-
公开(公告)号：CN108647693B
公开(公告)日：2021-07-02
申请号：CN201810364072.2
申请日：2018-04-20
申请人： 华中科技大学
摘要： 本发明公开了一种基于二元显著性特征的海面红外目标检测方法，包括：根据目标尺寸，对原始红外图像进行基于中心环绕抑制的显著性特征提取，得到抑制背景的特征图，对原始红外图像进行基于广义统一局部二进制模式的显著性特征提取，得到排除干扰的特征图；将抑制背景的特征图和排除干扰的特征图融合，得到目标二元显著性特征图；在目标二元显著性特征图上，提取目标感兴趣区，基于目标感兴趣区在原始红外图像对应的ROI区域提取类间类内方差比特征，利用类间类内方差比特征，剔除虚警，得到目标检测结果。本发明检测率高，虚警率低，大大降低了云遮挡、海杂波、眩光、运动尾迹等复杂背景和干扰的影响。
-
公开(公告)号：CN108596071B
公开(公告)日：2020-07-10
申请号：CN201810351344.5
申请日：2018-04-18
申请人： 华中科技大学
摘要： 本发明公开了一种基于梯度约束生成对抗网络的异谱段红外图像变换方法，包括：利用生成子网络将待测红外图像变换为异谱段红外图像，生成子网络的训练包括：将若干已经配对好的两种谱段红外图像对分为训练样本对和测试样本对，构建生成对抗网络，所述生成对抗网络包括生成子网络和鉴别子网络；将训练样本对输入生成对抗网络，基于梯度约束的损失函数，计算鉴别子网络和生成子网络的损失，反向传播更新鉴别子网络和生成子网络；将测试样本对均分为若干测试图像块，利用测试图像块测试生成子网络，得到变换图片，当变换图片与测试图像块之间的局部相关值的均值大于等于阈值时，得到训练好的生成子网络。本发明的图像变换的结果较好。
-
公开(公告)号：CN105844627A
公开(公告)日：2016-08-10
申请号：CN201610159838.4
申请日：2016-03-21
申请人： 华中科技大学
CPC分类号： G06K9/6277 , G06T2207/20081 , G06T2207/20084 , G06T2207/30212
摘要： 本发明公开了一种基于卷积神经网络的海面目标图像背景抑制方法。包括：选取复杂场景下海面目标的成像数据，预处理后按照一定的比例分成训练集L1和验证集L2；用训练集L1训练卷积神经网络，并用验证集L2对网络模型调优，得到背景预测模型B?Mod；对待抑制的海面目标图像，预处理后输入背景预测模型B?Mod，计算出每个像素的背景抑制分量；将每个像素的所有背景抑制分量加和平均得到背景抑制量；利用背景抑制量进行适当的函数映射,可以得到背景抑制后的图像。本发明根据海面目标图像中目标和背景的差异性，利用深度学习的方法获取图像中每个像素的背景抑制量，通过实验验证了该方法对海面目标图像的背景具有显著的抑制效果。
-
公开(公告)号：CN110245678A
公开(公告)日：2019-09-17
申请号：CN201910376172.1
申请日：2019-05-07
申请人： 华中科技大学
摘要： 本发明公开了一种异构孪生区域选取网络及基于该网络的图像匹配方法，属于计算机视觉领域。包括依次串联的异构孪生网络和区域匹配网络；异构孪生网络用于提取模板图的特征图和待匹配图的特征图；区域匹配网络用于根据模板图的特征图和待匹配图的特征图，得到区域匹配结果；异构孪生网络包括相互并联的子网络A和子网络B，每个子网络为依次串联的特征提取模块、特征融合模块和最大值池化模块，两个子网络各模块均相同，仅特征提取模块的首层卷积的卷积核不同。本发明将异构孪生区域选取网络应用于图像匹配，实现非固定尺度模板与待匹配图的输入，充分利用图像多层特征，有效提升了匹配方法的性能，增加了匹配的成功率与速度。
-
公开(公告)号：CN108596071A
公开(公告)日：2018-09-28
申请号：CN201810351344.5
申请日：2018-04-18
申请人： 华中科技大学
CPC分类号： G06K9/6256 , G06K9/00523 , G06N3/084 , G06T5/20 , G06T5/40 , G06T2207/10048 , G06T2207/20132
