-
公开(公告)号：CN117541472A
公开(公告)日：2024-02-09
申请号：CN202311486600.9
申请日：2023-11-08
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0475 , G06N3/094
Abstract: 一种基于生成对抗网络的自适应图像超分辨重建方法，在生成模块中去掉残差块的批处理规范化层，以更全面地保留单张图像的细节信息；在前两层用于特征提取的卷积层后分别加入细节自适应模块，自适应地捕获图像的重点细节特征信息，然后重新分配该细节特征信息的权重，整合每层卷积捕获的重点细节特征信息，生成超分辨率图像；将超分辨率图像和高分辨率图像输入判别模块，在判别模块的每个卷积层后引入损失自适应模块，通过损失自适应模块获取分层损失，然后将分层损失进行加权求和，动态地优化损失函数，并联合Sigmoid函数的输出值共同判别超分辨图像的真假。本发明在对复杂图像进行超分时，能获得更清晰的高分辨率图像。
-
公开(公告)号：CN117522815A
公开(公告)日：2024-02-06
申请号：CN202311491758.5
申请日：2023-11-09
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于光谱约束和逆距离协同表示的高光谱异常检测方法，使用相应的高光谱图像数据集进行训练，采用本发明研究的一种基于光谱约束的堆叠自编码器来有效重构背景样本；其后利用重构背景与输入的重构误差进行异常检测获得初步检测结果；本发明研究了逆距离协同表示方法，将堆叠自编码器最中间隐藏层的特征输入至逆距离协同表示模块得到异常分数估计结果，最后，将异常分数估计结果转化为自适应的异常权重矩阵，以优化初步检测结果，在抑制背景时保留异常，提高算法的异常检测性能。
-
公开(公告)号：CN117522689A
公开(公告)日：2024-02-06
申请号：CN202311489787.8
申请日：2023-11-09
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/42 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度亚像素联合卷积残差网络的图像超分辨方法。该方法以基于深度卷积网络的图像超分辨方法为基础框架，并进行一些改进：在网络正式训练前，通过亚像素卷积放大图像分辨率，以此解决基于深度卷积网络的图像超分辨方法中插值法引起的计算量过大问题。此外，基于深度亚像素联合卷积残差网络的图像超分辨方法还引入联合卷积结构，在减少网络层数的同时提升了特征提取的准确率和效率。本发明能够实现图像的高清重制，提升图像分辨率，并且有效降低了网络的训练难度。
-
公开(公告)号：CN113096031B
公开(公告)日：2024-02-06
申请号：CN202110286100.5
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种高动态范围红外图像的压缩显示方法，首先对单帧高动态范围红外图像进行灰度值统计，获得原始灰度直方图；然后采用一个S型非线性映射函数对原始灰度直方图进行压缩，获得修正后的新直方图；最后根据所述新直方图确定累积分布函数，并以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像。本发明提供的高动态范围红外图像的压缩显示方法能够在保持原始灰度直方图分布的基础上，有效降低背景灰度的峰值分布，从而使灰度级压缩后的低动态范围红外图像具有良好的视觉效果；在应对复杂的目标场景时，可通过适当调节控制参数来进一步产生满意的低动态范围图像。
-
公开(公告)号：CN117115013A
公开(公告)日：2023-11-24
申请号：CN202310942968.5
申请日：2023-07-28
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06T5/50 , G06T7/10 , G06V10/26 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种用于红外图像非均匀性校正的模型训练方法及校正方法，该训练方法包括：基于同一红外探测器获取训练数据以及黑体定标数据，并根据黑体定标数据得到不同定标温度对应的真实噪声数据；将训练数据输入到非均匀校正网络中进行非均匀性校正，得到全局噪声图像和校正输出图像；将校正输出图像输入到语义分割网络中进行灰度分割，得到若干灰度区域；基于黑体定标数据找到与不同灰度区域对应的定标温度，并对该定标温度下的真实噪声数据按区域进行拼接，得到参考噪声图像；计算非均匀校正网络的损失函数，以对网络参数进行调节，获得训练好的非均匀性校正网络模型。该方法训练的模型能够实现红外图像宽温度段非均匀性噪声的有效去除。
-
