-
公开(公告)号：CN109614996B
公开(公告)日：2022-05-17
申请号：CN201811432339.3
申请日：2018-11-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的弱可见光与红外图像融合的识别方法，涉及图像识别技术领域，解决的技术问题是弱可见光与红外图像融合识别过程中，可见光图像成像模糊不清，成像过暗而丢失细节，融合效果不佳。该方法先利用生成对抗网络对弱可见光图像进行照度优化，然后将照度优化的可见光图像和红外图像进行图像级融合，最后将得到的融合图像输入修改得到的神经网络进行特征提取和分类识别的图像识别，本发明可有效解决弱可见光与红外图像融合识别过程中，可见光图像成像模糊不清，成像过暗而丢失细节，融合效果不佳问题，并得到更佳的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN109614996A
公开(公告)日：2019-04-12
申请号：CN201811432339.3
申请日：2018-11-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的弱可见光与红外图像融合的识别方法，涉及图像识别技术领域，解决的技术问题是弱可见光与红外图像融合识别过程中，可见光图像成像模糊不清，成像过暗而丢失细节，融合效果不佳。该方法先利用生成对抗网络对弱可见光图像进行照度优化，然后将照度优化的可见光图像和红外图像进行图像级融合，最后将得到的融合图像输入修改得到的神经网络进行特征提取和分类识别的图像识别，本发明可有效解决弱可见光与红外图像融合识别过程中，可见光图像成像模糊不清，成像过暗而丢失细节，融合效果不佳问题，并得到更佳的识别效果。
-
公开(公告)号：CN109446804B
公开(公告)日：2022-02-01
申请号：CN201811127767.5
申请日：2018-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度特征连接卷积神经网络的入侵检测方法，使用卷积神经网络的超强特征提取能力提取到入侵数据中的关键特征和关联特征，使得提取到的特征在各种环境下都有较强的鲁棒性，网络结构也有很强的普适性。同时利用卷积自编码器和未标注数据对卷积层组参数进行预训练，使得网络即使在标注数据量较少的情况下也能够获得很好的效果，解决了大量数据标注困难的问题。当训练的卷积神经网络达到要求之后保存网络参数，之后的系统部署过程不需要再次进行训练，给系统的实施和部署带来了便利。当采集到新的网络入侵数据，之前训练的权重可以作为初始值载入网络进行微调训练，该入侵检测网络可以寻求到更优的性能。
-
公开(公告)号：CN109446804A
公开(公告)日：2019-03-08
申请号：CN201811127767.5
申请日：2018-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于多尺度特征连接卷积神经网络的入侵检测方法，使用卷积神经网络的超强特征提取能力提取到入侵数据中的关键特征和关联特征，使得提取到的特征在各种环境下都有较强的鲁棒性，网络结构也有很强的普适性。同时利用卷积自编码器和未标注数据对卷积层组参数进行预训练，使得网络即使在标注数据量较少的情况下也能够获得很好的效果，解决了大量数据标注困难的问题。当训练的卷积神经网络达到要求之后保存网络参数，之后的系统部署过程不需要再次进行训练，给系统的实施和部署带来了便利。当采集到新的网络入侵数据，之前训练的权重可以作为初始值载入网络进行微调训练，该入侵检测网络可以寻求到更优的性能。
-
公开(公告)号：CN109035189B
公开(公告)日：2021-07-23
申请号：CN201810782395.3
申请日：2018-07-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于柯西模糊函数的红外与弱可见光图像融合方法，首先利用改进的引导滤波来自适应增强提高弱可见光图像暗区域的可视性，然后利用NSST对红外和增强后的弱可见光图像进行多尺度分解得到红外图像和增强后的弱可见光图像的低频分量与高频分量；接着，利用直觉模糊集构建柯西隶属函数对红外图像和增强后的弱可见光图像的低频分量进行融合，并利用自适应的双通道脉冲发放皮层模型对红外图像和增强后的弱可见光图像的高频分量进行融合；最后利用非下采样剪切波逆变换对融合后的低频分量和高频分量进行重构，得到最终融合图像。本发明能够更加有效地提取图像的细节信息，并获得更好的融合效果。
-
公开(公告)号：CN109035189A
公开(公告)日：2018-12-18
申请号：CN201810782395.3
申请日：2018-07-17
Applicant: 桂林电子科技大学
CPC classification number: G06T5/50 , G06T5/009 , G06T2207/10048 , G06T2207/20221
Abstract: 本发明公开一种基于柯西模糊函数的红外与弱可见光图像融合方法，首先利用改进的引导滤波来自适应增强提高弱可见光图像暗区域的可视性，然后利用NSST对红外和增强后的弱可见光图像进行多尺度分解得到红外图像和增强后的弱可见光图像的低频分量与高频分量；接着，利用直觉模糊集构建柯西隶属函数对红外图像和增强后的弱可见光图像的低频分量进行融合，并利用自适应的双通道脉冲发放皮层模型对红外图像和增强后的弱可见光图像的高频分量进行融合；最后利用非下采样剪切波逆变换对融合后的低频分量和高频分量进行重构，得到最终融合图像。本发明能够更加有效地提取图像的细节信息，并获得更好的融合效果。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
