-
公开(公告)号：CN109767407A
公开(公告)日：2019-05-17
申请号：CN201910145679.6
申请日：2019-02-27
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了一种去雾过程中大气透射率图像的二次估计方法，获取雾霾天气下的雾化降质图像；使用区域最小值滤波，获取其暗通道图像；根据暗通道图像，获取全局大气光值及图像的原始场景透射率；采用引导滤波器，对原始场景透射率进行滤波，得到场景透射率的粗估计；将场景透射率粗估计进行最小方差中值引导滤波，得到最终场景透射率；利用最终场景透射率，复原雾化降质图像。本发明采用最小方差中值引导滤波对场景透射率二次估计，能够有效保留图像内部纹理信息，改善了传统暗通道去雾算法获取复原图像的纹理信息及边缘信息丢失，提升了图像复原质量，相较于传统算法，使图像内部信息更好的保留下来。
-
公开(公告)号：CN106840085B
公开(公告)日：2019-02-15
申请号：CN201611184708.2
申请日：2016-12-20
Applicant: 长安大学
IPC: G01C5/00
Abstract: 本发明公开了一种基于多层信息融合的无人机测高方法，首先在无人机的不同空间位置装备若干个高度传感器，获得各个高度传感器在不同时间和空间的无人机高度观测数据；然后将每个高度传感器在不同时刻的观测值与该时刻之前两个时刻的估计值进行二步延迟时间融合，得出该高度传感器在不同时刻的时间融合估计值；然后将各个高度传感器同时刻的时间融合估计值进行空间融合，从而得到时空融合估计值；最后将步骤3得到的时空融合估计值和加速度计的测量数据进行基于参数辨识的自适应互补滤波融合，得到最终融合估计值。本发明计算量小，编程简单，在无人机测高领域应用价值明显。
-
公开(公告)号：CN108898625A
公开(公告)日：2018-11-27
申请号：CN201810670576.7
申请日：2018-06-26
Applicant: 长安大学
IPC: G06T7/277
CPC classification number: G06T7/277 , G06T2207/20076
Abstract: 本发明公开了一种智能混合群体优化滤波方法法，首先按照权值对粒子进行分层；然后根据不同层粒子的数目，对不同层粒子进行相应的选择不同的运动方式；接着对粒子状态进行估计，将条件均值或具有极大后验概率密度的状态作为系统状态的估计值；然后对粒子状态进行更新，生成合适的建议分布，从而准确地估计目标在当前时刻的位置；最后对粒子状态进行预测，预测的目的是为了下一时刻能更准确的估计目标的状态，即是设计合适的先验分布函数。本发明方法能够更加准确地估计非线性系统中的后验状态，在复杂多变的场景环境中，表现出更高的跟踪准确性。
-
公开(公告)号：CN108845508A
公开(公告)日：2018-11-20
申请号：CN201810670604.5
申请日：2018-06-26
Applicant: 长安大学
Abstract: 本发明公开了一种基于CMAC-滑膜一体化控制的无人机半物理仿真控制方法，首先在MATLAB/Simulink上建立基于CMAC-滑模一体化控制的模型；然后在LabVIEW上建立控制该模型的地面站；最后根据LabVIEW给定无人机模型飞行指令，通过CMAC-滑模一体化控制模型输出控制量，最终控制飞行器姿态。本发明提高了控制精度，可以使程序在低成本处理器下实时运行，并达到精确控制，数据收敛更快，精度更高。
-
公开(公告)号：CN108765311A
公开(公告)日：2018-11-06
申请号：CN201810387861.8
申请日：2018-04-26
Applicant: 长安大学
CPC classification number: G06T5/003 , G06T3/4038 , G06T2207/20028 , G06T2207/20032 , G06T2207/30181
Abstract: 本发明公开了一种基于随机游走聚类的多大气光值图像去雾方法，首先输入原始有雾图像，求取原始有雾图像的暗像素粗介质传输图和明像素粗介质传输图；其次将暗像素粗介质传输图和明像素粗介质传输图作为初始种子点构建随机游走模型，加入正则化参数得到最终的优化介质传输图；再次将原始有雾图像为先验来构建随机游走模型找到天空和实物的分界线，分别求取天空部分和实物部分的大气光值；最后还原优化介质传输图，在还原优化介质传输图时，分别还原天空部分和实物部分，并将天空部分还原图和实物部分还原图拼接起来，并且对拼接后的图像进行均值滤波，对分界线进行弱化，即得到最终的去雾图像。
-
Patent Agency Ranking
公开(公告)号：CN108765310A
公开(公告)日：2018-11-06
申请号：CN201810387272.X
申请日：2018-04-26
Applicant: 长安大学
