-
公开(公告)号：CN110223264B
公开(公告)日：2022-03-25
申请号：CN201910343217.5
申请日：2019-04-26
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明提出基于直觉可能性集的差异特征属性融合有效度分布构造及合成方法。首先，确定差异特征的类型，计算融合图像与源图像间差异特征幅值的距离，根据算法对各差异特征幅值的融合效果，将其距离分为好、坏、非好非坏3个区间并作为算法对各差异特征融合有效度的直觉可能性集，提出基于直觉可能性集的融合有效度分布构造方法；其次，对于每一差异特征的多个幅值区间，提出一种基于直觉可能性集排序的分布合成方法，计算各算法在差异特征不同幅值区间上的融合有效度得分情况以及算法对各差异特征幅值融合有效度的综合评价值，以此为据对于不同的差异特征，选取融合效果较好的融合算法。
-
公开(公告)号：CN107633495B
公开(公告)日：2020-07-17
申请号：CN201710653448.7
申请日：2017-08-02
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明属于红外图像融合领域，具体为一种基于互补关系的红外偏振与光强图像多算法2D‑VMD内嵌式融合方法。首先，采用灰度均值和局部标准差提取融合图像与红外偏振图像差值图和红外光强图像亮度和轮廓特征，采用Canny算子和能量拉普拉斯算子提取融合图像与红外光强图像差值图和红外偏振图像边缘和细节特征；其次，构建基于特征相似性的算法融合性能评价指标；接着，根据不同算法融合性能评价指标值，确定算法间互补关系；然后，根据红外偏振与光强图像特征，确定MSGT和NSST间内嵌顺序，获得高频特征融合图像；最后采用2D‑VMD实现低频特征融合图像和高频特征融合图像最终结合，获得最终融合图像。本发明用于但不限于红外图像融合领域。
-
公开(公告)号：CN110490422A
公开(公告)日：2019-11-22
申请号：CN201910662072.5
申请日：2019-07-22
Applicant: 中北大学
Abstract: 本发明公开了一种基于博弈云模型的目标作战效能态势评估方法，属于战场态势评估领域。首先，构建目标作战效能评估指标体系；其次，构造目标作战效能态势评估云模型，形成定量决策矩阵，求取相应的云期望与云熵向量矩阵；最后，利用博弈云模型分别求取最佳组合权重及博弈云重心向量，从而，确定博弈云加权偏离度，激活博弈云发生器，判断目标作战效能的性能状态；本发明解决指标体系权重不能随着战场环境变化而动态调整的问题，自适应确定最优组合权重，并在博弈云评估过程充分考虑各指标权重对作战效能影响，提高评估结果准确性。本发明主要用于（但不限于）战场态势评估。
-
公开(公告)号：CN105574874B
公开(公告)日：2018-09-25
申请号：CN201510952142.2
申请日：2015-12-18
Applicant: 中北大学
IPC: G06T7/00
Abstract: 一种序列图像变化检测的伪变化目标去除方法，本发明属于序列图像变化检测技术领域，目的是解决现有的图像变化检测方法未能有效的利用序列图像间的帧间信息且伪变化目标排除率低的技术问题，本发明采用的技术方案为：首先将序列图像中具有伪变化目标的第一帧作为样本进行分块并计算各块的特征；然后对各特征进行矢量分析，训练出用于伪目标去除的双向圆锥形决策规则进行决策，最后利用帧间变化对该规则进行自适应递推。本发明解决了现有的图像变化检测方法未能有效的利用序列图像间的帧间信息，不适用于目标较少或目标类型不统一甚至类型未知的情况，且伪变化目标排除率低的技术问题，并提出了一种双向圆锥三维矢量分析的伪目标去除方法。
-
公开(公告)号：CN107909112A
公开(公告)日：2018-04-13
申请号：CN201711202003.3
申请日：2017-11-27
Applicant: 中北大学
CPC classification number: G06K9/6289 , G06K9/38 , G06K9/4604 , G06K9/629 , G06K2009/4666
Abstract: 本发明公开了一种红外光强与偏振图像多类变元组合的融合方法，包括以下步骤：S1：对采集图像特征进行类型分类；S2：将采集的图像的融合过程分成四类变元组；S3：建立四类变元组和三类图像特征的一一映射关系；S4：将建立变元组与图像特征之间的多个独立的一一映射关系，利用决策树方法建立以图像特征为起点，以变元组内变元为子结点的多集值映射关系；S5：利用边缘、纹理、亮度特征提取方法对图像进行特征提取并计算其特征幅值，并计算两类图像特征之间的差异特征幅值的绝对值；S6：将S5所得到的差异特征顺序关系输入到S4所得到的公式(2)中，可以得到四类变元组每个变元组内变元的选择情况。
