CN117409275B - 一种多角度雷达图像处理方法 - Google Patents

一种多角度雷达图像处理方法 Download PDF

Info

Publication number
CN117409275B
CN117409275B CN202311659811.8A CN202311659811A CN117409275B CN 117409275 B CN117409275 B CN 117409275B CN 202311659811 A CN202311659811 A CN 202311659811A CN 117409275 B CN117409275 B CN 117409275B
Authority
CN
China
Prior art keywords
angle
radar image
standard
image processing
original
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311659811.8A
Other languages
English (en)
Other versions
CN117409275A (zh
Inventor
徐小坤
姚迪
李黎
张鹏
江志远
曹学兴
王宏宇
戴颖超
刘海波
张晨
李达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Science And Technology Leike Sensing Technology Co ltd
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower Co Ltd
Original Assignee
Suzhou Science And Technology Leike Sensing Technology Co ltd
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Science And Technology Leike Sensing Technology Co ltd, Huaneng Group Technology Innovation Center Co Ltd, Huaneng Lancang River Hydropower Co Ltd filed Critical Suzhou Science And Technology Leike Sensing Technology Co ltd
Priority to CN202311659811.8A priority Critical patent/CN117409275B/zh
Publication of CN117409275A publication Critical patent/CN117409275A/zh
Application granted granted Critical
Publication of CN117409275B publication Critical patent/CN117409275B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种多角度雷达图像处理方法，属于图像处理技术领域，包括以下步骤S1、采集若干个不同角度的原始雷达图像，生成原始雷达图像集；S2、根据原始雷达图像集，生成角度约束系数；S3、根据角度约束系数，在原始雷达图像集中确定标准雷达图像；S4、构建图像处理模型，并将标准雷达图像输入至图像处理模型中，完成多角度雷达图像处理。本发明充分考虑不同采集角度的影响，在多个角度的雷达图像中确定标准雷达图像，标准雷达图像受采集角度影响最小，因此可以作为标准雷达图像，标准雷达图像的准确选择有利于对所有原始雷达图像进行改进，减少不必要的流程。

