一种自适应阈值的Harris角点检测方法

    公开(公告)号:CN103413306B

    公开(公告)日:2016-06-08

    申请号:CN201310332703.X

    申请日:2013-08-01

    Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法,计算每个像素点的R值,通过使用自适应迭代阈值算法的策略,求取针对图像来讲最合适的阈值,使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置,能使角点分布的更加均匀,提高角点检测的精确性,避免了角点聚簇以及伪角点的产生,在不影响Harris角点检测算法计算方便与稳定的前提下,避免的原算法因为阈值选取而带来的不便,同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。

    一种自适应阈值的Harris角点检测方法

    公开(公告)号:CN103413306A

    公开(公告)日:2013-11-27

    申请号:CN201310332703.X

    申请日:2013-08-01

    Abstract: 本发明提供了一种自适应阈值的Harris角点检测方法,计算每个像素点的R值,通过使用自适应迭代阈值算法的策略,求取针对图像来讲最合适的阈值,使用阈值及临近角点剔除策略提取角点。本发明避免人工对阈值的设置,能使角点分布的更加均匀,提高角点检测的精确性,避免了角点聚簇以及伪角点的产生,在不影响Harris角点检测算法计算方便与稳定的前提下,避免的原算法因为阈值选取而带来的不便,同时有效的避免了聚簇现象和伪角点的出现。本发明在阈值自适应选取方面达到了较好的效果。

    基于信息融合的隐马尔可夫显著区域检测方法

    公开(公告)号:CN104408712B

    公开(公告)日:2017-05-24

    申请号:CN201410616754.X

    申请日:2014-10-30

    Abstract: 本发明涉及一种基于信息融合的隐马尔可夫显著区域检测方法,本发明可以应用于复杂背景下的目标区域检测和识别。技术特征在于:首先计算图像的三个颜色对比通道;然后,通过最大后验概率迭代计算各通道的最终标签图像;再用最大互信息的标签类得到各通道突出图;最后将3个通道中所有大于冗余信息的连通区域信息量相加并归一化,得到最终显著图。本发明在充分利用了图像先验信息同时保留了数据细节,解决了区域颜色信息丢失所带来的问题,能够迅速对焦于广泛的显著区域而不用提前进行训练。

    一种基于多尺度区域融合的显著区域检测方法

    公开(公告)号:CN104408711B

    公开(公告)日:2017-05-24

    申请号:CN201410616752.0

    申请日:2014-10-30

    Abstract: 本发明涉及一种基于多尺度区域融合的显著区域检测方法,其技术特征在于:首先计算图像的最佳颜色梯度与归一化梯度;然后用梯度索引遍历图像,把满足融合门限的像素对合并,得到第一个尺度的标签图像;再计算该标签图像的边缘梯度图;接着在各个尺度下迭代计算出多尺度标签图;然后利用互信息求出多尺度候选显著图;最后利用空间几何信息熵找出最优尺度,则该尺度下的候选显著图就是最终显著图。该方法概念简单,无需对图像数据提前训练,可以很容易地进行参数修改,处理速度快,极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。

    一种基于多尺度区域融合的显著区域检测方法

    公开(公告)号:CN104408711A

    公开(公告)日:2015-03-11

    申请号:CN201410616752.0

    申请日:2014-10-30

    Abstract: 本发明涉及一种基于多尺度区域融合的显著区域检测方法,其技术特征在于:首先计算图像的最佳颜色梯度与归一化梯度;然后用梯度索引遍历图像,把满足融合门限的像素对合并,得到第一个尺度的标签图像;再计算该标签图像的边缘梯度图;接着在各个尺度下迭代计算出多尺度标签图;然后利用互信息求出多尺度候选显著图;最后利用空间几何信息熵找出最优尺度,则该尺度下的候选显著图就是最终显著图。该方法概念简单,无需对图像数据提前训练,可以很容易地进行参数修改,处理速度快,极大的提高了显著区域检测的准确性和效率。本发明可以被广泛应用到计算机视觉与其他相关的图像处理问题中。

    基于信息融合的隐马尔可夫显著区域检测方法

    公开(公告)号:CN104408712A

    公开(公告)日:2015-03-11

    申请号:CN201410616754.X

    申请日:2014-10-30

    Abstract: 本发明涉及一种基于信息融合的隐马尔可夫显著区域检测方法,本发明可以应用于复杂背景下的目标区域检测和识别。技术特征在于:首先计算图像的三个颜色对比通道;然后,通过最大后验概率迭代计算各通道的最终标签图像;再用最大互信息的标签类得到各通道突出图;最后将3个通道中所有大于冗余信息的连通区域信息量相加并归一化,得到最终显著图。本发明在充分利用了图像先验信息同时保留了数据细节,解决了区域颜色信息丢失所带来的问题,能够迅速对焦于广泛的显著区域而不用提前进行训练。

    机动目标压缩感知ISAR成像方法

    公开(公告)号:CN102841350A

    公开(公告)日:2012-12-26

    申请号:CN201210347782.7

    申请日:2012-09-19

    Abstract: 本发明提供了一种机动目标压缩感知ISAR成像方法,获取ISAR回波数据,对回波数据进行距离压缩、运动补偿及徙动校正,得到复矩阵Sd;生成高斯随机矩阵Φ对Sd做降维观测,得到矩阵Y;得到ISAR待成像时刻ti的稀疏基矩阵;对矩阵Y的每一列求解1范数凸优化方程,得到ti时刻的ISAR成像结果;遍历各个成像时刻,实现对机动目标各时段的ISAR成像。本发明降低了对成像回波采样率的要求,可以对机动目标的各成像时刻进行自由成像,改善了机动目标在方位向的成像效果,提高了ISAR成像的质量。

Patent Agency Ranking