Inventor： 黄鹤 , 宋京 , 盛广峰 , 王会峰 , 郭璐 , 许哲 , 黄莺 , 惠晓滨 , 杜晶晶 , 胡凯益 , 徐锦 , 李昕芮 , 崔博 , 任思奇 , 李光泽 , 何永超 , 吴林鸿
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/30192
Abstract: 本发明公开了基于多尺度窗口的自适应透射率修复图像去雾方法，首先获取含雾图像；对含雾图像使用8方向边缘检测算子进行边缘检测，判断是否为景深边缘；根据判别结果自适应的选择窗口大小来进行暗原色估计；根据暗原色估计图来求取大气光强；定义大气耗散函数；通过引导滤波器，得到边缘增强的暗原色估计图，也即大气耗散值；对大气耗散值进行修正，得到修正后的散射图(也即散射函数值)；根据大气光强和散射函数值得到投射率；将投射率带入去雾模型公式，得到去雾后图像；本发明有效减少了“halo”效应，并且该算法针对暗原色先验原理在诸如天空和白色物体等区域的不适用性进行了扩展，较好的解决了暗原色先验原理在明亮区域失效的问题。
-
公开(公告)号：CN106840085A
公开(公告)日：2017-06-13
申请号：CN201611184708.2
申请日：2016-12-20
Applicant: 长安大学
IPC: G01C5/00
CPC classification number: G01C5/005
Abstract: 本发明公开了一种基于多层信息融合的无人机测高方法，首先在无人机的不同空间位置装备若干个高度传感器，获得各个高度传感器在不同时间和空间的无人机高度观测数据；然后将每个高度传感器在不同时刻的观测值与该时刻之前两个时刻的估计值进行二步延迟时间融合，得出该高度传感器在不同时刻的时间融合估计值；然后将各个高度传感器同时刻的时间融合估计值进行空间融合，从而得到时空融合估计值；最后将步骤3得到的时空融合估计值和加速度计的测量数据进行基于参数辨识的自适应互补滤波融合，得到最终融合估计值。本发明计算量小，编程简单，在无人机测高领域应用价值明显。
-
公开(公告)号：CN106056619A
公开(公告)日：2016-10-26
申请号：CN201610415846.0
申请日：2016-06-13
Applicant: 长安大学
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/20036
Abstract: 本发明公开了一种基于梯度约束Radon变换的无人机视觉电线巡检方法，1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转换为灰度图F；2：对灰度图F进行边缘提取处理得到边缘图F’；3：对边缘图F’梯度计算得到梯度幅值Gk；4：设边缘图F’中第k个像素的八方向像素点为ki，其中i＝0,1,…,7，当相邻两个像素ki的梯度幅值Gk相等，则将其组到同一个直线支持区域；5：针对步骤4得到的直线支持区域，拟合出符合条件的直线，并使用数学形态学对拟合出的直线作后续处理；6：对步骤5的拟合结果通过Radon变化检测输电直线。本发明实现了对图像中输电线的检测准确，去掉了冗余的边缘信息，提高了识别输电线的准确度。
-
公开(公告)号：CN105069757A
公开(公告)日：2015-11-18
申请号：CN201510504293.1
申请日：2015-08-17
Applicant: 长安大学
Abstract: 本发明公开了一种无人机载红外获取沥青图像的双向迭代双边滤波方法，包括以下步骤：步骤1：利用无人机拍摄得到原始红外沥青图像；步骤2：将步骤1拍摄到的RGB颜色空间的原始红外沥青图像转换到Lab颜色空间；步骤3：利用步骤2得到的Lab颜色空间的红外沥青图像的边界像素扩展图像边界；步骤4：对步骤3得到的图像横向滤波处理；步骤5：对步骤4处理后的图像纵向滤波处理；步骤6：将步骤5处理后的Lab颜色空间的图像转换到RGB颜色空间，输出滤波后的红外沥青图像。本发明采用横、纵两个方向的迭代双边滤波，可以快速消除红外沥青图像噪声并保持边缘细节，既满足了红外沥青图像的滤波效果，又较好地保持了图像的边缘信息。
-
公开(公告)号：CN110223332B
公开(公告)日：2021-08-31
申请号：CN201910497372.2
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明公开了一种桥梁裂缝标定方法，获取桥梁裂缝原始图像；对获得的桥梁裂缝原始图像进行灰度处理；对灰度处理后的图像进行图像分块；对分块得到的裂缝图像进行高斯处理；对高斯处理后的裂缝图像进行特征提取；对特征提取后的裂缝图像进行SVM训练，从而确立桥梁裂缝的类型；对识别后的图像进行阈值分割；对分块得到的标定图像进行棋盘标定，通过改进的角点提取方法实现对棋盘角点的提取，从而确定像素点的单应性矩阵；对阈值分割后的图像，通过单应性矩阵确定裂缝的宽度，从而实现桥梁裂缝标定。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.02 seconds)
