-
公开(公告)号：CN110223283A
公开(公告)日：2019-09-10
申请号：CN201910497380.7
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明公开了一种桥梁裂缝检测方法，首先获取桥梁裂缝图像；对获取的桥梁裂缝图像进行自适应Strontify处理；对自适应Strontify处理得到的桥梁裂缝图像进行高斯模糊处理；对高斯模糊处理得到的桥梁裂缝图像进行Gaurier处理，完成桥梁裂缝的特征提取；对特征提取的后裂缝图像进行Nimility训练，从而识别得到桥梁裂缝的类型；对识别后的图像进行Seaption阈值分割，完成桥梁裂缝的检测。
-
公开(公告)号：CN110136079A
公开(公告)日：2019-08-16
申请号：CN201910366442.0
申请日：2019-05-05
Applicant: 长安大学
Abstract: 本发明公开了一种基于场景深度分割的图像去雾方法，首先获取待处理的含雾图像；其次分别求取含雾图像的深度图像和最小通道图像；根据应用聚类的方法，将深度图像按照场景深度分割为5部分；然后分别求取这4幅深度子图像的大气光值，构造整幅图像的大气光图；而后对整幅大气光图和透射率进行滤波修正；最后根据修正后的大气光图和透射率，应用图像退化模型求解清晰图像。本发明能够不仅能满足提高图像能见度的要求，又有能效地保持复原图像的亮度和色彩饱和度，具有较高的实用价值，对提高雾霾天气下采集到的图像质量有着积极的意义。
-
公开(公告)号：CN109657584A
公开(公告)日：2019-04-19
申请号：CN201811504255.6
申请日：2018-12-10
Applicant: 长安大学
Abstract: 本发明公开了辅助驾驶的改进LeNet-5融合网络交通标志识别方法，首先构建交通标志图像数据集，并根据交通标志图像数据集构建训练集和测试集；其次构建卷积神经网络CNN；然后将训练集图像数据代入卷积神经网络CNN，进行训练，并保存训练好的模型；最后将测试集图像数据代入训练好的模型，进行预测，得到预测结果。
-
公开(公告)号：CN109598296A
公开(公告)日：2019-04-09
申请号：CN201811420248.8
申请日：2018-11-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于改进飞蛾扑火K均值聚类方法，首先输入标准数据集即飞蛾群，根据数据集类别的个数来确定该数据集中类的个数；其次，使用最大最小距离积法来确定初始飞蛾，计算除去初始飞蛾的其他飞蛾到初始飞蛾的距离，根据最小距离来进行聚类的划分；接着，使用飞蛾扑火算法对每一个类都得到新的聚类中心，最后，使用飞蛾扑火算法和K均值方法不断交替更新聚类中心点，直到达到规定的迭代次数为止，最终所得到的聚类中心点就是最终聚类中心点。
-
公开(公告)号：CN108509906B
公开(公告)日：2022-02-08
申请号：CN201810277665.5
申请日：2018-03-30
Applicant: 长安大学
Abstract: 本发明公开了一种无人机航拍路基线光点捕捉双阈值Radon识别方法，为无人机的图像识别判断做良好准备，本发明采用变换对图像进行投影，得到在变换后的投影点位置，进行捕捉，避免了变换中对点筛选的要求苛刻，降低了干扰因素的要求严格，提高了正确率。且具有人性化的适应能力，可以有人为经过测试与根据电脑硬件要求，进行手动调节识别的要求，降低硬件要求，提高工作效率，对投影后的图像光点进行捕捉，得到图像中道路直线，使其无人机航拍公路图像的道边与中线识别中获得的定位比较准确，具有良好的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN111325688A
公开(公告)日：2020-06-23
申请号：CN202010100304.0
申请日：2020-02-18
Applicant: 长安大学
