-
公开(公告)号：CN110827223B
公开(公告)日：2021-08-24
申请号：CN201911070104.9
申请日：2019-11-05
Applicant: 郑州轻工业学院
IPC: G06T5/00
Abstract: 本发明提出了一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，步骤为：根据原始天文图像初始化重建图像参数和含噪声观测值；利用带有自适应滤波算子的曲波变换对高噪声条件下的高分辨率天文图像进行多尺度分解获得曲波系数；利用迭代收缩阈值算法对曲波系数进行迭代更新得图像曲波系数；利用下降曲波阈值算子对图像曲波系数进行降噪处理；利用曲波逆变换进行处理获得重建天文图像；利用分数阶全变差方法对重建天文图像进行特征调整，获得调整后的重建图像；判断迭代停止条件。本发明有效地提高了高噪声条件下的高分辨率天文图像的去噪能力，解决了深空探测中高噪声条件下天文图像的去噪重建问题，且实现简单，鲁棒性强。
-
Patent Agency Ranking
公开(公告)号：CN108305272A
公开(公告)日：2018-07-20
申请号：CN201810161968.0
申请日：2018-02-27
Applicant: 郑州轻工业学院
Abstract: 本发明提出了一种基于ALO搜索的突变运动目标跟踪方法，用以解决现有运动目标跟踪方法运行效率不高、包含较多的调节参数的问题。初始化目标状态参数和ALO算法的优化模型参数；采用ALO算法搜索候选图像块，实现目标跟踪；将输出的最优候选图像块作为当前帧图像的目标图像块及下一帧的目标状态参数，进行下一帧图像的跟踪。本发明采取全局最优的运动状态搜索机制及较少的模型调节参数，基于蚁狮算法的搜索机制，在蚂蚁随机游走的基础上，采用轮盘赌随机选择蚁狮和精英蚁狮共同影响蚂蚁行走路径，随着迭代次数的增加，逐步缩小搜索空间，提高运行效率，能够很好的适应运动目标跟踪问题，后续对跟踪目标的识别、理解和分析具有重要意义。
-
公开(公告)号：CN108305272B
公开(公告)日：2020-04-28
申请号：CN201810161968.0
申请日：2018-02-27
Applicant: 郑州轻工业学院
Abstract: 本发明提出了一种基于ALO搜索的突变运动目标跟踪方法，用以解决现有运动目标跟踪方法运行效率不高、包含较多的调节参数的问题。初始化目标状态参数和ALO算法的优化模型参数；采用ALO算法搜索候选图像块，实现目标跟踪；将输出的最优候选图像块作为当前帧图像的目标图像块及下一帧的目标状态参数，进行下一帧图像的跟踪。本发明采取全局最优的运动状态搜索机制及较少的模型调节参数，基于蚁狮算法的搜索机制，在蚂蚁随机游走的基础上，采用轮盘赌随机选择蚁狮和精英蚁狮共同影响蚂蚁行走路径，随着迭代次数的增加，逐步缩小搜索空间，提高运行效率，能够很好的适应运动目标跟踪问题，后续对跟踪目标的识别、理解和分析具有重要意义。
-
公开(公告)号：CN110827223A
公开(公告)日：2020-02-21
申请号：CN201911070104.9
申请日：2019-11-05
Applicant: 郑州轻工业学院
IPC: G06T5/00
Abstract: 本发明提出了一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，步骤为：根据原始天文图像初始化重建图像参数和含噪声观测值；利用带有自适应滤波算子的曲波变换对高噪声条件下的高分辨率天文图像进行多尺度分解获得曲波系数；利用迭代收缩阈值算法对曲波系数进行迭代更新得图像曲波系数；利用下降曲波阈值算子对图像曲波系数进行降噪处理；利用曲波逆变换进行处理获得重建天文图像；利用分数阶全变差方法对重建天文图像进行特征调整，获得调整后的重建图像；判断迭代停止条件。本发明有效地提高了高噪声条件下的高分辨率天文图像的去噪能力，解决了深空探测中高噪声条件下天文图像的去噪重建问题，且实现简单，鲁棒性强。
-
公开(公告)号：CN107341820A
公开(公告)日：2017-11-10
申请号：CN201710531498.8
申请日：2017-07-03
Applicant: 郑州轻工业学院
IPC: G06T7/277
CPC classification number: G06T7/277 , G06T2207/10016
Abstract: 本发明公开了一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，步骤如下：初始化目标状态参数和优化方法初始参数；采用KCF跟踪方法获得目标前几帧内的最大响应值，计算置信度阈值初始值；依据当前帧最大响应值与置信度阈值的关系，确定不同的基样本图像产生方式：当大于置信度阈值，随机选取基图像样本，执行KCF方法跟踪目标；当小于置信度阈值，采用Cuckoo搜索机制获取全局最优的目标预测状态，产生新的基图像样本，执行KCF方法跟踪目标；动态更新置信度阈值，重复上述步骤实现目标跟踪。本发明有效地实现动态摄像机下目标存在帧间突变运动的持续性跟踪，实现帧间存在运动突变目标的精确跟踪，提高了在复杂场景下跟踪方法的适应能力。
-
公开(公告)号：CN107341820B
公开(公告)日：2018-04-20
申请号：CN201710531498.8
申请日：2017-07-03
Applicant: 郑州轻工业学院
IPC: G06T7/277
Abstract: 本发明公开了一种融合Cuckoo搜索和KCF的突变运动目标跟踪方法，步骤如下：初始化目标状态参数和优化方法初始参数；采用KCF跟踪方法获得目标前几帧内的最大响应值，计算置信度阈值初始值；依据当前帧最大响应值与置信度阈值的关系，确定不同的基样本图像产生方式：当大于置信度阈值，随机选取基图像样本，执行KCF方法跟踪目标；当小于置信度阈值，采用Cuckoo搜索机制获取全局最优的目标预测状态，产生新的基图像样本，执行KCF方法跟踪目标；动态更新置信度阈值，重复上述步骤实现目标跟踪。本发明有效地实现动态摄像机下目标存在帧间突变运动的持续性跟踪，实现帧间存在运动突变目标的精确跟踪，提高了在复杂场景下跟踪方法的适应能力。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