Description

一种多角度雷达图像处理方法
技术领域
本发明属于图像处理技术领域，具体涉及一种多角度雷达图像处理方法。
背景技术
目标识别是通过计算机从一幅或多幅图像或者是视频中，识别出物体，还可以识别出物体状态，如方向和速度等。目标识别往往通过摄像头采集多个角度的雷达图像，并对雷达图像进行分析处理，得到最终的目标。然而，雷达图像的清晰度往往影响识别结果，因此需对雷达图像的质量进行处理。
发明内容
本发明为了解决以上问题，提出了一种多角度雷达图像处理方法。
本发明的技术方案是：一种多角度雷达图像处理方法包括以下步骤：
S1、采集若干个不同角度的原始雷达图像，生成原始雷达图像集；
S2、根据原始雷达图像集，生成角度约束系数；
S3、根据角度约束系数，在原始雷达图像集中确定标准雷达图像；
S4、构建图像处理模型，并将标准雷达图像输入至图像处理模型中，完成多角度雷达图像处理；
S3包括以下子步骤：
S31、根据原始雷达图像集的角度约束系数，计算各个原始雷达图像的角度加权系数，将所有角度加权系数从大到小排序，生成角度加权系数序列；
S32、判断角度加权系数序列中最小角度加权系数是否唯一，若是则将最小角度加权系数对应的原始雷达图像作为标准雷达图像，否则进入S33；
S33、从角度加权系数序列中确定标准角度加权系数子序列；
S34、根据标准角度加权系数子序列，确定标准雷达图像。
在本发明中，角度约束系数可以反映采集该雷达图像的环境情况和角度情况，因此角度约束系数越小表示雷达图像受环境因素和角度因素影响越小，本发明将环境约束系数最小值对应的原始雷达图像直接作为标准雷达图像。在角度约束系数最小值不唯一时，考虑若干个角度约束系数较大值与角度约束最小值做运算，从而确定最佳的标准雷达图像。
进一步地，S2中，角度约束系数R的计算公式为：
；式中，M为原始雷达图像的个数，Lm为第m个原始雷达图像的采集亮度，αm为第m个原始雷达图像的采集角度，T为采集时长。
上述进一步方案的有益效果是：在本发明中，由于采集角度的不同，会导致不同角度的雷达图像的采集亮度不同，从而对雷达图像的清晰度产生影响，因此需要量化不同角度的采集亮度的影响值，即角度约束系数。角度约束系数可以侧面反映环境情况，因此可作为确定标准雷达图像的因素之一，有利于准确选择标准雷达图像。
进一步地，S31中，第m个原始雷达图像的角度加权系数δm的计算公式为：
；式中，R为角度约束系数，αm为第m个原始雷达图像的采集角度。
进一步地，S33中，确定标准角度加权系数子序列的具体方法为：确定角度加权系数序列中最小角度加权系数的个数，从角度加权系数序列中提取前个角度加权系数，将角度加权系数序列中所有最小角度加权系数以及前/>个角度加权系数组成标准角度加权系数子序列；其中，K表示角度加权系数序列中最小角度加权系数的个数。
进一步地，S34包括以下子步骤：
S341、计算标准角度加权系数子序列中所有角度加权系数的均值，作为标准角度权重；
S342、根据标准角度权重，计算标准角度加权系数子序列中各个角度加权系数对应的角度加权因子，并将最小角度加权因子对应的原始雷达图像作为标准雷达图像。
进一步地，S342中，角度加权因子β的计算公式为：
；式中，δ为角度加权系数，ρ为标准角度权重。
进一步地，S4包括以下子步骤：
S41、构建图像处理模型，将标准雷达图像输入至图像处理模型中，生成图像处理阈值；
S42、计算原始雷达图像集中各个原始雷达图像中所有像素点的灰度值均值，分别作为各个原始雷达图像的灰度权重；
S43、将灰度权重小于图像处理阈值的原始雷达图像作为处理雷达图像；
S44、将图像处理阈值作为处理雷达图像中各个像素点的灰度值。
进一步地，图像处理模型F的表达式为：
；式中，Xg表示标准雷达图像中第g个像素点的横坐标，Yg表示标准雷达图像中第g个像素点的纵坐标，Hg表示标准雷达图像中第g个像素点的灰度值，c表示常数，e表示指数。
本发明的有益效果是：本发明充分考虑不同采集角度的亮度影响，在多个角度的雷达图像中确定标准雷达图像，标准雷达图像受采集角度影响最小，因此可以作为标准雷达图像，标准雷达图像的准确选择有利于对所有原始雷达图像进行改进，减少不必要的流程；另外，本发明通过构建图像处理模型来完成图像处理，提高雷达图像在目标识别领域的有效性，且有利于发现标准目标在各个雷达图像的运动轨迹。
附图说明
图1为多角度雷达图像处理方法的流程图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种多角度雷达图像处理方法，包括以下步骤：
S1、采集若干个不同角度的原始雷达图像，生成原始雷达图像集；
S2、根据原始雷达图像集，生成角度约束系数；
S3、根据角度约束系数，在原始雷达图像集中确定标准雷达图像；
S4、构建图像处理模型，并将标准雷达图像输入至图像处理模型中，完成多角度雷达图像处理；
S3包括以下子步骤：
S31、根据原始雷达图像集的角度约束系数，计算各个原始雷达图像的角度加权系数，将所有角度加权系数从大到小排序，生成角度加权系数序列；
S32、判断角度加权系数序列中最小角度加权系数是否唯一，若是则将最小角度加权系数对应的原始雷达图像作为标准雷达图像，否则进入S33；
S33、从角度加权系数序列中确定标准角度加权系数子序列；
S34、根据标准角度加权系数子序列，确定标准雷达图像。
在本发明中，角度约束系数可以反映采集该雷达图像的环境情况和角度情况，因此角度约束系数越小表示雷达图像受环境因素和角度因素影响越小，本发明将环境约束系数最小值对应的原始雷达图像直接作为标准雷达图像。在角度约束系数最小值不唯一时，考虑若干个角度约束系数较大值与角度约束最小值做运算，从而确定最佳的标准雷达图像。
在本发明实施例中S2中，角度约束系数R的计算公式为：
；式中，M为原始雷达图像的个数，Lm为第m个原始雷达图像的采集亮度，αm为第m个原始雷达图像的采集角度，T为采集时长。
在本发明中，由于采集角度的不同，会导致不同角度的雷达图像的采集亮度不同，从而对雷达图像的清晰度产生影响，因此需要量化不同角度的采集亮度的影响值，即角度约束系数。角度约束系数可以侧面反映环境情况，因此可作为确定标准雷达图像的因素之一，有利于准确选择标准雷达图像。
在本发明实施例中，S31中，第m个原始雷达图像的角度加权系数δm的计算公式为：
；式中，R为角度约束系数，αm为第m个原始雷达图像的采集角度。
在本发明实施例中，S33中，确定标准角度加权系数子序列的具体方法为：确定角度加权系数序列中最小角度加权系数的个数，从角度加权系数序列中提取前个角度加权系数，将角度加权系数序列中所有最小角度加权系数以及前/>个角度加权系数组成标准角度加权系数子序列；其中，K表示角度加权系数序列中最小角度加权系数的个数。
在本发明实施例中，S34包括以下子步骤：
S341、计算标准角度加权系数子序列中所有角度加权系数的均值，作为标准角度权重；
S342、根据标准角度权重，计算标准角度加权系数子序列中各个角度加权系数对应的角度加权因子，并将最小角度加权因子对应的原始雷达图像作为标准雷达图像。
在本发明实施例中，S342中，角度加权因子β的计算公式为：
；式中，δ为角度加权系数，ρ为标准角度权重。
在本发明实施例中，S4包括以下子步骤：
S41、构建图像处理模型，将标准雷达图像输入至图像处理模型中，生成图像处理阈值；
S42、计算原始雷达图像集中各个原始雷达图像中所有像素点的灰度值均值，分别作为各个原始雷达图像的灰度权重；
S43、将灰度权重小于图像处理阈值的原始雷达图像作为处理雷达图像；
S44、将图像处理阈值作为处理雷达图像中各个像素点的灰度值。
在本发明实施例中，图像处理模型F的表达式为：
；式中，Xg表示标准雷达图像中第g个像素点的横坐标，Yg表示标准雷达图像中第g个像素点的纵坐标，Hg表示标准雷达图像中第g个像素点的灰度值，c表示常数，e表示指数。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (3)

