-
公开(公告)号：CN113052955B
公开(公告)日：2023-06-30
申请号：CN202110294698.2
申请日：2021-03-19
Applicant: 西安电子科技大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种点云补全方法、系统及应用，所述点云补全方法包括：先构建输入点云先验信息提取单元；再构建中间点云先验信息提取单元；再构建点云精化单元；接着判断输出点云点数是否满足要求，不满足则再次构建点云精化单元直至满足要求；再生成训练集来训练点云补全模型；最后利用训练完成的模型对残缺点云进行补全。本发明提供的点云补全方法，通过充分利用残缺输入点云以及一般点云补全网络的输出点云提供的物体形状先验信息，通过级联的精化单元对先验信息进行整合处理，使网络可以更好地保留原始输入点云中的细节信息，从而更好地推断物体点云残缺的形状，进而达到更优的补全效果。
-
公开(公告)号：CN116309720A
公开(公告)日：2023-06-23
申请号：CN202310288109.9
申请日：2023-03-22
Applicant: 西安电子科技大学
Abstract: 本发明涉及特征提取技术领域，公开了一种高鲁棒性的实时特征提取方法及系统，该方法，包括以下步骤：S1，特征点检测：利用特征检测方法检测图像中的特征点，然后利用Harris特征点评分方法对检测出的特征点进行二次筛选，得到特征点及其响应值；再通过非极大值抑制方法筛选确定最终特征点；其中，利用特征检测方法检测图像中的特征点时，利用图像特征点数目对特征点检测的阈值进行自适应调整；S2，特征点描述：利用二项式滤波对原始图像进行滤波处理，然后利用经滤波处理后的图像数据及最终特征点生成描述符。本发明解决了现有技术存在的实时性差、鲁棒性低等问题。
-
公开(公告)号：CN110132287B
公开(公告)日：2023-05-05
申请号：CN201910366339.6
申请日：2019-05-05
Applicant: 西安电子科技大学
IPC: G01C21/24
Abstract: 本发明属于遥感测绘技术领域，公开了一种基于极限学习机网络补偿的卫星高精度联合定姿方法；根据卫星姿态运动学模型和陀螺误差模型构建系统状态方程；根据星敏感器误差模型构建系统量测方程；采用AKF模型对姿态参数进行估计；根据滤波过程量及滤波结果构建数据集，随机选取部分数据集作为训练集；搭建极限学习机网络模型，利用训练集对极限学习机网络离线训练，得到网络参数；设置不同的星敏感器测量误差参数，将AKF滤波过程量输入到训练好的极限学习机网络，得到姿态参数补偿量，对AKF结果补偿；利用固定区间平滑算法平滑处理；修正姿态四元数和陀螺角速度。本发明极限学习机模型简单、训练参数少、泛化能力强，有效提升定姿精度。
-
公开(公告)号：CN110111248B
公开(公告)日：2023-03-24
申请号：CN201910199770.6
申请日：2019-03-15
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明属于图像拼接技术领域，公开了一种基于特征点的图像拼接方法、虚拟现实系统、照相机；首先对两幅图像提取fast角点，并计算harris角点响应，进行网格划分，在每一个网格内，对fast角点进行harris角点响应排序，筛选出强特征点；然后对强特征点进行orb和brief描述子描述，并分别进行暴力匹配，筛选匹配完全一致的特征点匹配对，计算引导矩阵；利用引导矩阵，将先前提取的fast角点进行映射，进行区域限定匹配；在进行得到特征点匹配对后，根据相似的单应矩阵具有相近的位置冲突关系来改进ransac，最终能够得到较好的结果。本发明可以快速的计算出图像之间的单应关系，取得较好的拼接结果。
-
公开(公告)号：CN111161141B
公开(公告)日：2023-02-28
申请号：CN201911177023.9
申请日：2019-11-26
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明属于高光谱图像超分辨率处理技术领域，公开了一种基于频带间注意力机制对抗学习高光谱单图超分辨率方法，搭建三维生成对抗网络模型，设置其隐含层层数、激活函数、训练函数、损失函数、学习率；将频带注意力机制嵌入生成网络的残差块之间；使用训练数据集对三维生成对抗网络模型进行训练，调整其内部参数；使用测试数据集对三维生成对抗网络模型进行检核，根据模型输出求平均峰值信噪比MPSNR、平均结构相似性指数MSSIM、平均均方根误差MRMSE和光谱角制图SAM，评价三维生成对抗网络模型的超分辨率处理性能。本发明是端对端可训练的高光谱单图超分辨率模型，能够有效实现高光谱图像空间分辨率的增强和光谱保真。
-
Patent Agency Ranking
公开(公告)号：CN109784155B
