-
公开(公告)号：CN106056141A
公开(公告)日：2016-10-26
申请号：CN201610363559.X
申请日：2016-05-27
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6269 , G06K9/6285 , G06N3/02
Abstract: 本发明提供一种使用空间稀疏编码的目标识别与角度粗估计算法，首先取不同目标的等间隔角度(15°)的图像作为训练集，获取并根据标准差筛选每个图像的空间碎片；继而对每幅独立的图像中的碎片，进行白化与PCA相结合的预处理；然后利用空间碎片分开训练每个目标的字典(子字典)；去除每个子字典中无用的基之后，将子字典整体合并成一个大字典，使用此大字典重获训练集图像碎片的稀疏编码系数，并统计每幅图像内的碎片使用大字典中各个基的次数，以此作为各幅训练图像的特征向量；最后通过计算测试目标图像在大字典中的基的使用次数向量(特征向量)与训练集中各幅图像的特征向量的相关系数，实现目标分类与角度粗估计。
-
公开(公告)号：CN105205817A
公开(公告)日：2015-12-30
申请号：CN201510593890.6
申请日：2015-09-17
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及的是一种数字图像处理领域，具体涉及一种运用于水下潜器导航系统的基于声呐图像边缘角点直方图的水下地形匹配方法。本发明包括：(1)对原始多波束数据进行规格化与插值处理，对于深度值，通过线性变换，将其转换到0-255范围；(2)将三维模型投影到XY平面上，若将各投影点的灰度值设置为该点在三维模型中的高度值，则该投影即为水下地形的灰度图像；(3)遍历各灰度级，统计同一灰度级下的像素数目，构成灰度直方图，获得各灰度级下像素的总数。本发明利用直方图理论，对图像的各灰度级分别进行分析，克服了传统灰度直方图分辨率差的缺点。利用边缘角点直方图作为图像特征，根据相似性计算结果对水下载体位置进行定位。在有噪声、方向误差及尺度变化存在的情况下，仍能保持结果的可靠性。
-
公开(公告)号：CN104680132A
公开(公告)日：2015-06-03
申请号：CN201510054144.X
申请日：2015-01-30
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于形状上下文方法的声纳目标识别方法，包括以下几步：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别。其中形状上下文方法以目标轮廓长轴端点为基准点。本发明能够提高目标识别的匹配度，并且能够减少计算量。
-
公开(公告)号：CN104636753A
公开(公告)日：2015-05-20
申请号：CN201510056549.7
申请日：2015-02-04
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00523 , G06K9/00536
Abstract: 本发明公开了一种基于PCNN神经元激活率和群离散度的区域特征提取方法。包括以下步骤：步骤一：对原始图像进行预处理，将神经网络PCNN与图像对应；步骤二：将0～255的灰度范围根据目标区域划分成N个从大到小的灰度区间；步骤三：得到当前灰度区间内发生群激活的神经元；步骤四：统计发生群激活神经元的领域内受激励神经元个数，判断发生提起激活的神经元；步骤五：统计提前激活神经元个数，得到群激活率和群离散度；步骤六：读取下一个灰度区间，重复步骤三到步骤六，直到第N个区间。本发明具有计算复杂度小，分类效果好的优点。
-
公开(公告)号：CN106056141B
公开(公告)日：2019-04-19
申请号：CN201610363559.X
申请日：2016-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种使用空间稀疏编码的目标识别与角度粗估计算法，首先取不同目标的等间隔角度(15°)的图像作为训练集，获取并根据标准差筛选每个图像的空间碎片；继而对每幅独立的图像中的碎片，进行白化与PCA相结合的预处理；然后利用空间碎片分开训练每个目标的字典(子字典)；去除每个子字典中无用的基之后，将子字典整体合并成一个大字典，使用此大字典重获训练集图像碎片的稀疏编码系数，并统计每幅图像内的碎片使用大字典中各个基的次数，以此作为各幅训练图像的特征向量；最后通过计算测试目标图像在大字典中的基的使用次数向量(特征向量)与训练集中各幅图像的特征向量的相关系数，实现目标分类与角度粗估计。
-
Patent Agency Ranking
公开(公告)号：CN104680132B
公开(公告)日：2017-11-21
申请号：CN201510054144.X
申请日：2015-01-30
