-
公开(公告)号：CN117911270A
公开(公告)日：2024-04-19
申请号：CN202410070638.6
申请日：2024-01-17
申请人： 西安电子科技大学
IPC分类号： G06T5/70 , G06T5/40 , G06T5/60 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种红外图像的噪声抑制方法，属于图像噪声处理领域，该方法包括：根据改进后的局部直方图均衡化算法对待处理图像进行处理，得到第一图像；通过神经网络对第一图像进行特征提取，得到第一特征，并根据第一特征得到第二图像；根据第一图像、第二图像和神经网络，得到密度矩阵；根据第一图像、第二图像和密度矩阵，得到第一融合特征；根据第一融合特征和神经网络得到噪声抑制后的目标图像。通过上述技术方案，利用改进后的局部直方图均衡化算法预先对图像的进行处理，减轻后续神经网络的处理压力，在减少待处理图像中噪声的同时，利用神经网络加快了图像噪声的抑制速度，具有较强的图像恢复效果。
-
公开(公告)号：CN117196969A
公开(公告)日：2023-12-08
申请号：CN202310934220.0
申请日：2023-07-27
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于黑体数据增强的宽温度大动态红外图像校正方法，包括：对H个温度中的每个利用待校正的红外探测器采集该温度下的N张黑体图像，由H个温度得到的黑体图像构成黑体数据；计算每个温度下的有效黑体图像和配对图像作为一个图像组；基于需增强的最大尺度确定当前次循环采用的滑动窗口；执行局部区域图获取步骤直至达到预设次数得到融合增强图像，将其分离得到增强后的脏图和目标图像构成当前次循环的增强后图像对；在循环次数达到G次后由得到的所有增强后图像对构成增强后的数据集，训练预设的深度神经网络得到训练完成的红外图像校正模型，用于待校正的红外图像的校正。本发明能实现宽温度段和大动态范围下红外图像的有效校正。
-
公开(公告)号：CN108665422B
公开(公告)日：2022-05-10
申请号：CN201710766350.2
申请日：2017-08-30
申请人： 西安电子科技大学
摘要： 本发明公开了一种傅里叶域内逆向感知的单帧红外非均匀性检测方法，将原始单帧红外图像分解为若干个加权非重叠图像子块，并对其进行傅里叶‑对数变换，获得每个加权非重叠图像子块相应对数域下的傅里叶能谱；从所述若干个加权非重叠图像子块的傅里叶能谱中计算最小傅里叶能谱；根据所述最小傅里叶能谱确定基于逆向感知理论下可能出现非均匀性特征的虚警数，再根据虚警数和选取的经验阈值构造可表示非均匀性傅里叶能谱分布的二值映射；根据所述二值映射对原始单帧红外图像的傅里叶能谱进行滤波，并通过傅里叶逆变换获得红外图像的非均匀性检测结果。本发明基于图像傅里叶域的频谱分布特性，利用人类视觉系统逆向感知理论实现红外图像的非均匀性检测，以达到对单帧红外图像像质提升效果。
-
公开(公告)号：CN107403134B
公开(公告)日：2022-03-11
申请号：CN201710391310.4
申请日：2017-05-27
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于局部梯度三边的图域多尺度红外弱小目标检测方法，该方法为：将含弱小目标的红外图像转化成以节点和其边权关系为表示方式的局部梯度三边图信号；其次，根据图拉普拉斯矩阵的多尺度变换对局部梯度三边图信号进行多尺度分解，获得图信号在不同尺度下的低高频子带；再次，根据图信号的边权关系对每个尺度的高频子带进行局部加权，并取其中值作为新的中心节点系数，然后对局部加权后的高频子带作乘性融合；最后，对乘性融合后的高频子带进行自适应阈值分割，确定目标空间位置，输出检测结果。
-
公开(公告)号：CN108665435B
公开(公告)日：2021-11-02
申请号：CN201810015843.7
申请日：2018-01-08
申请人： 西安电子科技大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种基于拓扑‑图切融合优化的多谱段红外图像背景抑制方法，分别对多谱段的红外图像进行局部Patch预处理获得预处理后的图像，根据拓扑微分方法对所述预处理后的图像进行强起伏边缘的抑制获得最优扩散系数，根据获得的最优扩散系数与梯度均值滤波相结合分别对单波段图像进行背景抑制，获得若干个单波段杂波抑制后的目标图像；根据尺度区域能量理论模型对所述获得的若干个单波段杂波抑制后的目标图像进行融合，得到多谱段融合的背景抑制结果图像；对所述多谱段融合的背景抑制结果图像进行图切策略优化，消除融合后图像的局部轮廓效应，最终获得背景抑制后的图像。本发明能有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景，并能够突出目标信息。
