-
公开(公告)号：CN108509906B
公开(公告)日：2022-02-08
申请号：CN201810277665.5
申请日：2018-03-30
Applicant: 长安大学
Abstract: 本发明公开了一种无人机航拍路基线光点捕捉双阈值Radon识别方法，为无人机的图像识别判断做良好准备，本发明采用变换对图像进行投影，得到在变换后的投影点位置，进行捕捉，避免了变换中对点筛选的要求苛刻，降低了干扰因素的要求严格，提高了正确率。且具有人性化的适应能力，可以有人为经过测试与根据电脑硬件要求，进行手动调节识别的要求，降低硬件要求，提高工作效率，对投影后的图像光点进行捕捉，得到图像中道路直线，使其无人机航拍公路图像的道边与中线识别中获得的定位比较准确，具有良好的检测精度。
-
公开(公告)号：CN107392869B
公开(公告)日：2020-12-01
申请号：CN201710602140.X
申请日：2017-07-21
Applicant: 长安大学
Abstract: 本发明公开了一种基于边缘保持滤波器的人脸滤波算法，首先获取待滤波的人脸图像；接着将获取到的人脸图像进行压缩，减少计算量；然后将RGB颜色空间的人脸图像转换到Lab颜色空间；再对得到的Lab颜色空间的人脸图像按照本发明提出的滤波算法进行滤波处理；而后将处理后的Lab颜色空间的人脸图像转换到RGB颜色空间；最后将图像进行放大并输出处理后的人脸图像。本发明能够不仅能满足人脸图像滤波较高的滤波要求，又有能效地保持图像的边缘信息，同时算法复杂度较低，计算效率较高，更加具有实用性，对后续提取人脸图像中的有用信息有着积极的意义。
-
公开(公告)号：CN111325688A
公开(公告)日：2020-06-23
申请号：CN202010100304.0
申请日：2020-02-18
Applicant: 长安大学
Abstract: 本发明公开了一种融合形态学聚类优化大气光的无人机图像去雾方法，采集并输入含雾图像；使用区域最小值滤波，获取其暗通道图像及场景深度图像；采用融合形态学聚类算法根据场景深度信息对暗通道图像进行分割；依据分割后的图像对不同景深条件下的大气光值进行估计，获得场景大气光值；根据场景大气光值修正透射率图像；利用场景大气光值与修正透射率，恢复含雾图像。本发明采用融合形态学聚类算法将场景深度信息融入对大气光估计中，并对场景透射率进行修正，经处理后，位于不同场景深度的位置拥有不同的场景大气光值，并由此获得较为准确的场景透射率，可有效提升恢复图像对比度，改善图像的视觉感受，对后续的图像处理及信息提取有很大意义。
-
公开(公告)号：CN110610470A
公开(公告)日：2019-12-24
申请号：CN201910881770.4
申请日：2019-09-18
Applicant: 长安大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于多方位梯度比较的相机多焦点清晰图像提取方法，获取两张聚焦点不同的图像；分别对取的两张图像进行卷积运算，取出大于其均值的点，得到特征放大图像；通过特征放大图像比较，获取清晰边缘特征图像，对清晰边缘进行若干次提取缩放处理同时消除较离散的不可靠点，形成清晰区域图；分别对获取的两张聚焦点不同的图像进行多方位梯度运算，获得多方位梯度特征图；对清晰区域图和多方位梯度特征图像融合，获得各聚焦点的细化的清晰范围图像，之后对不同聚焦点的图像进行融合，对都清晰及都模糊的图像范围，取梯度较高值进行图像融合。本发明有效地消除了部分融合产生的阴影，能从原图中获取更多信息，明显提升各评价指标。
-
公开(公告)号：CN110276445A
公开(公告)日：2019-09-24
申请号：CN201910532398.6
申请日：2019-06-19
Applicant: 长安大学
Abstract: 本发明公开了基于Inception卷积模块的国内交通标志分类方法，构建国内交通标志数据集；然后构建基于Inception卷积模块的卷积神经网络；将训练集图像数据输入卷积神经网络，经训练得到模型；最后将测试集图像数据输入训练后模型中，得到预测结果。本发明采用卷积层与池化层组合替代平铺层和全链接层，并使用简化Inception卷积模块，能够有效减少卷积神经网络中参数数量，减少训练次数。
-
Patent Agency Ranking
公开(公告)号：CN107085833B
