-
公开(公告)号：CN109784279B
公开(公告)日：2023-04-18
申请号：CN201910045296.1
申请日：2019-01-17
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/24
Abstract: 本发明属于电源故障探测技术领域，公开了一种基于多小波分析及SVM的X射线高压电源故障诊断方法；利用多小波工具对采集到的电源工作信号进行多尺度分解；对获取的多小波高频分量系数进行软阈值处理，去除信号中的噪声；计算不同尺度下高频系数的绝对值之和、能量及能量熵并归一化，然后将多种特征组合成新的特征向量；将特征向量送入训练好的SVM获得最终的诊断结果。本发明克服了单小波在电源工作信号分析中的不足，结合有较强泛化能力的SVM算法进行故障诊断，提高了故障诊断的性能，并且为实现X射线高压电源小型化、高频化和产业化提供技术支撑和理论依据。
-
公开(公告)号：CN110415254B
公开(公告)日：2023-01-03
申请号：CN201910493587.7
申请日：2019-06-06
Applicant: 西安电子科技大学
IPC: G06T7/11
Abstract: 本发明属于图像处理技术领域，公开了一种基于振荡耦合网络的水平集图像分割方法、计算机，包括：输入待分割图像；提取图像特征；初始化相位；使用Kuramoto模型对相位进行迭代演化；根据稳定后的相位获取图像中的目标个数和符合高斯分布的相位图；初始化演化曲线；计算相位图中每个像素的重构误差；累加每个像素的重构误差，构造数据驱动能量项；最小化该能量函数，驱动曲线演化，得到分割结果。相对于传统的有监督的水平集方法，本发明是基于Kuramoto模型得到图像中待分割目标的个数以及符合高斯分布的图像信息。由于高斯分布更符合图像的实际分布，因而，能够更好地实现无监督的多目标图像分割。
-
公开(公告)号：CN107610216A
公开(公告)日：2018-01-19
申请号：CN201710703149.X
申请日：2017-08-16
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于粒子群优化多视角立体点云生成方法及应用的摄像机，包括：初始化信息，提取各图像的SURF特征，对提取的特征进行立体匹配并对特征匹配对施加极线约束，生成特征匹配对对应的初始三维空间面片，使用粒子群优化算法优化初始三维空间面片的参数；将优化后的面片在空间邻域扩张形成密集的点云，对得到的密集点云执行滤波操作；多次执行面片扩张和滤波操作直到满足停止条件。本发明使用SURF特征和极线约束能有效的保证立体匹配的准确度，粒子群优化算法在优化面片参数时能避免陷入局部最优从而得到全局最优解，进一步提高点云重建的质量。
-
公开(公告)号：CN106097290A
公开(公告)日：2016-11-09
申请号：CN201610390224.7
申请日：2016-06-03
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于NMF图像融合的SAR图像变化检测方法，用于解决现有的基于图像融合的SAR图像变化检测方法中存在的准确率低且物理意义不明确的技术问题，实现步骤如下：输入同地域不同时间的两幅原始SAR图像，经去噪处理后构造两基本差异图Xl和Xm；分别对Xl和Xm进行邻域特征描述得到特征描述矩阵XL和XM；利用两特征描述矩阵构造变化检测特征矩阵X；对X进行NMF非负矩阵分解，得到分解后的系数矩阵H；利用系数矩阵得到融合后差异图；利用聚类算法将融合后差异图聚成两类，得到变化检测结果。本发明更好的利用了原始图像的细节信息，且该图像融合方法具有更显著的物理意义，可用于SAR图像变化信息的分析和标注。
-
公开(公告)号：CN104700411A
公开(公告)日：2015-06-10
申请号：CN201510112471.6
申请日：2015-03-15
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏重建的两时相遥感影像变化检测方法，主要解决现有技术去噪后图像信息丢失严重和变化检测精度低的问题。其实现过程为：输入两幅遥感影像并分别对其镜像延拓；将延拓后的两幅遥感影像X1和X2逐像素分别分割为重叠的图像块，构成两个训练样本集合Y1和Y2；通过稀疏字典训练得到两个训练字典D1、D2及其对应的稀疏表示系数S1、S2；由D1S1和D2S2重构出遥感影像和，进而得到差值图和比值图像，并分别进行三层小波分解；对分解后的高频带和低频带的小波系数采用不同的融合算子进行融合和逆变换得融合后的差异图XD；对XD进行聚类得到变化检测结果。本发明能有效地抑制噪声并保持影像边缘清晰度，提高变化检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119131355A
公开(公告)日：2024-12-13
