“裴海全”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[实用新型]一种减少扬尘的农业用割草机-CN202022717552.8有效
发明人： 裴海全 -专利权人： 裴海全
申请日： 2020-11-23 - 公布日： 2021-07-13 - 主分类号： A01D34/68 文献下载
摘要：本实用新型公开了一种减少扬尘的农业用割草机，包括机体外壳、滤网和衔接杆，所述机体外壳的右端固定安装有把手，且把手的外侧安装有防滑套，所述把手的下侧设置有防灰罩，且防灰罩的内侧安装有电机，所述电机的左端连接有第一连接盘，且第一连接盘的下方设置有第二连接盘，所述连接杆的下端连接有衔接杆，且衔接杆的下端固定安装有刀片，所述机体外壳的左端内侧安装有排风机，且排风机的前端安装有滤网，所述机体外壳的后端下侧设置有行走轮。该减少扬尘的农业用割草机，具有减少扬尘的作用，从根本上减少了对环境的污染，且在割草前对草进行压弯处理，便于方便快速的进行割草，提高了工作效率，同时便于对刀头进行维修和更换。
一种减少扬尘农业割草机

[发明专利]基于时空域显著性分析和稀疏表示的红外运动目标检测方法-CN201610041349.9有效
发明人：张宝华;裴海全;张明;黄显武;周文涛;焦豆豆;刘艳仙 -专利权人：内蒙古科技大学
申请日： 2016-01-20 - 公布日： 2018-10-02 - 主分类号： G06T7/215 文献下载
摘要：一种基于时空域显著性分析和稀疏表示的红外运动目标检测方法，通过稀疏表示方法对红外序列图像粗分割后的子区域进行平滑处理，提取各子区域的对比特征和局部先验特征，并进行合并，从而得到红外序列图像对应的显著图；再根据预设的阈值和形态学方法对显著图依次进行分割和伪目标区域的滤除，得到红外目标图像；本发明很好地解决了提取目标边缘模糊的问题，可满足红外监控系统快速精确检测地面运动目标的需要且具有较好的自适应性和检测效果。
基于时空显著分析稀疏表示红外运动目标检测方法

[发明专利]基于稀疏分解和差分图像的多聚焦图像融合方法-CN201511003023.9有效
发明人：张宝华;贾东征;李革;谷宇;裴海全;周文涛;焦豆豆;刘艳仙 -专利权人：内蒙古科技大学
申请日： 2015-12-29 - 公布日： 2018-06-15 - 主分类号： G06T5/50 文献下载
摘要：一种基于稀疏分解和差分图像的多聚焦图像融合方法，其特征在于，利用RPCA分解原始图像得到其稀疏分量和低秩分量，然后通过引导滤波加强稀疏分量的边缘，再将加强的稀疏分量与低秩分量相加构建包含强边缘的加强图像，再将加强图像与原始图像做差分，计算所得差分图像的空间频率，并利用自适应阈值算法得到差分图像的空间频率图，利用形态学算法去除空间频率图中的伪聚焦区域，得到融合决策图，最后根据融合决策图和融合规则重建融合图像。本发明在评价图像融合算法的三项指标相关系数，即边缘梯度信息和边缘相关因子分别高于其他经典算法45％，6％，15％以上。 1
差分图像空间频率稀疏多聚焦图像融合稀疏分解原始图像决策图低秩融合自适应阈值算法图像图像融合算法形态学算法边缘梯度规则重建经典算法聚焦区域融合图像强边缘构建滤波去除相加分解

[发明专利]一种基于显著性区域提取的多聚焦图像融合方法-CN201510066177.6有效
发明人：张宝华;裴海全;马玲珑;刘鹤;周文涛 -专利权人：内蒙古科技大学
申请日： 2015-02-09 - 公布日： 2018-02-02 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种基于显著性区域提取的多聚焦图像融合算法，其包括以下步骤1、利用GBVS算法得到两幅源图像的显著图；2、二值化显著图并分别计算其空间频率，得到空间频率图；3、利用分水岭算法检测空间频率图的微弱边缘，得到封闭区域并分类，通过比较不同区域的空间频率，找到其中的伪聚焦区域并将其滤除，剩余区域利用形态学方法得到聚焦区域；4、将源图像聚焦区域直接融合，离焦区域通过Shearlet变换分解得到其高频和低频子带系数，分别基于PCNN和拉普拉斯金字塔变换融合；5、重构融合系数，得到融合图像。本发明融合算法灰度级分布更加分散，图像纹理较丰富，细节突出。
一种基于显著区域提取聚焦图像融合方法

[发明专利]一种基于光谱特性的Shearlet域多光谱与全色图像融合方法-CN201510066167.2有效
发明人：张宝华;吕晓琪;裴海全;刘鹤;周文涛 -专利权人：内蒙古科技大学
申请日： 2015-02-09 - 公布日： 2017-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于光谱特性的Shearlet域多光谱与全色图像融合方法，其包括以下步骤(1)对多光谱影像进行IHS变换；(2)将BIMFs和全色图像分别进行Shearlet变换分解，并获得其各自的一个低频子带和若干高频子带；(3)建立融合规则选择融合系数低频系数利用拉普拉斯金字塔分解，通过比较取大法选择低频融合系数；通过基于双通道脉冲耦合神经网络(PCNN)的融合规则融合对应的高频系数；(4)通过IHS逆变换，得到最终融合后图像。本发明融合算法在增强空间细节表现能力的同时尽可能保护了图像的光谱信息，改善了融合效果。
一种基于光谱特性 shearlet 全色图像融合方法

[发明专利]基于结构相似度和显著性分析的红外运动目标检测方法-CN201510030116.4有效
发明人：张宝华;刘鹤;黄显武;裴海全;周文涛 -专利权人：内蒙古科技大学
申请日： 2015-01-21 - 公布日： 2017-07-28 - 主分类号： G06T7/215 文献下载
摘要：一种图像处理领域的基于结构相似度和显著性分析的红外运动目标检测方法，利用GBVS对源图像显著性分析，得到显著性区域；再将源图像通过改进的SSIM区分为变化剧烈区域和变化平缓区域，并采用不同学习率的方式优化高斯混合模型；最后利用优化后的高斯混合模型检测出封闭区域，该封闭区域与显著性区域的重叠区域即为当前帧的最终运动目标。本发明解决了混合高斯算法边缘模糊的问题，具有较好的自适应性和检测效果。
基于结构相似显著分析红外运动目标检测方法