-
公开(公告)号：CN112597836B
公开(公告)日：2023-07-07
申请号：CN202011460987.7
申请日：2020-12-11
Applicant: 昆明理工大学
IPC: G06F18/10
Abstract: 本发明公开了一种太阳低振幅振荡信号的放大方法，包括：对在连续时间内拍摄的包含太阳低振幅振荡信号的多帧数据使用由不同尺度、不同方向的若干滤波器组成的复可操纵金字塔进行多分辨率分解，该分解过程使图像中的相位信息和幅值信息分离；提取出在不同尺度、不同方向的时间序列下复值图像的相位信息对其进行时域滤波，得到时域滤波后的相位信息；对经过时域滤波后的相位信息使用幅度加权的空间平滑方法处理，得到相位去噪后的相位信息；对相位去噪后的相位信息乘以一个放大因子，得到放大后的相位信息；对放大后的相位信息使用复可操纵金字塔重构并得到放大后的图像。本发明有效地实现了放大太阳低振幅振荡信号在时间上的位移。
-
公开(公告)号：CN111127512B
公开(公告)日：2022-06-07
申请号：CN201911200955.0
申请日：2019-11-29
Applicant: 昆明理工大学
IPC: G06T7/246
Abstract: 本发明涉及一种用于检测和跟踪全日面图像中太阳活动区的方法，属于天文技术和计算机视觉领域。本发明在太阳活动区检测阶段，基于深度学习的检测方法较好地解决了传统方法中一个太阳活动区被误检测为多个，或者多个太阳活动区被误检测为一个活动区的问题。在跟踪阶段，本发明将DeepSort和纬向较差自转相结合，根据太阳活动区的演化特性设计了特征提取网络，有效地提高了太阳活动区的跟踪性能。本发明还可以较好地检测和跟踪不同望远镜、不同时间间隔的序列图像中的太阳活动区。
-
公开(公告)号：CN108804388B
公开(公告)日：2021-12-17
申请号：CN201810478895.8
申请日：2018-05-18
Applicant: 昆明理工大学
IPC: G06F17/14
Abstract: 本发明涉及一种基于EEMD的HHT的太阳黑子面积周期特征分析的方法，属天文技术和信号处理领域。本发明采用基于集成经验模式分解(EEMD)算法的希尔伯特黄变换(HHT)的太阳黑子面积周期特征分析的方法，把不同时间尺度上的波动从原始数据中分离出来，不同频率随时间的变化也被清晰的表现出来，与常用的方法相比，它是直接的，自适应的，基于数据本身的方法，其有效地解决了传统的周期分析方法受基函数约束以及时间尺度不准确的问题。
-
公开(公告)号：CN106570890B
公开(公告)日：2019-07-05
申请号：CN201610977973.X
申请日：2016-11-08
Applicant: 昆明理工大学
Abstract: 本发明涉及提取太阳高分辨率序列图像中不同速度区间内动态信息的方法，属天文技术和图像处理领域。本发明先对齐初始序列图像；再将对齐的序列图像数据变换为三维频率波数域数据；在三维频率波数域中根据拟定的效果和参数利用速度滤波器对对齐序列图像的三维频率波数域数据进行速度滤波；再对滤波数据进行三维傅里叶逆变换到三维时空域获得逆变换序列图像；再对逆变换序列图像进行序列图像归一化得到包含所需速度区间内动态信息的可清晰识别的序列图像。本发明利用三维傅里叶变换，在三维频率波数域进行速度滤波，从而实现在三维频率波数域提取不同运动速度区间内动态信息的目的。
-
公开(公告)号：CN105787901B
公开(公告)日：2018-07-24
申请号：CN201610160830.X
申请日：2016-03-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种用于太阳高分辨图像序列中相邻两帧间的多尺度速度场测量方法，属于天文技术和图像技术领域。本发明包括步骤：首先，分别对相邻两帧图像扩展图像边界对图像进行预处理；其次，分别将两帧图像分解成两帧金字塔图像；接着，对两帧金字塔图像逐层分块，测量两帧间的块位移，再通过加权平滑和插值计算两帧间的逐点位移量；然后，叠加图像所有层的两帧间的位移量；最终得到两帧间的综合位移量及速度场。本发明能更精确的计算两帧图像间的速度场，有效地提高了速度场的测量精度。
-
Patent Agency Ranking
公开(公告)号：CN107451955A
公开(公告)日：2017-12-08
申请号：CN201710466806.3
申请日：2017-06-20
Applicant: 昆明理工大学
CPC classification number: G06T3/4038 , G06T1/20 , G06T2200/32 , G06T2207/30192