-
Patent Agency Ranking
公开(公告)号：CN104952070B
公开(公告)日：2018-04-13
申请号：CN201510307309.X
申请日：2015-06-05
Applicant: 中北大学
Abstract: 本发明涉及农业遥感图像分割技术，具体为一种类矩形引导的玉米田遥感图像分割方法。该方法首先采用SUSAN算子对融合后的卫星遥感图像进行边缘提取，然后根据闭合区域与外接类矩形的关系构建类矩形引导的相关函数，最后将类矩形阈值函数引入基于图的分割算法中实现特定形状的地块分割。该方法能获得较为理想的分割结果，减少了同物异谱所造成边界区域过分割小块，更符合玉米田面积实际统计结果。本发明主要用于大面积玉米种植面积遥感测量中。
-
公开(公告)号：CN107844850A
公开(公告)日：2018-03-27
申请号：CN201710752507.6
申请日：2017-08-28
Applicant: 中北大学
CPC classification number: G06Q10/04 , G06Q10/0639
Abstract: 本发明属于大型建筑、公共设施、精密设备等实际工程的评估领域，具体为基于数据可能性-信度分布的二型预测集安全评估方法。该方法首先在可能性分布和信度分布的基础上定义了二型预测集及其相关概念，提出了二型预测集间的相似性度量方法；然后，依据评估需求确定异类数据安全等级标尺，建立联合分布，并利用加权融合法对待评估的异类数据分别进行二型分布上的融合；最后，计算融合分布与其安全等级标尺间相似性测度，确定质心在联合标尺投影面中位置，判定安全等级。实验结果表明，本文方法用于尾矿坝的安全等级判定中能有效缩小评估结果的粒度，减少了误判问题出现，为坝体安全等级的精确判读提供了便利。
-
公开(公告)号：CN106846289A
公开(公告)日：2017-06-13
申请号：CN201710034250.0
申请日：2017-01-17
Applicant: 中北大学
Abstract: 本发明公开了一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法。首先对源图像进行非下采样轮廓波变换（NSCT）的多尺度分解；其次，对分解所得低频分量进行显著性检测，并以显著性图像百分位数进行活动阈值分割，确定显著区；然后，将偏振特有低频显著区迁移到低频融合图像中，其余低频部分作为背景区以取大规则保留强度信息；高频分量利用相位一致性及其阈值分为边缘轮廓类和纹理细节类，并分别利用相位一致性和局部标准差对相应两类细节融合；最后，通过NSCT逆变换重构出最终融合图像。本发明能够将源图像显著亮暗特征和较多的细节信息有效地融合到一幅图像中，主要用于（但不限于）红外光强和偏振图像的融合。
-
公开(公告)号：CN103927557B
公开(公告)日：2017-01-18
申请号：CN201410194225.5
申请日：2014-05-08
Applicant: 中北大学
IPC: G06K9/62
Abstract: 本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配，得到对应的信任分配图像；使用中值滤波对各信任分配图像进行降噪处理；构造分层框架，对各层滤波结果进行合成，根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷，在保证较高精度的同时，有效地提升了算法运行的速度，形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。
-
公开(公告)号：CN105279747A
公开(公告)日：2016-01-27
申请号：CN201510837582.3
申请日：2015-11-25
Applicant: 中北大学
IPC: G06T5/50
Abstract: 本发明属于图像融合领域，具体为一种可提高综合考虑源图像多方面差异特征类型及强弱关系，增强特征利用率以提高融合效果的多特征目标函数引导的红外偏振与光强图像融合方法。本发明利用红外偏振与光强图像差异特征的类型及幅值、融合权值向量构建的目标函数，综合考虑了像素多属性之间的强弱关系，利用源图像之间的特征作为种群个体之间的差异信息，通过差分进化进行基于群体差异的优化融合，提高各特征融合针对性及融合效果。该方法能够有效提高融合图像中的灰度、纹理、边缘、对比度等多方面特征。本发明主要用于红外偏振与光强图像的融合。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.035 seconds)
