-
公开(公告)号：CN113992911B
公开(公告)日：2024-10-08
申请号：CN202111128793.1
申请日：2021-09-26
Applicant: 南京莱斯电子设备有限公司
IPC: H04N19/11 , H04N19/176 , H04N19/70
Abstract: 本发明提供了一种全景视频H264编码的帧内预测模式确定方法和设备，属于图像处理领域，所述方法包括：对离线全景图像进行标绘，识别指定观察区域作为标定区域，并保存标定区域多边形点集；根据多边形点集判断待编码宏块是否在标定区域内；对于标定区域内的待编码宏块，使用intra16×16模式；对于非标定区域内的待编码宏块，计算图像平滑度，根据平滑度确定使用intra16×16模式还是intra4×4模式；对于确定使用intra4×4模式的宏块，利用Kirsch算子计算边缘方向，根据边缘方向确定编码备选模式；最后在备选模式下选择最优编码模式。实验结果表明，基于全景改进的帧内预测模式快速确定方法在保证重点关注区视频编码质量情况下，可以大幅降低编码时间。
-
公开(公告)号：CN109785291B
公开(公告)日：2020-10-09
申请号：CN201811563209.3
申请日：2018-12-20
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明公开了一种自适应的车道线检测算法，首先针对摄像机采集图像进行预处理；其次对图像进行分割，判断环境状况，由判断结果自适应地采用不同阈值，利用soble边沿检测、HLS色彩空间对道路部分图像进行处理，获取道路部分的二值图像；提取车道线感兴区域，利用透视变换算法对感兴区域进行透视变换，得到车道线鸟瞰图；再利用二次函数拟合鸟瞰图中的车道线信息，得到车道线方程，进行车道线绘制，同时根据车道线方程对车辆偏离道路情况进行判断；最后将鸟瞰图中所绘车道线透视变换到原图像，即得到最终检测结果。本发明解决了传统车道线检测算法自适应能力较差、无法有效处理弯道信息等问题。
-
公开(公告)号：CN111681262A
公开(公告)日：2020-09-18
申请号：CN202010384657.8
申请日：2020-05-08
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明公开了一种基于邻域梯度的复杂背景下红外弱小目标检测方法，包括：1)生成初始搜索主窗口和子窗口模板；2)根据窗口最小值获取前景判断窗口像素矩阵；3)构建前景判断映射表；4)计算邻域峰值梯度特征和邻域阶跃梯度特征；5)对窗口特征进行SVM分类权值判断；6)对窗口进行邻域对比度判断；7)自适应调整窗口步长，完成单帧图像遍历输出目标信息；8)对序列图像进行连续目标检测，分别进行运动特性判断和静止特性判断，计算得到最新帧的目标检测信息数据。本发明可用于远程光电侦察、无人机探测、海岸防卫、车载地物目标侦察等场景，解决现有复杂背景下弱小目标检测技术中检测准确率低、虚警率高、检测鲁棒性低的问题。
-
公开(公告)号：CN111008997A
公开(公告)日：2020-04-14
申请号：CN201911308122.6
申请日：2019-12-18
Applicant: 南京莱斯电子设备有限公司 , 中电科新型智慧城市研究院有限公司
Abstract: 本发明公开一种车辆检测与跟踪一体化方法，包括：获取图像并选取图像中的感兴趣区域后，采用支持向量回归方法对感兴趣区域中的车辆目标进行多尺度滑窗检测，获得初始检测结果；依次采用空间位置特征方法、支持向量分类方法和多帧热度方法对初始检测结果进行筛选，获得进一步检测结果，并采用改进的可变尺度核相关滤波算法进行跟踪，获得跟踪结果；在步骤2持续的处理过程中，根据检测结果对已起批的车辆目标进行加权投票，将检测结果与跟踪结果进行融合处理后得到最终检测结果。达到了降低虚警率、提升检测结果稳定性并降低计算量的效果，相对于现有技术，大大提升了车辆检测与跟踪的效率。
-
公开(公告)号：CN119540888A
公开(公告)日：2025-02-28
申请号：CN202411614803.6
申请日：2024-11-13
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明公开了一种光学机场跑道异物检测方法，包括：设定光学设备的参数，对机场跑道区域进行扫描取证，得到初始取证图像；建立背景模型并完成跑道异物的初次检测；根据初次检测的结果，进行异物的二次确认检测；对初次检测和二次确认检测的结果进行比对处理，剔除干扰，获取最终异物检出信息；使用所述光学设备对所述机场跑道区域按预设周期进行扫描，并进行初次监测和二次确认监测，根据预设条件最终进行异物信息上报，完成所述光学机场跑道异物检测。本发明解决了基于光电图像的跑道异物检测覆盖范围窄、误检率高、鲁棒性低等问题，且无监督检测模式，不需要对真实异物的样本进行长时间积累，工程化程度更高。