Abstract: 本发明公开了一种融合形态学聚类优化大气光的无人机图像去雾方法，采集并输入含雾图像；使用区域最小值滤波，获取其暗通道图像及场景深度图像；采用融合形态学聚类算法根据场景深度信息对暗通道图像进行分割；依据分割后的图像对不同景深条件下的大气光值进行估计，获得场景大气光值；根据场景大气光值修正透射率图像；利用场景大气光值与修正透射率，恢复含雾图像。本发明采用融合形态学聚类算法将场景深度信息融入对大气光估计中，并对场景透射率进行修正，经处理后，位于不同场景深度的位置拥有不同的场景大气光值，并由此获得较为准确的场景透射率，可有效提升恢复图像对比度，改善图像的视觉感受，对后续的图像处理及信息提取有很大意义。
-
公开(公告)号：CN110610470A
公开(公告)日：2019-12-24
申请号：CN201910881770.4
申请日：2019-09-18
Applicant: 长安大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于多方位梯度比较的相机多焦点清晰图像提取方法，获取两张聚焦点不同的图像；分别对取的两张图像进行卷积运算，取出大于其均值的点，得到特征放大图像；通过特征放大图像比较，获取清晰边缘特征图像，对清晰边缘进行若干次提取缩放处理同时消除较离散的不可靠点，形成清晰区域图；分别对获取的两张聚焦点不同的图像进行多方位梯度运算，获得多方位梯度特征图；对清晰区域图和多方位梯度特征图像融合，获得各聚焦点的细化的清晰范围图像，之后对不同聚焦点的图像进行融合，对都清晰及都模糊的图像范围，取梯度较高值进行图像融合。本发明有效地消除了部分融合产生的阴影，能从原图中获取更多信息，明显提升各评价指标。
-
公开(公告)号：CN110276445A
公开(公告)日：2019-09-24
申请号：CN201910532398.6
申请日：2019-06-19
Applicant: 长安大学
Abstract: 本发明公开了基于Inception卷积模块的国内交通标志分类方法，构建国内交通标志数据集；然后构建基于Inception卷积模块的卷积神经网络；将训练集图像数据输入卷积神经网络，经训练得到模型；最后将测试集图像数据输入训练后模型中，得到预测结果。本发明采用卷积层与池化层组合替代平铺层和全链接层，并使用简化Inception卷积模块，能够有效减少卷积神经网络中参数数量，减少训练次数。
-
公开(公告)号：CN107085833B
公开(公告)日：2019-07-16
申请号：CN201710241062.5
申请日：2017-04-13
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了基于梯度倒数自适应开关均中值融合的遥感图像滤波方法，步骤1：获取无人机遥感图像；步骤2：选取大小为n×n的模板，求出模板中心点与模板内其余(n×n‑1)像素点之间的梯度值并保存；步骤3：将步骤2中所得到的梯度值和阈值进行比较，判断该像素点是否由椒盐噪声或随机噪声所引起；步骤4：根据步骤3得出的结果，如果该像素点不是由椒盐噪声或随机噪声引起，用梯度倒数加权算法进行平滑处理；如果该像素点是由椒盐噪声或随机噪声引起，则用自适应开关均中值融合算法进行滤波去噪处理；步骤5：通过步骤4得到滤波去噪后的无人机遥感图像。本发明克服了现有遥感图像滤波算法在面对多种类型分布噪声时适用范围的局限性。
-
公开(公告)号：CN109558934A
公开(公告)日：2019-04-02
申请号：CN201811418898.9
申请日：2018-11-26
Applicant: 长安大学
IPC: G06N3/00
Abstract: 本发明公开了一种无人机插值飞蛾扑焰低空突防方法，首先始化飞蛾种群M，根据M计算出适应度值OM；其次，求出飞蛾与其对应火焰的距离；接着，使用插值预测算法根据飞蛾的历史位置对每一个飞蛾的下一个位置进行预测；最后，使用飞蛾扑焰算法和插值预测算法不断交替更新飞蛾最优位置，直到达到规定的迭代次数为止，最终所得到的最优位置就是全局最优解。本发明实现了更高的探索性，有着更出色的效果，能够保证全局最优解。同时，由于飞蛾扑焰方法与别的智能群体方法完全不同，所以插值飞蛾扑焰方法也与一般的插值智能群体方法设计思路完全不同，是一种创新的方法。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.019 seconds)