公开(公告)日：2019-07-16
申请号：CN201710241062.5
申请日：2017-04-13
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了基于梯度倒数自适应开关均中值融合的遥感图像滤波方法，步骤1：获取无人机遥感图像；步骤2：选取大小为n×n的模板，求出模板中心点与模板内其余(n×n‑1)像素点之间的梯度值并保存；步骤3：将步骤2中所得到的梯度值和阈值进行比较，判断该像素点是否由椒盐噪声或随机噪声所引起；步骤4：根据步骤3得出的结果，如果该像素点不是由椒盐噪声或随机噪声引起，用梯度倒数加权算法进行平滑处理；如果该像素点是由椒盐噪声或随机噪声引起，则用自适应开关均中值融合算法进行滤波去噪处理；步骤5：通过步骤4得到滤波去噪后的无人机遥感图像。本发明克服了现有遥感图像滤波算法在面对多种类型分布噪声时适用范围的局限性。
-
公开(公告)号：CN109558934A
公开(公告)日：2019-04-02
申请号：CN201811418898.9
申请日：2018-11-26
Applicant: 长安大学
IPC: G06N3/00
Abstract: 本发明公开了一种无人机插值飞蛾扑焰低空突防方法，首先始化飞蛾种群M，根据M计算出适应度值OM；其次，求出飞蛾与其对应火焰的距离；接着，使用插值预测算法根据飞蛾的历史位置对每一个飞蛾的下一个位置进行预测；最后，使用飞蛾扑焰算法和插值预测算法不断交替更新飞蛾最优位置，直到达到规定的迭代次数为止，最终所得到的最优位置就是全局最优解。本发明实现了更高的探索性，有着更出色的效果，能够保证全局最优解。同时，由于飞蛾扑焰方法与别的智能群体方法完全不同，所以插值飞蛾扑焰方法也与一般的插值智能群体方法设计思路完全不同，是一种创新的方法。
-
公开(公告)号：CN109345475A
公开(公告)日：2019-02-15
申请号：CN201811094769.9
申请日：2018-09-19
Applicant: 长安大学
IPC: G06T5/00
Abstract: 本发明公开了一种无人机遥感山区公路图像滤波方法，获取无人机遥感山区公路图像；用小波函数对步骤1中获得的遥感图像进行两层小波分解；设置阈值向量，分别对水平、垂直、对角三个方向的高频系数进行软阈值滤波，其中垂直方向滤波两次，其他方向滤波一次；对滤波后的图像进行小波重构；对上一步获得的图像进行小波一层分解，并用改进Kuwahara滤波器对高频系数其进行滤波；重构滤波之后的图像，得到最终图像。本发明在小波变换的基础上，采用改进Kuwahara滤波器进行滤波，能够将图像中的高斯噪声滤除干净，并且具有很好的边缘细节信息保护性能。
-
公开(公告)号：CN109297478A
公开(公告)日：2019-02-01
申请号：CN201811094748.7
申请日：2018-09-19
Applicant: 长安大学
Abstract: 本发明公开了一种基于GM-CBMeMBer的光纤陀螺导航自适应滤波方法，首先读取光纤陀螺中所返回对目标检测的信号值；然后对信号进行处理，构建其数学模型，进而对目标信号进行算法中更新和预测处理；在根据所处理的结果进行高斯项的剪枝合并来完善滤波效果；紧接着输出滤波结果，来观测滤波效果；最后观测滤波结果，并分析误差。本发明可以同时处理多个目标信号，并且滤波效果比标准算法更加良好，误差更小，信号还原度更高。
-
公开(公告)号：CN109087254A
公开(公告)日：2018-12-25
申请号：CN201810385966.X
申请日：2018-04-26
Applicant: 长安大学
Abstract: 本发明公开了无人机航拍图像雾霾天空和白色区域自适应处理方法，首先获取待处理的无人机航拍含雾图像；然后获取含雾图像的暗通道图像和灰度图像；根据暗通道图像计算图像的大气光值A；将暗通道图像作为大气耗散函数的粗估计值并根据灰度图像求出能够分割近景与天空或白色区域的自适应阈值ThrB；然后分区域处理图像，计算修正系数，并将其代入改进大气耗散函数公式中得出改进后的大气耗散函数值；再通过双边滤波将对获得的改进大气耗散函数精细化；而后根据透射率估计公式求出图像透射率t(x)；最后根据图像退化模型恢复出无雾图像。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.028 seconds)
