-
公开(公告)号：CN112906705B
公开(公告)日：2023-01-13
申请号：CN202110325685.7
申请日：2021-03-26
Applicant: 北京邮电大学(CN)
Abstract: 本发明涉及基于G‑AKAZE的图像特征匹配算法，是一种对灾害环境下图像的特征匹配算法，属于图像处理与机器学习领域，其特征在于采用如下步骤：(1)构建非线性尺度；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定统计区域内点的支持可能性；(6)确定xi正确和错误时的均值和方差；(7)确定图像网格间的判断阈值。本发明通过引入误匹配剔除算法，保证了在误匹配识别精度提升的前提下，更加快速高效的进行误匹配点的剔除，大大提升了图像匹配的精确度，同时改善传统图像匹配过程中，由于背景噪声干扰和图像畸变所产生的匹配差异问题，有效的解决了背景噪声和图像尺度改变的影响，提升了图像匹配的精确度。
-
Patent Agency Ranking
公开(公告)号：CN112906705A
公开(公告)日：2021-06-04
申请号：CN202110325685.7
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于G‑AKAZE的图像特征匹配算法，是一种对灾害环境下图像的特征匹配算法，属于图像处理与机器学习领域，其特征在于采用如下步骤：(1)构建非线性尺度；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定统计区域内点的支持可能性；(6)确定xi正确和错误时的均值和方差；(7)确定图像网格间的判断阈值。本发明通过引入误匹配剔除算法，保证了在误匹配识别精度提升的前提下，更加快速高效的进行误匹配点的剔除，大大提升了图像匹配的精确度，同时改善传统图像匹配过程中，由于背景噪声干扰和图像畸变所产生的匹配差异问题，有效的解决了背景噪声和图像尺度改变的影响，提升了图像匹配的精确度。
-
公开(公告)号：CN113077055A
公开(公告)日：2021-07-06
申请号：CN202110327231.3
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于FBPF‑EIKF‑FastSLAM的分布式多源融合定位方法，是一种对分布式自适应多源信息进行融合定位的方法，属于定位定向与机器学习领域，其特征在于采用如下步骤：(1)确定相邻极值点的平均值和包络估计值；(2)确定剩余信号；(3))确定调频信号和包络信号；(4)进行LMD分解，确定第一个PF分量；(5)建立ICA数学模型；(6)构建PNN神经网络；(7)确定输出变量的判别函数。本发明有效的解决了复杂环境背景噪声对于定位准确度的影响，提高了滤波效率，有效的改善了系统运行效率，降低了系统响应时间，提高了系统运行速度，加快了对于目标定位更新频率。
-
公开(公告)号：CN112906709A
公开(公告)日：2021-06-04
申请号：CN202110325697.X
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于OPD‑S的信息融合算法，是一种对灾情信息进行数据融合的算法，属于数据处理和机器学习领域，其特征在于采用如下步骤：(1)确定集合的信任函数；(2)确定开放识别框架下的基本概率分配函数；(3)确定证据间可信度；(4)确定证据综合可信度；(5)确定加权平均证据；(6)D‑S组合规则进行信息融合。本发明克服了传统灾情信息融合过程中，由于背景环境的复杂，导致采集信息噪声占比过大，影响信息融合的问题，有效的滤除噪声干扰，大大提高信息融合的准确率，同时极大的改善了对于处理不确定信息的系统能力，合理修正模糊信息占比，提高融合效率。为灾情信息融合领域提供了一种拥有较高融合准确率的方法。
-
公开(公告)号：CN112907611A
公开(公告)日：2021-06-04
申请号：CN202110327233.2
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于DT‑SUSAN‑Brute‑Force的图像匹配算法，是一种对灾情图像信息进行匹配的算法，属于图像处理和机器学习领域，其特征在于采用如下步骤：(1)确定4个矩形区域的门限阈值；(2)确定核心点USAN区域面积；(3)确定3像素灰度和；(4)确定亚像素精确化；(5)确定特征点间的欧式距离。本发明克服了传统图像匹配过程中，由于背景环境的改变，导致特征点提取错误、匹配异常的问题，有效的滤除噪声干扰，匹配更加准确，同时引入差阈值算法，结合改进的特征匹配算法，实现自适应阈值设置，消除了曝光过度、图片畸变过大会检测出冗余点的问题。为灾情图像信息匹配领域提供了一种拥有较高匹配准确率的方法。
-
公开(公告)号：CN112906710A
公开(公告)日：2021-06-04
申请号：CN202110327237.0
申请日：2021-03-26
Applicant: 北京邮电大学
Abstract: 本发明涉及基于BAKAZE‑MAGSAC的视觉图像特征提取方法，是一种对灾情视觉图像进行特征提取的方法，属于图像处理和机器学习领域，其特征在于采用如下步骤：(1)确定非线性扩散滤波；(2)确定图像的非线性尺度空间；(3)确定特征点主方向；(4)特征点匹配；(5)确定模型质量函数；(6)确定每个点为内点的概率。本发明有效的解决了图像发生尺度、模糊变化时，特征点不能被有效提取，导致提取特征点数量降低的问题，极大的改善了干扰噪声对于特征点提取的影响，同时提高了匹配时间效率和匹配精度。为灾情视觉图像进行特征提取领域提供了一种拥有较高分类准确率的方法。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
