-
公开(公告)号：CN111383203B
公开(公告)日：2022-05-03
申请号：CN201911084096.3
申请日：2019-11-07
申请人： 北京航空航天大学
IPC分类号： G06T5/50 , G06V10/762 , G06K9/62
摘要： 本发明提供的基于分区域拟合的全色与多光谱遥感图像融合方法，包括以下步骤：将多光谱图像上采样至全色图像的尺寸，并使用k‑means方法根据光谱角距离对上采样后的多光谱图像进行分类；然后使用最小二乘法分区域求解各类别区域的多光谱图像加权系数；利用乘法对上采样后的多光谱图像各个类别区域进行纹理补偿，生成各类别区域的融合图像，并将各类别区域的融合图像进行组合，得到最终融合图像。本发明多光谱波段的加权系数拟合结果更贴近原始全色图像，减小融合过程中的色彩失真，并且使用乘法操作而非主流融合算法中的加法操作进行纹理细节补偿，对高亮度区域有更好的纹理补偿效果，减小了融合过程的细节失真。
-
公开(公告)号：CN118864266A
公开(公告)日：2024-10-29
申请号：CN202410857471.8
申请日：2024-06-28
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于空间域和频域信息的红外和可见光图像轻量融合方法，包括：将红外和可见光图像作为输入，经过模型各模块处理后，生成具有显著热目标和丰富背景纹理的融合图像。本发明的方法主要分为空间域和频域两个分支，其中空间域分支将原始红外和可见光图像细化以提升不同模态的图像语义表征，而频域分支主要进行图像的频域融合。最后，两个分支的输出被拼接在一起并输入到由多个卷积层构成的融合模块中，由该模块输出最终的融合图像。本发明基于并行处理结构，以充分提取频域和空间域中两种模态的有效信息，从而生成质量良好的融合图像，整体流程简洁，具有出色的推理效率，可作为下游视觉任务的预处理模块并提升下游视觉任务的性能。
-
公开(公告)号：CN117197018B
公开(公告)日：2024-05-31
申请号：CN202311254447.7
申请日：2023-09-27
申请人： 北京航空航天大学
摘要： 本发明公开了一种光谱分布保持的乘性变换遥感图像融合方法，该方法包括：将多光谱图像上采样至全色图像的大小；然后统计全色和多光谱图像的直方图信息，并对全色图像和上采样的多光谱图像分别进行归一化操作；对上采样的多光谱图像和全色图像进行多元线性回归得到拟合的低分辨率全色图像；利用乘性变换结合反归一化操作对上采样的多光谱图像进行纹理细节和光谱强度的补偿和映射；最后利用直方图匹配方法进一步将融合图像的光谱分布映射为与多光谱图像一致，得到最终的融合图像。该方法可以有效减小融合过程中产生的细节失真和光谱失真，使得融合后的图像在细节上物体边缘轮廓区分度高，在光谱上颜色对比度明显，色彩层次感强。
-
公开(公告)号：CN114299399B
公开(公告)日：2024-06-11
申请号：CN202111363657.0
申请日：2021-11-17
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于骨架线关系的飞机目标确认方法，主要包括以下步骤：S1.获取实时遥感图像，对所述实时遥感图像进行自适应二值化，以二值图表示边缘提取结果，其中白色像素点为边缘点，黑色像素点为非边缘点；S2.飞机目标骨架线关系提取；S3.对飞机关键点进行检测；S4.目标检测结果置信度矫正。本发明提高了目标检测结果的可解释性和确定性，并具有较高的计算效率。
-
公开(公告)号：CN117197018A
公开(公告)日：2023-12-08
申请号：CN202311254447.7
申请日：2023-09-27
申请人： 北京航空航天大学
摘要： 本发明公开了一种光谱分布保持的乘性变换遥感图像融合方法，该方法包括：将多光谱图像上采样至全色图像的大小；然后统计全色和多光谱图像的直方图信息，并对全色图像和上采样的多光谱图像分别进行归一化操作；对上采样的多光谱图像和全色图像进行多元线性回归得到拟合的低分辨率全色图像；利用乘性变换结合反归一化操作对上采样的多光谱图像进行纹理细节和光谱强度的补偿和映射；最后利用直方图匹配方法进一步将融合图像的光谱分布映射为与多光谱图像一致，得到最终的融合图像。该方法可以有效减小融合过程中产生的细节失真和光谱失真，使得融合后的图像在细节上物体边缘轮廓区分度高，在光谱上颜色对比度明显，色彩层次感强。
-
公开(公告)号：CN111383203A
公开(公告)日：2020-07-07
申请号：CN201911084096.3
申请日：2019-11-07
申请人： 北京航空航天大学