-
Patent Agency Ranking
公开(公告)号：CN111157966B
公开(公告)日：2021-12-03
申请号：CN201911308733.0
申请日：2019-12-18
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明公开了一种假目标干扰识别方法，包括将经脉冲压缩处理后的脉冲数据以脉冲重复周期为单位存储在缓冲区；在慢时间维依次对每个脉冲数据进行滤波处理，获得滤波结果；依次对滤波结果进行一阶差分处理，获得一阶差分结果；依次对一阶差分结果用同距离单元相邻方位的滤波结果的均方根值进行局部归一化处理，获得局部归一化信号；根据预设检测门限检测局部归一化信号，并提取信号的包络特征，包络特征包括上升梯度、下降梯度和波峰平坦度；根据包络特征判别脉冲信号中是否存在假目标干扰信号。采用前述方法不仅能够识别副瓣假目标干扰，还能够识别主瓣和尾瓣假目标干扰，且不依赖于干扰机特性，且算法流程简单，适合工程应用。
-
公开(公告)号：CN112465867A
公开(公告)日：2021-03-09
申请号：CN202011376382.X
申请日：2020-11-30
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明提供了一种基于卷积神经网络的红外点目标实时检测跟踪方法，首先采用滑窗的方式对红外点目标进行检测，筛选可能的目标，再对多帧图像中的点目标进行数据关联的跟踪，形成航迹，然后每间隔N帧图像用卷积神经网络对图像进行识别，去除航迹中的非点目标。本发明适用于光电探测设备对空中的弱小目标进行检测和跟踪，主要算法流程均由软件完成，针对红外图像进行处理，提高光电探测设备的探测能力和探测精度。本技术融合了传统的目标检测算法和卷积神经网络算法，在保证检测准确性的同时，提高了检测效率，可以实现实时准确的检测。
-
公开(公告)号：CN109785291A
公开(公告)日：2019-05-21
申请号：CN201811563209.3
申请日：2018-12-20
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明公开了一种自适应的车道线检测算法，首先针对摄像机采集图像进行预处理；其次对图像进行分割，判断环境状况，由判断结果自适应地采用不同阈值，利用soble边沿检测、HLS色彩空间对道路部分图像进行处理，获取道路部分的二值图像；提取车道线感兴区域，利用透视变换算法对感兴区域进行透视变换，得到车道线鸟瞰图；再利用二次函数拟合鸟瞰图中的车道线信息，得到车道线方程，进行车道线绘制，同时根据车道线方程对车辆偏离道路情况进行判断；最后将鸟瞰图中所绘车道线透视变换到原图像，即得到最终检测结果。本发明解决了传统车道线检测算法自适应能力较差、无法有效处理弯道信息等问题。
-
公开(公告)号：CN117607814A
公开(公告)日：2024-02-27
申请号：CN202311642734.5
申请日：2023-12-01
Applicant: 南京莱斯电子设备有限公司
IPC: G01S7/40
Abstract: 本发明提出了一种用于跑道异物探测系统联调测试的模拟平台系统，包括：探测设备控制模块，用于模拟所述跑道异物探测系统中所有探测设备；异物上报和图形取证模块，用于验证所述跑道异物探测系统中雷达发现异物流程，以及相机拍照取证流程；多设备发现的目标融合模块，用于验证所述跑道异物探测系统中一个异物被多个探测器同时探测到时使用的目标融合方法的准确性；移动终端模块，用于模拟移动终端的操作。通过该模拟平台系统可以没有接入实际的部署环境，就开展管理系统服务的部署、联调和测试，可以快速了验证、测试跑道异物探测管理系统的功能。
-
公开(公告)号：CN111127318B
公开(公告)日：2023-04-07
申请号：CN201911232738.X
申请日：2019-12-05
Applicant: 南京莱斯电子设备有限公司
Abstract: 本发明提供了一种机场环境下的全景图像拼接方法，首先对采集到的图像进行预处理；采用基于YUV空间的色差校正方法，实现多路相机间色彩一致性；将相机图像投影至柱平面上，对柱面投影后的图像采用特征点检测算法，实现对图像中特征点的检测；实现对相邻图像中的特征点对的粗略匹配；通过RANSAC算法剔除错误特征点对，计算出图像间准确的单应性矩阵，采用渐入渐出融合技术实现配准图像间的均匀过渡拼接；对全景图像采用Canny边缘检测，选取最长线段作为天际线位置，采用最小二乘法拟合出天际线圆滑曲线，消除因拼接造成的图像扭曲变形。采用分组迭代拼接的方法，消除多路图像拼接过程中误差的累积，提升拼接成功率与拼接效果。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.03 seconds)
