-
公开(公告)号：CN105096274A
公开(公告)日：2015-11-25
申请号：CN201510525931.8
申请日：2015-08-25
Applicant: 河南科技大学
IPC: G06T5/00
Abstract: 本发明公开一种基于非下采样轮廓波域混合统计模型的红外图像降噪方法，1、将被噪声污染的红外图像进行非下采样轮廓波变换，分解得到非下采样轮廓波域的带通系数和低频系数，2、对带通子带的噪声系数和图像信号系数建模，3、利用贝叶斯框架下的最大后验估计理论，得到带通系数的降噪比例因子，4、将降噪比例因子代入非下采样轮廓波变换系数降噪表达式，对带通系数进行降噪，5、对降噪后的带通系数和低频系数进行非下采样轮廓波反变换，实现红外图像的降噪。本发明方法处理图像的峰值信噪比高，能有效去除图像中的高斯白噪声，较好地保持图像的边缘，是解决红外图像降噪问题的一种实用方法。
-
公开(公告)号：CN103389074A
公开(公告)日：2013-11-13
申请号：CN201310301872.7
申请日：2013-07-18
Applicant: 河南科技大学
IPC: G01C11/06
Abstract: 一种多尺度景象匹配区的选取方法，分别获取同一景象区域的多幅具有不同比例尺的基准图像，飞行器飞行过程中机上成像传感器获取正下方地面的实时图像，然后在获取的基准图像中依次截取与需要匹配的实时图像大小相等的基准子图，并判断截取的基准子图是否满足指标要求，若获取的不同比例尺的基准图像中所截取的满足指标要求的基准子图均对应同一区域，则该区域即为景象匹配区。本发明选取的景象匹配区具有信息量大、特征明显、适应性好及抗干扰性强等特点；本发明是在基于不同比例尺的基准图像上选取匹配区，而实时图像大小保持不变，在所有比例尺下都可以满足指标要求的基准子图为景象匹配区，该匹配区具有较强的鲁棒性。
-
公开(公告)号：CN105205825B
公开(公告)日：2018-06-29
申请号：CN201510635880.4
申请日：2015-09-30
Applicant: 河南科技大学
Abstract: 本发明公开一种基于NSCT域的多分辨率红外与可见光景象匹配方法，对红外目标图像与可见光参考图像分别进行相位一致性变换；然后分别进行非下采样轮廓波变换；以可见光参考图像最高尺度的低频图像中像素点的行列坐标作为个体描述，随机生成种群；利用遗传搜索的选择、交叉、变异，以可见光参考图像和红外目标图像的不变矩相关系数作为相似性度量，搜素对应尺度红外低频图像目标并得到该尺度匹配位置；相邻尺度搜索在上一尺度匹配位置邻域范围内进行，当尺度为1，即是红外目标图像在可见光参考图像全分辨率下的匹配位置。本发明匹配精度高、匹配速度快、鲁棒性好，能抵抗实测图像旋转几何畸变，是解决红外与可见光景象匹配问题的实用方法。
-
公开(公告)号：CN105205825A
公开(公告)日：2015-12-30
申请号：CN201510635880.4
申请日：2015-09-30
Applicant: 河南科技大学
Abstract: 本发明公开一种基于NSCT域的多分辨率红外与可见光景象匹配方法，对红外目标图像与可见光参考图像分别进行相位一致性变换；然后分别进行非下采样轮廓波变换；以可见光参考图像最高尺度的低频图像中像素点的行列坐标作为个体描述，随机生成种群；利用遗传搜索的选择、交叉、变异，以可见光参考图像和红外目标图像的不变矩相关系数作为相似性度量，搜素对应尺度红外低频图像目标并得到该尺度匹配位置；相邻尺度搜索在上一尺度匹配位置邻域范围内进行，当尺度为1，即是红外目标图像在可见光参考图像全分辨率下的匹配位置。本发明匹配精度高、匹配速度快、鲁棒性好，能抵抗实测图像旋转几何畸变，是解决红外与可见光景象匹配问题的实用方法。
-
公开(公告)号：CN105096274B
公开(公告)日：2018-06-12