申请号：CN202411165022.3
申请日：2024-08-23
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/26 , G06V10/762 , G06V30/14
Abstract: 本发明公开一种基于异质光场协同的复杂环境水位监测系统及方法，通过水尺点云及联合外参分割出水尺图像；进行图像增强后进一步分割水尺图像，对倾斜水尺进行矫正；对水尺点云做强度累计，通过最大梯度法得到水位线；对矫正后的水尺图像使用目标检测算法检测数字字符，利用字符识别算法，对检测出的数字字符进行OCR识别，根据数字字符、水位线及水尺图像计算水位值。本发明通过结合激光雷达和可见光场，利用不同材料的反射特性，可实现对河道、水库和海岸复杂环境下的水位实时监测。有效规避了漂浮物和天气因素对水位检测的干扰，显著提高了水位监测的准确性和鲁棒性。
-
公开(公告)号：CN114819141B
公开(公告)日：2024-08-13
申请号：CN202210360695.9
申请日：2022-04-07
Applicant: 西安电子科技大学
IPC: G06N3/082 , G06N3/063 , G06N3/0495 , G06N3/0464
Abstract: 本发明涉及一种用于深度网络压缩的智能剪枝方法和系统，该方法包括：获取训练样本集以及未经训练的待压缩卷积神经网络；根据神经元的睡眠与清醒机制，利用训练样本集对卷积神经网络进行训练，在训练过程中同时更新卷积神经网络中每一层卷积层中每一个滤波器的信息熵，得到训练完成的卷积神经网络；根据训练完成的卷积神经网络中每一层卷积层的滤波器的信息熵大小排序，以及预设的剪枝比例对每一层卷积层的滤波器进行剪枝处理，得到训练完成且压缩好的压缩卷积神经网络。本发明的方法得到的压缩卷积神经网络，可以避免安检图像分类过程中的运算冗余，节约运算时间，而且压缩后的卷积神经网络能运行于计算资源受限的平台上。
-
公开(公告)号：CN112507826B
公开(公告)日：2024-02-06
申请号：CN202011364904.4
申请日：2020-11-27
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V20/70 , G06N3/084 , G06N3/04
Abstract: 本发明属于生态环境变化检测技术领域，公开了一种基于非局部U‑net端到端神经网络的生态变化监测方法、终端、计算机设备及介质，输入两幅同地区不同时间的SAR图像，利用对数比算子和均值比算子分别生成对数比差异图和均值比差异图，并通过数据增强方法扩增数据作为模型的训练和测试数据集；采用非局部U‑net为主干网络，并改进CRF as RNN模块然后与非局部网络构建端到端的变化检测模型；基于上述端到端的变化检测模型，通过利用非局部U‑net网络和CRF as RNN的联合作用，获得最终的变化检测结果。本发明取得了较高的检测精度，对于研究人
-
公开(公告)号：CN107610216B
公开(公告)日：2021-08-31
申请号：CN201710703149.X
申请日：2017-08-16
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于粒子群优化多视角立体点云生成方法及应用的摄像机，包括：初始化信息，提取各图像的SURF特征，对提取的特征进行立体匹配并对特征匹配对施加极线约束，生成特征匹配对对应的初始三维空间面片，使用粒子群优化算法优化初始三维空间面片的参数；将优化后的面片在空间邻域扩张形成密集的点云，对得到的密集点云执行滤波操作；多次执行面片扩张和滤波操作直到满足停止条件。本发明使用SURF特征和极线约束能有效的保证立体匹配的准确度，粒子群优化算法在优化面片参数时能避免陷入局部最优从而得到全局最优解，进一步提高点云重建的质量。
-
公开(公告)号：CN112633327A
公开(公告)日：2021-04-09
申请号：CN202011395512.4
申请日：2020-12-02
Applicant: 西安电子科技大学
Abstract: 本发明属于金属缺陷检测技术领域，公开了一种分阶段金属表面缺陷检测方法、系统、介质、设备及应用，利用VGG预训练模型提取图像第k‑1和第k层特征；取出所有训练样本的第k层特征中缺陷区域，将其中的最小特征值定为阈值T；用n*n的滑动窗口取出所有训练样本第k‑1层特征中的缺陷区域，并按行扩展成一维向量，记为正样本集，同时取出和正样本数量相当的背景区域，并按行扩展为一维向量，记为负样本集；将特征向量送入SVM，训练得到分类器。本发明规避了人工设计特征不鲁棒且耗时的难点；同时利用深层丰富的语义特征进行粗定位，利用浅层丰富的位置特征精细定位，在保证精度的情况下提高了检测效率。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.025 seconds)