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于形状上下文方法的声纳目标识别方法，包括以下几步：进行样本图像统计，利用形状上下文方法得到样本图像中每类目标的两个上下文直方图；读取待识别图像，利用形状上下文方法得到待识别目标的两个上下文直方图；将待识别目标的两个上下文直方图和样本图像中每类目标的两个上下文直方图的对应色块的值分别进行匹配，利用最大匹配度进行目标识别。其中形状上下文方法以目标轮廓长轴端点为基准点。本发明能够提高目标识别的匹配度，并且能够减少计算量。
-
公开(公告)号：CN106646490A
公开(公告)日：2017-05-10
申请号：CN201610815297.6
申请日：2016-09-12
Applicant: 哈尔滨工程大学
IPC: G01S15/89
CPC classification number: G01S15/89
Abstract: 本发明属于数字图像处理与快速导航技术领域，具体涉及一种快速的多子图关联航向角估计方法。本发明包括：在多波束测深声纳实时图像中，从其探测矩形区域内等间距的截取三个圆形匹配子图；对三张匹配子图分别与海底基准图，使用地形参数特征对子图进行匹配定位，获取三个位置坐标；根据匹配图在基准图的位置关系，判断位置坐标可用性；如果可用，则连接三个圆形基准图的圆心，并计算连线斜率，估计航向角；通过计算运行时间，并对比其他算法时效性。本发明虽然使用到了多个子图的匹配，其运算时间大于单一子图，然而针对本发明后续的几何估计，却能在时间上大大优于原始模板遍历匹配法。
-
公开(公告)号：CN105403890A
公开(公告)日：2016-03-16
申请号：CN201510727235.5
申请日：2015-10-30
Applicant: 哈尔滨工程大学
IPC: G01S15/00
CPC classification number: G01S15/00
Abstract: 本发明属于数字图像处理领域，具体涉及一种主要用于在声纳图像中探测水下目标的基于行列特征向量相关的目标探测方法。本发明包括：对图像通过自定义阈值的二值化方法进行二值化处理；对二值化后的图像进行形态学处理；对经过形态学处理后的图像通过Sobel边缘检测算法进行边缘提取；利用边缘信息通过基于Hough变换的圆弧检测算法进行圆弧检测；对可疑区域做归一化处理；将理想圆形图像作为模板，求其行特征向量、列特征向量。本发明提出了一种可以简单高效的表示圆形或近似圆形目标区域特征的特征向量，通过行列特征向量筛选可以有效去除非目标区域，因此可以有效减小目标探测的虚警概率。
-
公开(公告)号：CN105957084A
公开(公告)日：2016-09-21
申请号：CN201610297911.4
申请日：2016-05-06
Applicant: 哈尔滨工程大学
IPC: G06T7/00
CPC classification number: G06T2207/10132 , G06T2207/30212
Abstract: 本发明涉及的是数字图像处理技术领域。具体涉及一种利用点聚集特性的侧扫声纳目标探测方法。本发明包括：对侧扫声纳图像进行预处理；设定第一图像灰度初始阈值T；对侧扫声纳图像进行以阈值T进行分割，得到有效点；判断有效点个数是否在理想计算范围N以内，如果有效点个数在理想计算范围N以内，执行步骤(5)，如果有效点个数不在理想计算范围N以内，以S为速度提高阈值T，替代原有阈值，重新执行步骤(3)；得到有效点后，计算每个点的累积量。本发明提供了一种高效的分割出侧扫声纳图像中的目标的方法，对于含有构成海底强反射点的点状噪声和海底混响产生的云状噪声的侧扫声纳图像有着更好的分割效果，能够更有效的分割出聚集点。
-
公开(公告)号：CN105787900A
公开(公告)日：2016-07-20
申请号：CN201610144175.9
申请日：2016-03-14
Applicant: 哈尔滨工程大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T3/40 , G06T5/30 , G06T2207/20036 , G06T2207/20064 , G06T2207/20221
Abstract: 本发明提供的是一种基于小波图像分解的侧扫声纳电源周期性噪声的去噪方法。将带噪声图像经小波变换得到小波分解系数，利用分解系数的阈值筛选噪声点位置，筛选出的位置经形态学以及空间变换等修正后，以邻近点像素值替代该位置像素值，其余点判别为非噪声点，像素值保持不变，至此完成小波分解图像去噪。针对此类周期性条纹噪声，相较于常用去噪方法均值滤波、中值滤波等，在去噪效果和保证目标区域清晰度方面，该方法具有两大明显优势，去噪效果显著，同时完好的保留了原图像中感兴趣的部分，例如目标区域，轮廓，纹理等，为后续的特称提取、图像识别奠定了很好的基础，效果理想，实用性强。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.028 seconds)
