限法进行再分类，对于不确定混合型对象采用分类器进行再分类；所述方差标准比H’为解译对象的灰度方差与灰度方差标准值H的比值；方差标准比H’越大表示越接近不确定混合型。
-
公开(公告)号：CN104951799B
公开(公告)日：2019-11-15
申请号：CN201510325430.5
申请日：2015-06-12
Applicant: 北京理工大学
Abstract: 本发明提供一种SAR遥感影像溢油检测识别方法，具体过程如下，利用Gamma MAP滤波器对SAR影像滤波，再对其进行Sobel滤波；对Sobel滤波后得到的梯度图，进行分水岭算法实现海陆分割；利用海面区域图像的均值对陆地区域进行填充，再利用C‑V算法对填充后的图像进行同质区内的目标区域分割提取；提取目标区域灰度共生矩阵、小波分解的纹理特性、灰度特征及形状特征构建视觉频率直方图，利用训练得到的SVM分类器模型对视觉频率直方图进行分类，从目标区域中剔除疑似溢油区域，实现初次虚警剔除；将初次虚警剔除的结果作为初始标号场，基于所述初始标号场，利用MRF的上下文模型中的特征场，进行进一步的虚警剔除，从而实现SAR遥感影像溢油检测识别方法。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.027 seconds)