Patent Agency Ranking
公开(公告)号：CN110780272B
公开(公告)日：2023-06-30
申请号：CN201911036303.8
申请日：2019-10-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种颠簸平台SAR的非参数化成对回波抑制方法，本发明首先对传统误差模型进行改进，构建一种基于多次谐波叠加的振动误差模型，使旋翼转动带来的振动误差得到精准表征；在此基础上研究一种非参数化振动误差相位估计方法，先筛选出强散射单元，再对各强散射单元进行方位加窗截取并计算权值，通过多个强散射单元加权联合估计得到振动误差相位，最后构建振动误差相位补偿函数来抑制回波数据中的成对回波。本发明在颠簸平台SAR成像中，引入新的振动误差模型，对实际中的振动误差进行精确表征；节省了成对回波抑制方法的运算量，且实现了成对回波的有效抑制，改善颠簸平台SAR成像质量。
-
公开(公告)号：CN109118428B
公开(公告)日：2023-05-19
申请号：CN201810581039.5
申请日：2018-06-07
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于特征增强的图像超分辨率重建方法，包括：构建特征标定子网络；根据所述特征标定子网络构建特征增强卷积模块；根据所述特征增强卷积模块构建图像超分辨率重建模型；对所述图像超分辨率重建模型进行训练；根据训练后的所述超分辨率重建模型和原始图像获取重建图像。本发明的方法在图像的超分辨率重建过程中网络架构采用残差学习的方法，尤其针对特征图提取的特征进行了有选择性的增强和抑制，使重建的图像具有更高的峰值信噪比和结构相似度，避免了重建图像中出现伪信息，以及获得更加锐利的视觉效果和逼真的细节还原能力。
-
公开(公告)号：CN112150409B
公开(公告)日：2023-04-25
申请号：CN202010855029.3
申请日：2020-08-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于FPGA的实时全方位目标检测方法及系统，该方法为：逐行对原始图像Iorig进行初步细节增强，获得大目标边缘以及小目标增强后的图像Ior；根据原始图像数据Iorig(i，j)对所述大目标边缘以及小目标增强后的图像Ior的图像数据Ior(i，j)进行细节提取获得平滑大目标边缘后的细节层图像数据Inew(i，j)；对所述平滑大目标边缘后的细节层图像数据Inew(i，j)进行二次细节增强，获得仅包含小目标的细节层图像数据Idlnew(i，j)；对所述仅包含小目标的细节层图像数据Idlnew(i，j)进行阈值分割，获得阈值分割后的图像Itsn，n为像素索引；对所述阈值分割后的图像Itsn进行下采样，并且逐行读取数据及逐行显示图像数据。
-
公开(公告)号：CN110929598B
公开(公告)日：2023-04-18
申请号：CN201911081074.1
申请日：2019-11-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于轮廓特征的无人机载SAR图像匹配方法，包括：步骤1，对基准SAR图像和实时SAR图像进行预处理；步骤2，对预处理后的图像进行图像分割，并对图像分割后的图像进行边缘检测、轮廓跟踪，获得基准SAR图像的闭合轮廓图和实时SAR图像的闭合轮廓图；步骤3，计算闭合轮廓图的质心距离，构建归一化轮廓中心距特征描述子；步骤4，采用欧氏距离对归一化轮廓中心距特征描述子进行双向匹配，取其交集作为正确匹配轮廓对。该方法增强了图像匹配算法对图像信息的利用度和对图像相干斑噪声的鲁棒性，并且对图像的几何形变具有很好的适应性，提高了匹配算法的效率。
-
公开(公告)号：CN115390456A
公开(公告)日：2022-11-25
申请号：CN202211133178.4
申请日：2022-09-16
Applicant: 西安电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的飞行器再入段轨迹优化方法，主要解决现有技术中存在的实时性和适应性较差的问题，其实现方案为：建立半速度坐标系下飞行器再入连续最优控制问题；将飞行器再入连续最优控制问题转化为序列凸最优控制问题；将序列凸最优控制问题转化为序列二阶锥规划问题；对序列二阶锥规划问题进行求解；从求解结果中采样得到状态量数据集和控制量数据集；构建神经网络和损失函数；利用部分状态量数据集作为训练数据集对神经网络进行离线训练，直到损失函数收敛到一个最小值，得到训练好的轨迹网络；利用轨迹网络在线获取飞行器再入段的轨迹优化结果。本发明适应性强，实时性好，减小了参数变动对飞行器的影响，可用于火箭回收。
-
-
-
-
-
-
-
-
-
Search Results
263
records
(took 0.048 seconds)
