-
公开(公告)号：CN101923715A
公开(公告)日：2010-12-22
申请号：CN201010271546.2
申请日：2010-09-02
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种粒子群优化空间纹理信息约束聚类的图像分割方法，主要解决纹理图像分割的局部错分问题，改善边缘结合位置的分割效果。其实现过程是：(1)输入待分割的图像；(2)对待分割图像提取灰度共生特征和小波特征；(3)利用高斯核有选择的用空间信息和邻域纹理信息改进模糊c-均值的相似性测度并进行聚类；(4)利用粒子群优化方法对聚类过程中的调控参数进行优化；(5)判断是否达到设定的循环终止条件，如果没有达到循环终止条件则返回到第3步进行下一次循环，如果达到则退出循环得到最终隶属度值，即图像最终分割结果。本发明与现有的技术相比显著提高了图像的分割性能，能够有效地分割纹理图像和SAR图像。
-
公开(公告)号：CN101916433A
公开(公告)日：2010-12-15
申请号：CN201010251465.6
申请日：2010-08-10
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于偏微分方程的强噪声污染图像的去噪方法，主要解决强噪声污染图像传统去噪效果差的问题。其实现过程包括：(1)对输入的噪声图像u0进行预处理，其结果记为u；(2)计算图像u的偏导数和；(3)计算图像u的梯度模值；(4)根据梯度和梯度模值，建立偏微分方程；(5)计算偏微分方程中的扩散系数和ψ；(6)利用系数和ψ，求解偏微分方程得到滤波图像；(7)计算滤波图像的峰值信噪比PSNR；(8)重复步骤2到步骤7，当某一次迭代输出的滤波图像的PSNR值小于上一次迭代输出的滤波图像的PSNR值时，终止迭代，输出上一次迭代的滤波图像。本发明计算简单，运行速度快，能够平滑强噪声的同时更好的保持图像纹理细节，可用于强噪声污染的自然图像去噪。
-
公开(公告)号：CN101882301A
公开(公告)日：2010-11-10
申请号：CN201010187926.8
申请日：2010-05-31
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于截断窗的剪切波图像去噪方法，主要解决现有剪切波基于第一基函数算法时间复杂度大的问题与现有剪切波基于传统的拉普拉斯金字塔算法对频带划分不灵活且去噪效果差的问题。其中包括对含噪图像的离散傅里叶变换，矩形截断窗或圆形截断窗的构造；用矩形中心截断窗或圆形中心截断窗得到近似图像，并用剪切波对矩环截断窗或圆环截断窗对含噪图像频域作用的频带进行方向划分得到系数矩阵；继而对系数矩阵进行硬阈值去噪；而后用矩形截断窗或圆形截断窗结合剪切波再对去噪后的系数矩阵与近似图像进行重构，得到去噪后的图像。本发明构建的截断窗在图像去噪上能取得更加理想的效果，可用于图像分析。
-
公开(公告)号：CN101866403A
公开(公告)日：2010-10-20
申请号：CN201010199102.2
申请日：2010-06-11
Applicant: 西安电子科技大学
IPC: G06F21/00
Abstract: 本发明公开了一种基于改进OBS-NMF算法的入侵检测方法，主要解决已有技术存在的处理高维数据能力低，鲁棒性不强，阈值选取范围小，检测结果不理想的问题。其实现步骤为：(1)收集进程系统调用；(2)构造并简化训练矩阵；(3)对训练矩阵进行降维分解；(4)判断是否满足收敛条件，若满足，则执行步骤(5)，否则返回步骤(3)继续迭代，直到达到最大迭代次数；(5)构造测试矩阵U；(6)利用基矩阵W求解U的特征系数向量hu；(7)求解U中进程向量的异常度；(8)设定阈值λ，输出检测结果。本发明具有实现简单，稳定性好，检测精度高，阈值选取范围大和实时性强的优点，可用于基于主机系统调用的实时入侵检测。
-
公开(公告)号：CN101807258A
公开(公告)日：2010-08-18
申请号：CN201010013574.4
申请日：2010-01-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于核标度切维数约简的合成孔径雷达图像目标识别方法，主要解决现有方法对SAR图像目标识别率低的问题。其步骤包括：对选定的已知类别信息的图像和待测试图像进行预处理，得到训练集和测试集；用高斯核函数将训练集映射到高维空间，用映射后的高维特征作为输入分别构造类内和类间不相似性矩阵，得到基于核标度切的拉普拉斯矩阵；对该矩阵进行特征分解得到最优的投影矩阵；分别将训练样本和测试样本投影到投影矩阵向量所张成的子空间，得到新的训练集和测试集；将新的训练集和测试集输入支撑矢量机进行分类识别，得到测试图像的类别信息。本发明具有识别率高和鲁棒性好的优点，可用于对SAR图像的识别。
-
Patent Agency Ranking
公开(公告)号：CN101741749A
公开(公告)日：2010-06-16
申请号：CN201010013726.0