公开(公告)日：2022-04-29
申请号：CN201811504853.3
申请日：2018-12-10
Applicant: 西安电子科技大学
Abstract: 本发明属于数字图像处理技术领域，公开了一种基于验证和纠错机制的视觉目标跟踪方法、智能机器人；对输入的视频序列进行预处理操作；将预处理后的视频序列输入到CF Tracker模块中获得一个初始的BB；然后将该BB输入到Verification模块中验证当前的BB是否准确；接着将不满足条件的BB输入到Error Correction模块中获得一个更加准确的BB；最后重复执行以上的操作直到整个视频序列结束为止。本发明提升速度的同时提升精度，可以应用到多个实时应用中；可以很好的处理目标遮挡、目标重出现、目标快速运动等多个视觉挑战；简单高效的Error Correction模块可以集成到任意跟踪算法中。
-
公开(公告)号：CN109461170B
公开(公告)日：2021-11-16
申请号：CN201811102001.1
申请日：2018-09-20
Applicant: 西安电子科技大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于FPGA的超高速目标跟踪方法、计算机视觉系统；确定跟踪窗口的大小并获取跟踪目标图像；得到跟踪目标的三维HSV特征；采用并行结构，将三维特征分别进行跟踪算法的计算；根据跟踪算法计算得到的响应值确定相邻帧中目标所在的位置；优化目标跟踪算法架构，采用并行与流水结构；设计浮点值与定点值的转换策略，保证计算精度。本发明对跟踪算法的计算部分进行简化，对计算架构进行了优化，使得在保证一定的计算精度前提下，计算复杂度降低并且适合在FPGA硬件上实现；对目标跟踪算法进行加速，实现超高速的目标跟踪系统。
-
公开(公告)号：CN113074753A
公开(公告)日：2021-07-06
申请号：CN202110294692.5
申请日：2021-03-19
Applicant: 南京天巡遥感技术研究院有限公司 , 西安电子科技大学
IPC: G01C25/00
Abstract: 本发明属于卫星姿态确定技术领域，公开了一种星敏感器陀螺联合定姿方法、联合定姿系统及应用，通过k‑1时刻滤波的姿态估计结果和陀螺测量的卫星角速度计算当前时刻k下的卫星姿态；卫星姿态误差均值处进行无迹变换，得到采样点；构建非线性系统方程，对采样点进行非线性状态更新，用cholesky更新得到状态预测均值和方差平方根；构建线性的量测方程，根据预测的姿态误差均值进行线性量测更新；使用卡尔曼滤波将观测信息和预测值融合估计姿态误差；用姿态误差补偿姿态估计结果。本发明结合姿态确定的应用场景使用线性量测更新代替了系统的非线性量测更新，减小了SRUKF的计算量，能提高滤波的效率。
-
公开(公告)号：CN113034555A
公开(公告)日：2021-06-25
申请号：CN202110294704.4
申请日：2021-03-19
Applicant: 南京天巡遥感技术研究院有限公司 , 西安电子科技大学
Abstract: 本发明属于数字图像处理技术领域，公开了一种基于最小生成树的特征精匹配方法及应用，将影像转为HSL空间，对L通道采用多尺度高斯函数卷积；矫正影像光照分量增强影像内亮度不均匀区域；将匀光后的三线阵CCD影像间亮度分量均衡化；对预处理后的三线阵CCD匀光影像采用Surf特征匹配作为粗匹配特征点；通过粗匹配特征点对仿射变换关系，计算仿射变换矩阵；依据影像内颜色依据距离信息生成影像最小生成树，并作为权值约束最小二乘匹配算法；计算匹配窗口相关系数，不断迭代搜索窗口并以中心点坐标作为匹配点对输出。本发明提供的稀疏匹配具有较好的配准精度，算法平均匹配精度为97.21％，平均匹配时间为6.3443s。
-
公开(公告)号：CN110708470A
公开(公告)日：2020-01-17
申请号：CN201910927216.5
申请日：2019-09-27
Applicant: 西安电子科技大学
IPC: H04N5/235
Abstract: 本发明属于数字图像处理技术领域，公开了一种自适应互补曝光数字图像处理方法、图像获取设备，随机曝光一幅初始有效图像；并通过初始图像曝光7幅不同亮度的图像；将得到的8幅图像划分成16块区域，分别求每块区域的图像熵；将对应区域块的图像熵进行高斯拟合得到16条高斯曲线；通过比较16条高斯曲线峰值的大小，将16块区域划分成亮暗细节区域块；将对应的亮细节区域块的图像熵进行高斯拟合，其高斯曲线的峰值即为理想的低曝光时间，理想的高曝光时间同理可求。本发明在高曝光条件下，以提升光照较弱区域的图像细节信息为目标，而在低曝光条件下，以提升光照较强区域的图像细节信息为目标，合成后的图像质量最好，细节表现相对最完整。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.04 seconds)