摘要： 本发明公开了一种基于梯度约束生成对抗网络的异谱段红外图像变换方法，包括：利用生成子网络将待测红外图像变换为异谱段红外图像，生成子网络的训练包括：将若干已经配对好的两种谱段红外图像对分为训练样本对和测试样本对，构建生成对抗网络，所述生成对抗网络包括生成子网络和鉴别子网络；将训练样本对输入生成对抗网络，基于梯度约束的损失函数，计算鉴别子网络和生成子网络的损失，反向传播更新鉴别子网络和生成子网络；将测试样本对均分为若干测试图像块，利用测试图像块测试生成子网络，得到变换图片，当变换图片与测试图像块之间的局部相关值的均值大于等于阈值时，得到训练好的生成子网络。本发明的图像变换的结果较好。
-
公开(公告)号：CN105844627B
公开(公告)日：2019-02-05
申请号：CN201610159838.4
申请日：2016-03-21
申请人： 华中科技大学
摘要： 本发明公开了一种基于卷积神经网络的海面目标图像背景抑制方法。包括：选取复杂场景下海面目标的成像数据，预处理后按照一定的比例分成训练集L1和验证集L2；用训练集L1训练卷积神经网络，并用验证集L2对网络模型调优，得到背景预测模型B‑Mod；对待抑制的海面目标图像，预处理后输入背景预测模型B‑Mod，计算出每个像素的背景抑制分量；将每个像素的所有背景抑制分量加和平均得到背景抑制量；利用背景抑制量进行适当的函数映射,可以得到背景抑制后的图像。本发明根据海面目标图像中目标和背景的差异性，利用深度学习的方法获取图像中每个像素的背景抑制量，通过实验验证了该方法对海面目标图像的背景具有显著的抑制效果。
-
公开(公告)号：CN108629746A
公开(公告)日：2018-10-09
申请号：CN201810375532.1
申请日：2018-04-24
申请人： 华中科技大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
-
公开(公告)号：CN106934455A
公开(公告)日：2017-07-07
申请号：CN201710078795.1
申请日：2017-02-14
申请人： 华中科技大学
摘要： 本发明公开了一种基于CNN的遥感影像光学适配结构选取方法及系统。其中，方法的实现包括：学习阶段，利用从遥感图像中选取的目标光学适配结构作为学习样本，设计出一种光学适配结构自动选取CNN模型；选取阶段，将待选取遥感影像切割成若干片元，经CNN分类模型，识别其中的适配结构，并用非极大值抑制滤掉低适配率的重复区域，最后通过基于相关峰的独特性分析(主次峰值比、最高锋锐度)，确保识别的光学适配结构在遥感影像中没有重复模式。首次将CNN应用到光学适配结构自动选取上，考虑了光学适配结构的稳定性、独特性，能较好的选出光学适配结构，能适应多个尺度和旋转，具有较强的适应性。
-
公开(公告)号：CN110245678B
公开(公告)日：2021-10-08
申请号：CN201910376172.1
申请日：2019-05-07
申请人： 华中科技大学
摘要： 本发明公开了一种基于异构孪生区域选取网络的图像匹配方法，属于计算机视觉领域。包括依次串联的异构孪生网络和区域匹配网络；异构孪生网络用于提取模板图的特征图和待匹配图的特征图；区域匹配网络用于根据模板图的特征图和待匹配图的特征图，得到区域匹配结果；异构孪生网络包括相互并联的子网络A和子网络B，每个子网络为依次串联的特征提取模块、特征融合模块和最大值池化模块，两个子网络各模块均相同，仅特征提取模块的首层卷积的卷积核不同。本发明将异构孪生区域选取网络应用于图像匹配，实现非固定尺度模板与待匹配图的输入，充分利用图像多层特征，有效提升了匹配方法的性能，增加了匹配的成功率与速度。
-
公开(公告)号：CN106934455B
公开(公告)日：2019-09-06
申请号：CN201710078795.1
申请日：2017-02-14
申请人： 华中科技大学
摘要： 本发明公开了一种基于CNN的遥感影像光学适配结构选取方法及系统。其中，方法的实现包括：学习阶段，利用从遥感图像中选取的目标光学适配结构作为学习样本，设计出一种光学适配结构自动选取CNN模型；选取阶段，将待选取遥感影像切割成若干片元，经CNN分类模型，识别其中的适配结构，并用非极大值抑制滤掉低适配率的重复区域，最后通过基于相关峰的独特性分析(主次峰值比、最高锋锐度)，确保识别的光学适配结构在遥感影像中没有重复模式。首次将CNN应用到光学适配结构自动选取上，考虑了光学适配结构的稳定性、独特性，能较好的选出光学适配结构，能适应多个尺度和旋转，具有较强的适应性。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.023 秒)