1.一种多角度雷达图像处理方法，其特征在于，包括以下步骤：
S1、采集若干个不同角度的原始雷达图像，生成原始雷达图像集；
S2、根据原始雷达图像集，生成角度约束系数；
S3、根据角度约束系数，在原始雷达图像集中确定标准雷达图像；
S4、构建图像处理模型，并将标准雷达图像输入至图像处理模型中，完成多角度雷达图像处理；
所述S3包括以下子步骤：
S31、根据原始雷达图像集的角度约束系数，计算各个原始雷达图像的角度加权系数，将所有角度加权系数从大到小排序，生成角度加权系数序列；
S32、判断角度加权系数序列中最小角度加权系数是否唯一，若是则将最小角度加权系数对应的原始雷达图像作为标准雷达图像，否则进入S33；
S33、从角度加权系数序列中确定标准角度加权系数子序列；
S34、根据标准角度加权系数子序列，确定标准雷达图像；
所述S2中，角度约束系数R的计算公式为：
；式中，M为原始雷达图像的个数，Lm为第m个原始雷达图像的采集亮度，αm为第m个原始雷达图像的采集角度，T为采集时长；
所述S31中，第m个原始雷达图像的角度加权系数δm的计算公式为：
；式中，R为角度约束系数，αm为第m个原始雷达图像的采集角度；
所述S33中，确定标准角度加权系数子序列的具体方法为：确定角度加权系数序列中最小角度加权系数的个数，从角度加权系数序列中提取前个角度加权系数，将角度加权系数序列中所有最小角度加权系数以及前/>个角度加权系数组成标准角度加权系数子序列；其中，K表示角度加权系数序列中最小角度加权系数的个数；
所述S34包括以下子步骤：
S341、计算标准角度加权系数子序列中所有角度加权系数的均值，作为标准角度权重；
S342、根据标准角度权重，计算标准角度加权系数子序列中各个角度加权系数对应的角度加权因子，并将最小角度加权因子对应的原始雷达图像作为标准雷达图像；
所述S342中，角度加权因子β的计算公式为：
；式中，δ为角度加权系数，ρ为标准角度权重。
2.根据权利要求1所述的多角度雷达图像处理方法，其特征在于，所述S4包括以下子步骤：
S41、构建图像处理模型，将标准雷达图像输入至图像处理模型中，生成图像处理阈值；
S42、计算原始雷达图像集中各个原始雷达图像中所有像素点的灰度值均值，分别作为各个原始雷达图像的灰度权重；
S43、将灰度权重小于图像处理阈值的原始雷达图像作为处理雷达图像；
S44、将图像处理阈值作为处理雷达图像中各个像素点的灰度值。
3.根据权利要求2所述的多角度雷达图像处理方法，其特征在于，所述图像处理模型F的表达式为：
；式中，Xg表示标准雷达图像中第g个像素点的横坐标，Yg表示标准雷达图像中第g个像素点的纵坐标，Hg表示标准雷达图像中第g个像素点的灰度值，c表示常数，e表示指数。
CN202311659811.8A 2023-12-06 2023-12-06 一种多角度雷达图像处理方法 Active CN117409275B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311659811.8A CN117409275B (zh) 2023-12-06 2023-12-06 一种多角度雷达图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311659811.8A CN117409275B (zh) 2023-12-06 2023-12-06 一种多角度雷达图像处理方法