申请日：2010-01-15
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于免疫克隆的多目标组播路由优化方法，主要解决组播路由优化问题。其实现步骤为：(1)给定运行参数，生成网络模型，产生初始抗体群；(2)计算个体目标值，找到非支配抗体群，利用自适应划分选择策略对其修剪，得到优势抗体群和活性抗体群；(3)判断结束条件，满足则输出优势抗体群，否则转(4)；(4)据活性抗体群个体目标值，对其克隆；(5)对克隆后抗体群交叉、变异；(6)将(5)中抗体群与(2)中优势抗体群组合；(7)据组合抗体群个体目标值，找到非支配抗体群，利用自适应划分选择策略对其修剪，得到优势抗体群和活性抗体群，返回步骤(3)。本方法能够给出组播路由多条路径，更加合理配置网络资源。
-
公开(公告)号：CN114676837B
公开(公告)日：2025-01-10
申请号：CN202210362448.2
申请日：2022-04-07
Applicant: 西安电子科技大学
IPC: G06N10/60 , G06N10/80 , G06V10/764 , G06N3/126 , G06F17/16
Abstract: 本发明公开了一种基于量子模拟器的进化量子神经网络架构搜索方法，主要解决现有技术设计的量子神经网络模型精度低、复杂度高的问题。其实现方案为：对图像数据进行量子化编码；设计量子神经网络基本框架；利用量子编码后的图像数据采用量子进化算法搜索量子神经网络基本框架下的最优结构参数，在量子进化算法中，量子神经网络被编码为量子染色体，利用量子观测、量子旋转门更新、全干扰交叉操作寻找最优结构参数；基于最优结构参数构建最优量子神经网络。本发明搜索得到的量子神经网络具有更高的模型精度和更低的复杂度，并能将其部署在量子模拟器或者真实的量子系统上，充分利用量子计算的并行优势，提高模型的推理速度，可用于图像分类。
-
公开(公告)号：CN118154915A
公开(公告)日：2024-06-07
申请号：CN202410297946.2
申请日：2024-03-15
Applicant: 西安电子科技大学
IPC: G06V10/762 , G06V10/40 , G06V10/82 , G06N3/098
Abstract: 本发明公开了一种基于锚点学习与多图对齐的大规模多视图聚类方法，主要解决现有技术对多视图间的互补信息挖掘利用不充分、多视图锚点学习中存在锚点非对齐的问题。包括：1)输入原始多视图数据，并对多个视图采用锚点表示法；2)对多个锚点表示进行多图对齐，生成中间件虚拟图与置换矩阵；3)将锚点学习与基于虚拟图的多图对齐方法进行联合学习；4)对多个锚点图进行Schatten‑p范数的跨视图锚点表示学习；5)构建目标优化函数，并采用增广拉格朗日和交替方向乘子法求解最优参数；6)利用低秩表示的主对角信息作为关系系数矩阵，获取最终聚类结果并输出。本发明能够提高多视图聚类的聚类效果与效率，同时有效降低计算复杂度。
-
公开(公告)号：CN113392930B
公开(公告)日：2024-05-14
申请号：CN202110748962.5
申请日：2021-07-02
Applicant: 西安电子科技大学
IPC: G06V20/54 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明公开一种基于多层次分治网络的交通标志目标检测方法，用于解决现有技术中对交通标志检测精度和召回率低的技术问题。本发明的具体步骤如下：生成训练集和测试集；训练目标检测网络；提取测试集中无交通标志目标的样本的背景类别；对训练集中的数据进行增强；生成标号类别的训练集和标号及背景类别的训练集；训练分类网络；对待检测的目标进行定位及粗分类；对粗分类后的图片进行细分类。本发明所构建的多层次分治网络克服了现有技术中对交通标志目标在定位与分类问题上无法获得优良结果的缺陷，使得本发明有效地提高了交通标志目标的定位与分类精确率。
-
公开(公告)号：CN117539241A
公开(公告)日：2024-02-09
申请号：CN202311361250.3
申请日：2023-10-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种融合全局人工势场和局部强化学习的路径规划方法，主要解决现有技术面对复杂局部环境训练效率及规划成功率低的问题。方案包括：1)设计由多个分难度评估地图组成的栅格化局部地图，训练强化学习模型；2)建立范围大于栅格化局部地图的全局地图，并初始化；3)基于当前全局地图的信息构建人工势场；4)计算人工势场的合力，根据合力及局部范围内的障碍点数量选择路径规划方式，完成规划并更新位置；5)判断当前智能体所处位置与最终目标点的距离是否小于预设阈值，若小于则完成规划，反之更新全局地图信息再次规划。本发明能够有效提高算法收敛速度及模型避障能力，可用于在复杂局部环境下高效准确地完成规划。
-
-
-
-
-
-
-
-
-
Search Results
637
records
(took 0.035 seconds)