-
公开(公告)号：CN112990230A
公开(公告)日：2021-06-18
申请号：CN202110270457.4
申请日：2021-03-12
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于二阶段分组注意力残差机制的光谱图像压缩重建方法，利用第一阶段网络对观测到的图像与对应波段的图像联合生成初始估计结果，并对初始估计结果进行特征提取，对于提取到的特征使用分组注意力网络对特征数据进行分组计算，有效降低了模型的待学习参数量，在一定算力下有降低了数据重建时间；然后将优化的分组结果融合并使用第二阶段网络优化特征光谱分布结构，针对光谱一致性与上下文特征一致性设计了基于残差通道注意力机制的光谱优化网络，针对光谱维度的信息分布进行了全局优化，最终融合特征，获取高质量的重构光谱数据立方体。
-
公开(公告)号：CN112435177A
公开(公告)日：2021-03-02
申请号：CN202011242885.8
申请日：2020-11-10
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
-
公开(公告)号：CN111027626A
公开(公告)日：2020-04-17
申请号：CN201911263125.2
申请日：2019-12-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于可变形卷积网络的流场识别方法，所述通过已有数据集对预训练网络进行预训练；将预训练网络的全连接层更换成卷积层，通过迁移学习思想，将预训练后获得的权重参数迁移到流场识别模型中；通过所述流场识别模型对图像进行逐像素分类实现流场识别。本发明首先，利用预训练网络对已有数据集进行图像深层特征提取，并不断迭代学习，自动调整网络参数；其次，将预训练网络的全连接层更换成卷积层，并利用迁移学习思想，将预训练得到的权重参数迁移到识别模型中；最后，在网络中引入可变形卷积提取图像特征，并通过密集预测对图像进行逐像素分类，实现流场识别。
-
公开(公告)号：CN108665420A
公开(公告)日：2018-10-16
申请号：CN201710207017.8
申请日：2017-03-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于变分贝叶斯模型的红外弱小目标图像背景抑制方法，根据滑动窗口对红外图像进行分解，获得若干个相同大小且相互重叠的图像块，之后，根据kNN方法对所述获得的若干个相同大小且相互重叠的图像块进行聚类处理，获得若干个不同的红外图像块聚类，再根据变分贝叶斯理论模型抑制所述获得的红外图像块聚类中的背景成分，最后对经背景抑制的红外图像块聚类进行重构获得背景抑制后的图像。本发明有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景，并能够突出目标信息，便于后续的目标分割与检测。
-
公开(公告)号：CN104766334B
公开(公告)日：2017-12-29
申请号：CN201510190521.2
申请日：2015-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种红外弱小目标检测跟踪方法，根据改进的四阶偏微分方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，根据分块自适应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息，最后根据高斯混合实现的势概率假设密度(GM‑CPHD)滤波器对提取的候选目标的位置信息和数目信息进行多目标状态和数目估计，通过GM‑CPHD滤波器实现对多个红外弱小目标的状态和数目的精确稳定估计；本发明还公开了一种红外弱小目标检测跟踪装置，通过本发明能够易于实现且效果明显优于传统的背景抑制方法，避免了传统多目标跟踪的数据关联问题，能够更加稳定的实时估计随时间变化的多目标状态和数目。
-
-
-
-
-
-
-
-
-
搜索结果
95 条记录 (耗时 0.039 秒)