Publications (2)

Publication Number Publication Date
CN117409275A CN117409275A (zh) 2024-01-16
CN117409275B true CN117409275B (zh) 2024-04-05

Family

ID=89494698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311659811.8A Active CN117409275B (zh) 2023-12-06 2023-12-06 一种多角度雷达图像处理方法

Country Status (1)

Country Link
CN (1) CN117409275B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103871040A (zh) * 2014-03-12 2014-06-18 北京理工大学 基于多角度导航卫星双基地合成孔径雷达图像融合方法
CN103954964A (zh) * 2014-05-21 2014-07-30 中国科学院电子学研究所 多角度合成孔径雷达数据获取的方法
CN106910178A (zh) * 2017-01-20 2017-06-30 中国人民解放军装备学院 一种基于色调统计特性分类的多角度sar图像融合方法
CN109146803A (zh) * 2018-07-26 2019-01-04 北京航空航天大学 基于多角度图像的sar图像辐射分辨率提升方法及装置
CN110703245A (zh) * 2019-10-15 2020-01-17 北京理工大学 基于同名点匹配与dem辅助的地基sar多角度图像配准方法
CN110738693A (zh) * 2019-09-27 2020-01-31 北京理工大学 一种地基成像雷达多角度图像配准方法
CN111160268A (zh) * 2019-12-30 2020-05-15 北京化工大学 一种基于多任务学习的多角度sar目标识别方法
CN112149524A (zh) * 2020-09-04 2020-12-29 中国人民解放军海军工程大学 一种雷达信号分选识别方法、装置、探测器及存储介质
KR102274688B1 (ko) * 2020-12-11 2021-07-08 삼우티시에스 주식회사 속도 및 방향 분해능이 향상된 미세먼지 소산계수 측정 주사 라이다 운용 방법
CN115524680A (zh) * 2021-10-27 2022-12-27 纵目科技（上海）股份有限公司 预期mimo雷达系统的获取/角度的估计方法、系统、设备及介质
CN116843906A (zh) * 2023-06-12 2023-10-03 上海卫星工程研究所 基于拉普拉斯特征映射的目标多角度本征特征挖掘方法
CN117148352A (zh) * 2023-10-31 2023-12-01 中国科学院空天信息创新研究院 一种角度唯一性约束的阵列干涉sar三维成像方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111433627B (zh) * 2018-04-05 2023-09-22 谷歌有限责任公司 使用机器学习执行角估计的基于智能设备的雷达系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103871040A (zh) * 2014-03-12 2014-06-18 北京理工大学 基于多角度导航卫星双基地合成孔径雷达图像融合方法
CN103954964A (zh) * 2014-05-21 2014-07-30 中国科学院电子学研究所 多角度合成孔径雷达数据获取的方法
CN106910178A (zh) * 2017-01-20 2017-06-30 中国人民解放军装备学院 一种基于色调统计特性分类的多角度sar图像融合方法
CN109146803A (zh) * 2018-07-26 2019-01-04 北京航空航天大学 基于多角度图像的sar图像辐射分辨率提升方法及装置
CN110738693A (zh) * 2019-09-27 2020-01-31 北京理工大学 一种地基成像雷达多角度图像配准方法
CN110703245A (zh) * 2019-10-15 2020-01-17 北京理工大学 基于同名点匹配与dem辅助的地基sar多角度图像配准方法
CN111160268A (zh) * 2019-12-30 2020-05-15 北京化工大学 一种基于多任务学习的多角度sar目标识别方法
CN112149524A (zh) * 2020-09-04 2020-12-29 中国人民解放军海军工程大学 一种雷达信号分选识别方法、装置、探测器及存储介质
KR102274688B1 (ko) * 2020-12-11 2021-07-08 삼우티시에스 주식회사 속도 및 방향 분해능이 향상된 미세먼지 소산계수 측정 주사 라이다 운용 방법
CN115524680A (zh) * 2021-10-27 2022-12-27 纵目科技（上海）股份有限公司 预期mimo雷达系统的获取/角度的估计方法、系统、设备及介质
CN116843906A (zh) * 2023-06-12 2023-10-03 上海卫星工程研究所 基于拉普拉斯特征映射的目标多角度本征特征挖掘方法
CN117148352A (zh) * 2023-10-31 2023-12-01 中国科学院空天信息创新研究院 一种角度唯一性约束的阵列干涉sar三维成像方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Automatic Target Recognition on Synthetic Aperture Radar Imagery: A Survey;O. Kechagias-Stamatis等;《 IEEE Aerospace and Electronic Systems Magazine》;20210301;第36卷(第3期);56-81 *
High accuracy unambiguous angle estimation using multi‐scale combination in distributed coherent aperture radar;Long T等;《IET Radar, Sonar & Navigation》;20171231;第11卷(第7期);1090-1098 *
基于改进GOFRO的多角度SAR图像车辆目标检测方法;刘琪等;《雷达学报》;20231031;第12卷(第5期);1081-1096 *
多角度毫米波SAR数据处理方法研究;刘艳芳等;《上海航天(中英文)》;20211225;第38卷(第S1期);78-85 *