Abstract: 本发明涉及一种K-T算法高分辨重建天文图像中斑点图的并行化实现方法，属天文技术图像处理计算领域。本发明首先通过CPU主进程读取图像及参数文件并且计算相关物理参数进行图像的预处理和数据对齐，接着把全部帧数的整个视场图像依据等晕区大小分割成很多的子块进行图像分块，然后这些子块帧被分发到独立的子进程中采用CUDA并行编程模型进行并行计算处理，进行傅里叶的振幅和相位重建，最后子进程对每一个子块通过联合傅里叶振幅和相位进行傅里叶逆变换获得重建后图像，主进程对所有的子块拼接处理完成重建。本发明将CPU+GPU混合异构并行模式并结合GPU-aware MPI机制应用于高分辨重建天文图像中斑点图问题上，解决了对斑点图高分辨率重建的问题，具备较高的扩展性。
-
公开(公告)号：CN106204452A
公开(公告)日：2016-12-07
申请号：CN201610551617.1
申请日：2016-07-14
Applicant: 昆明理工大学
CPC classification number: G06T3/4038 , G06T7/0002 , G06T2207/20021 , G06T2207/20221 , G06T2207/30168
Abstract: 本发明涉及基于图像分块和选帧的大视场太阳光球图像重建方法，属天文技术和图像处理技术领域。本发明采用平均梯度值方法挑选出图像质量最好的一个子块；再采用平均梯度值方法从待重建的图像序列中挑出整体图像质量最好的一帧作为背景图像，把此背景图像分块；再将每个子块序列中最佳子块图像与所对应的最佳背景图像子块对齐形成待融合的子块；将对齐后的待融合的子块按对应的位置拼接成完整图像。本发明能够较好的选出每帧图像中质量最好的子部分，再将序列中最好的子部分拼接成一幅完整图像，从而使重建后的图像在各个部分都比直接拍摄的图像清晰，消除了大部分大气湍流对拍摄图片产生的随机畸变。
-
公开(公告)号：CN106097295A
公开(公告)日：2016-11-09
申请号：CN201610225907.7
申请日：2016-04-13
Applicant: 昆明理工大学
IPC: G06T7/00
CPC classification number: G06T2207/10016
Abstract: 本发明涉及一种太阳高分辨序列图像配准误差的矫正方法，属于天文技术和图像处理领域。本发明首先对一组太阳高分辨序列图像进行配准，得到相邻帧图像之间的位移值以及每帧图像的累加位移值；选取相邻每三帧图像，得到相邻帧图像之间的位移值、始末帧图像之间的位移值；基于配准过程中存在配准误差，得到误差方程；根据最小二乘法原则，通过拉格朗日乘数法，构造拉格朗日函数，对误差方程中的改正数分别求偏导数，令其等于0，得到含有改正数的方程组，从而得到改正数的具体取值；根据改正数的具体取值，得到矫正后的相邻帧图像之间的位移值；直到一组太阳高分辨序列图像矫正结束。本发明能较好的消减配准带来的累积误差。
-
公开(公告)号：CN105761231A
公开(公告)日：2016-07-13
申请号：CN201610159812.X
申请日：2016-03-21
Applicant: 昆明理工大学
CPC classification number: G06T5/002 , G06T5/10 , G06T5/20 , G06T2207/20016
Abstract: 本发明涉及一种用于去除高分辨率天文图像中条纹噪声的方法，属于天文图像处理技术领域。本发明首先，对含有条纹噪声的图像进行边缘扩展和对数化；接着，小波分解对数化后的图像并提取小波域各层的垂直分量；再对小波域各层的垂直分量进行高通滤波，得到高频分量；然后，采用小波重构的方法对不含条纹噪声的小波域信息进行重构；依次提取一级、二级和三级条纹；最后，用含有条纹噪声的图像除以三级条纹得到无条纹图像。本发明用小波域滤波技术和空域滤波技术相结合的方法去除条纹噪声，该方法能够较好的保留图像本身的信息，从而使处理结果更加准确，得到的无条纹图像质量更高。
-
公开(公告)号：CN114898007B
公开(公告)日：2025-02-25
申请号：CN202210588029.0
申请日：2022-05-26
Applicant: 昆明理工大学
IPC: G06T11/00 , G06V10/764 , G06T5/60 , G06T5/70 , G06T3/02 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的传统香包纹样生成方法、系统，方法包括：获取纹样图案样本集；对纹样图案样本集进行预处理，获得轮廓检测后的图像集；依据轮廓检测后的图像集对纹样图案样本集进行分类；然后对各个类别的纹样图案样本图像利用仿射变换进行图像扩增且扩增后每个类别图像数量一致；对于扩增后的每个类别的图像大小进行统一，获得纹样图案训练样本集；将纹样图案训练样本集输入深度学习网络进行训练，获得纹样图案训练模型。本发明一定程度上弥补了现有纹样图案样本集数量缺少的不足；极大地缓解目前纹样图案设计新颖度不够，产量小的问题。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