申请号：CN201510525931.8
申请日：2015-08-25
Applicant: 河南科技大学
IPC: G06T5/00
Abstract: 本发明公开一种基于非下采样轮廓波域混合统计模型的红外图像降噪方法，1、将被噪声污染的红外图像进行非下采样轮廓波变换，分解得到非下采样轮廓波域的带通系数和低频系数，2、对带通子带的噪声系数和图像信号系数建模，3、利用贝叶斯框架下的最大后验估计理论，得到带通系数的降噪比例因子，4、将降噪比例因子代入非下采样轮廓波变换系数降噪表达式，对带通系数进行降噪，5、对降噪后的带通系数和低频系数进行非下采样轮廓波反变换，实现红外图像的降噪。本发明方法处理图像的峰值信噪比高，能有效去除图像中的高斯白噪声，较好地保持图像的边缘，是解决红外图像降噪问题的一种实用方法。
-
Patent Agency Ranking
-
公开(公告)号：CN108256486B
公开(公告)日：2022-02-22
申请号：CN201810050720.7
申请日：2018-01-18
Applicant: 河南科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明提供了一种基于非负低秩和半监督学习的图像识别方法及装置，首先获取图像数据集，数据集包括标记数据和未标记的数据，然后根据高斯场和调和函数与低秩表示函数得到目标函数，且对低秩表示函数的系数进行非负约束，将目标函数转化为拉格朗日函数，对拉格朗日函数中的各变量及拉格朗日乘数、惩罚因子进行更新；不断进行迭代更新直至结束，输出图像数据集的标签矩阵，根据标签矩阵对测试数据进行分类识别。本发明将半监督学习和低秩表示相结合，能够将全局结构信息和局部结构信息都得到很好的利用，且可以有效地消除或减轻样本的腐败，并且对噪声具有很好的鲁棒性，无论训练样本或测试样本是否被损坏，均可以获得很好的分类性能。
-
公开(公告)号：CN111860637A
公开(公告)日：2020-10-30
申请号：CN202010689129.3
申请日：2020-07-17
Applicant: 河南科技大学
Abstract: 一种单发多框红外目标检测方法，从特征金字塔网络出发，基于可学习的权值刻画各特征层对融合输出贡献的不平等性，实现低分辨率、强语义的特征层与高分辨率、弱语义特征层间的双向多尺度特征加权融合，构造出辅助网络；从交并比出发，同时考虑重叠区域与非重叠区域对目标函数的影响，构造对目标尺度变化保持不变性的检测器定位损失，构造出目标检测器，提高检测模型对小目标定位误差的敏感性。以VGG16卷积神经网络作为特征提取网络并与辅助网络、目标检测器集成，形成融合多尺度特征加权融合与尺度不变性定位损失的单发多框红外目标检测模型。本发明具备自主学习能力且检测率高，是解决复杂环境下红外成像制导目标检测问题的有效途径。
-
公开(公告)号：CN108256486A
公开(公告)日：2018-07-06
申请号：CN201810050720.7
申请日：2018-01-18
Applicant: 河南科技大学
Abstract: 本发明提供了一种基于非负低秩和半监督学习的图像识别方法及装置，首先获取图像数据集，数据集包括标记数据和未标记的数据，然后根据高斯场和调和函数与低秩表示函数得到目标函数，且对低秩表示函数的系数进行非负约束，将目标函数转化为拉格朗日函数，对拉格朗日函数中的各变量及拉格朗日乘数、惩罚因子进行更新；不断进行迭代更新直至结束，输出图像数据集的标签矩阵，根据标签矩阵对测试数据进行分类识别。本发明将半监督学习和低秩表示相结合，能够将全局结构信息和局部结构信息都得到很好的利用，且可以有效地消除或减轻样本的腐败，并且对噪声具有很好的鲁棒性，无论训练样本或测试样本是否被损坏，均可以获得很好的分类性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