Also Published As

Publication number Publication date
CN117409275A (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
CN113689428B (zh) 基于图像处理的机械零件应力腐蚀检测方法及系统
CN112819772B (zh) 一种高精度快速图形检测识别方法
CN111080675B (zh) 一种基于时空约束相关滤波的目标跟踪方法
CN109118473B (zh) 基于神经网络的角点检测方法、存储介质与图像处理系统
CN103870828A (zh) 图像相似度判断系统及方法
CN116091455A (zh) 基于机器视觉的钢网表面缺陷判定方法
CN113888461A (zh) 基于深度学习的小五金件缺陷检测方法、系统及设备
CN114612345A (zh) 一种基于图像处理的光源检测方法
CN111986126A (zh) 一种基于改进vgg16网络的多目标检测方法
CN112364881B (zh) 一种进阶采样一致性图像匹配方法
CN117036737A (zh) 基于信息熵、gms与lc显著检测的特征提取与匹配方法
CN107944352B (zh) 一种基于图片检索方法的车牌识别系统和方法
CN113313179A (zh) 一种基于l2p范数鲁棒最小二乘法的噪声图像分类方法
CN117409275B (zh) 一种多角度雷达图像处理方法
CN113052794A (zh) 一种基于边缘特征的图像清晰度识别方法
CN110705568B (zh) 一种图像特征点提取的优化方法
CN114550173A (zh) 图像预处理方法、装置、电子设备以及可读存储介质
CN116777956A (zh) 基于多尺度航迹管理的运动目标筛选方法
CN111192302A (zh) 一种基于运动平滑性和ransac算法的特征匹配方法
CN116188826A (zh) 一种复杂光照条件下的模板匹配方法及装置
CN111145221A (zh) 一种基于多层深度特征提取的目标跟踪算法
CN115797396A (zh) 一种克服光照突变的混合高斯模型前景分割方法
CN115294424A (zh) 一种基于生成对抗网络的样本数据增强方法
CN110910332B (zh) 一种视觉slam系统动态模糊处理方法
CN111583292B (zh) 一种面向双光子钙成像视频数据的自适应图像分割方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant