-
公开(公告)号：CN107194355A
公开(公告)日：2017-09-22
申请号：CN201710373939.6
申请日：2017-05-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用方向导数构造熵对比度的红外弱小目标检测方法，它有四大步骤：首先，基于最小二乘曲面拟合，利用小面模型使用卷积操作快速求解出红外图像各像素点分别在4个方向的一阶导数；然后，由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；随后，对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该度量在各个方向导数子图中对背景进行抑制，对目标进行增强；最后，对各个方向导数子图的熵对比度相乘融合，进一步抑制边缘杂波背景，突出弱小目标。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
Patent Agency Ranking
公开(公告)号：CN107194355B
公开(公告)日：2019-11-22
申请号：CN201710373939.6
申请日：2017-05-24
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用方向导数构造熵对比度的红外弱小目标检测方法，它有四大步骤：首先，基于最小二乘曲面拟合，利用小面模型使用卷积操作快速求解出红外图像各像素点分别在4个方向的一阶导数；然后，由弱小目标的数学成像模型出发，基于方向导数特征并结合灰度分布信息，在小范围邻域内的中心区域重新设计了信息熵计算公式；随后，对小范围邻域的周围区域同样重新设计了信息熵计算公式，利用弱小目标中心区域与周围区域对比强烈的特点，构造了熵对比度，利用该度量在各个方向导数子图中对背景进行抑制，对目标进行增强；最后，对各个方向导数子图的熵对比度相乘融合，进一步抑制边缘杂波背景，突出弱小目标。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106548457B
公开(公告)日：2019-11-22
申请号：CN201610898902.0
申请日：2016-10-14
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用多方向一阶偏导数的红外弱小目标检测方法，它有三大步骤：首先，利用小面模型构造小范围内图像灰度的二元三次函数，在中心区域求解各方向的一阶偏导数，并设计所需系数的卷积模板，各个运算系数可以直接从卷积后的图像中得到；然后，根据小目标在各方向上的一阶偏导数特性，通过内积最大化原则设计增强卷积模板，在各个方向上对目标进行增强；最后，对个各方向上的结果进行相乘融合，在进一步增强目标的同时尽可能地抑制背景，得到最后结果。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106127253B
公开(公告)日：2019-04-05
申请号：CN201610479981.1
申请日：2016-06-27
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明一种利用样本特征学习分类的红外弱小目标检测方法：设含有目标的区域为正样本，背景区域为负样本，且已从实际红外图像中获得足够多带标签的正负样本。首先，从灰度分布、边缘、信息熵和能量四方面对样本分析，提取出拟合残差、中心周围对比度、边缘拟合圆半径、边缘拟合圆圆心偏移量、边缘拟合圆圆心距方差、基准信息熵对比度和纹理能量对比度7个特征；然后，通过包裹式选择、前向搜索方式，将受试者工作特性曲线下方的面积作为评价指标，从所有特征中选出最优特征子集；随后，提取正负样本的最优特征子集训练支持向量机分类器，进行监督学习；最后，通过对图像进行高帽变换预处理得到候选目标，并通过分类器甄别筛选得到最终检测结果。
-
公开(公告)号：CN106548457A
公开(公告)日：2017-03-29
申请号：CN201610898902.0
申请日：2016-10-14
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种利用多方向一阶偏导数的红外弱小目标检测方法，它有三大步骤：首先，利用小面模型构造小范围内图像灰度的二元三次函数，在中心区域求解各方向的一阶偏导数，并设计所需系数的卷积模板，各个运算系数可以直接从卷积后的图像中得到；然后，根据小目标在各方向上的一阶偏导数特性，通过内积最大化原则设计增强卷积模板，在各个方向上对目标进行增强；最后，对个各方向上的结果进行相乘融合，在进一步增强目标的同时尽可能地抑制背景，得到最后结果。本发明可广泛应用于红外图像的弱小目标检测，具有广阔的市场前景与应用价值。
-
公开(公告)号：CN106127253A
公开(公告)日：2016-11-16
申请号：CN201610479981.1
申请日：2016-06-27
Applicant: 北京航空航天大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明一种利用样本特征学习分类的红外弱小目标检测方法：设含有目标的区域为正样本，背景区域为负样本，且已从实际红外图像中获得足够多带标签的正负样本。首先，从灰度分布、边缘、信息熵和能量四方面对样本分析，提取出拟合残差、中心周围对比度、边缘拟合圆半径、边缘拟合圆圆心偏移量、边缘拟合圆圆心距方差、基准信息熵对比度和纹理能量对比度7个特征；然后，通过包裹式选择、前向搜索方式，将受试者工作特性曲线下方的面积作为评价指标，从所有特征中选出最优特征子集；随后，提取正负样本的最优特征子集训练支持向量机分类器，进行监督学习；最后，通过对图像进行高帽变换预处理得到候选目标，并通过分类器甄别筛选得到最终检测结果。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