摘要： 本发明提供的基于分区域拟合的全色与多光谱遥感图像融合方法，包括以下步骤：将多光谱图像上采样至全色图像的尺寸，并使用k-means方法根据光谱角距离对上采样后的多光谱图像进行分类；然后使用最小二乘法分区域求解各类别区域的多光谱图像加权系数；利用乘法对上采样后的多光谱图像各个类别区域进行纹理补偿，生成各类别区域的融合图像，并将各类别区域的融合图像进行组合，得到最终融合图像。本发明多光谱波段的加权系数拟合结果更贴近原始全色图像，减小融合过程中的色彩失真，并且使用乘法操作而非主流融合算法中的加法操作进行纹理细节补偿，对高亮度区域有更好的纹理补偿效果，减小了融合过程的细节失真。
-
公开(公告)号：CN115760666A
公开(公告)日：2023-03-07
申请号：CN202211449892.4
申请日：2022-11-18
申请人： 北京航空航天大学
IPC分类号： G06T5/50 , G06T5/20 , G06T3/00 , G06N3/0464
摘要： 本发明公开了一种结合比值变换和分布转换的遥感图像融合方法，包括：对全色图像和上采样多光谱图像进行均值滤波处理，获得全色图像高频分量和上采样多光谱图像高频分量，基于此获得多光谱图像缺失的高频细节，记作第一高频细节；对第一高频细节进行标准正态化处理，获得第二高频细节；计算上采样多光谱图像中各个通道中每个像素的均值和标准差；将上采样多光谱图像和第一高频细节进行拼接后输入至卷积网络中，生成两种仿射变换参数，将上述获得的均值和标准差注入第二高频细节中，生成和上采样多光谱图像同分布的高频细节，基于此结合上采样多光谱图像，获得最终的融合图像。通过该方法解决了现有遥感图像融合算法中光谱失真和细节失真的问题。
-
公开(公告)号：CN114067147B
公开(公告)日：2022-12-16
申请号：CN202111341721.5
申请日：2021-11-12
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于局部形状匹配的舰船目标确认方法，包括：获取神经网络检测模型预测的原始图像中目标检测框的区域图像，进行预处理，提取预处理后图像中目标二值化图像的最大外轮廓图；获取模板图像的二值化图像，并提取模板图像的二值化图像的最大外轮廓图；分别对两个最大外轮廓图进行点采样，得到模板图像船头/尾的点集和目标二值化图像左/右区域的点集；构造模板图像船头船尾的特征描述子和目标图像左右区域的特征描述子，进行局部形状匹配，最后确定原始图像中目标检测框的区域图像是否为舰船目标。该方法可以有效的解决因深度神经网络检测模型结果的不确定性而导致检测结果中存在大量虚警的问题；速度快、开销小、精度高。
-
公开(公告)号：CN114067147A
公开(公告)日：2022-02-18
申请号：CN202111341721.5
申请日：2021-11-12
申请人： 北京航空航天大学
摘要： 本发明公开了一种基于局部形状匹配的舰船目标确认方法，包括：获取神经网络检测模型预测的原始图像中目标检测框的区域图像，进行预处理，提取预处理后图像中目标二值化图像的最大外轮廓图；获取模板图像的二值化图像，并提取模板图像的二值化图像的最大外轮廓图；分别对两个最大外轮廓图进行点采样，得到模板图像船头/尾的点集和目标二值化图像左/右区域的点集；构造模板图像船头船尾的特征描述子和目标图像左右区域的特征描述子，进行局部形状匹配，最后确定原始图像中目标检测框的区域图像是否为舰船目标。该方法可以有效的解决因深度神经网络检测模型结果的不确定性而导致检测结果中存在大量虚警的问题；速度快、开销小、精度高。
-
公开(公告)号：CN113920337A
公开(公告)日：2022-01-11
申请号：CN202111227569.8
申请日：2021-10-21
申请人： 北京航空航天大学杭州创新研究院
摘要： 本发明公开了一种基于DSP的舰船模板匹配加速方法及系统；包括：针对DSP多核心划分数据存储空间；对数据存储空间和IPC中断进行初始化；向数据存储空间中输入舰船图像、舰船模板图像和舰船位置数据，由DSP多核心进行计算；使用DSP多核心并行计算舰船图像的最长轮廓线C0，和舰船模板图像的傅里叶描述子；使用DSP多核心并行计算最长轮廓线C0循环右移的傅里叶描述子集合；计算步骤S1中舰船模板图像的傅里叶描述子，与步骤S2中最长轮廓线C0的傅里叶描述子集合的欧式距离；欧式距离最小的值对应的舰船模板图像即为最终匹配结果。本发明能够加快图像匹配过程中的数据访问速度，同时缩短匹配计算时间。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.032 秒)
