-
公开(公告)号：CN102122386B
公开(公告)日：2012-08-08
申请号：CN201110048972.4
申请日：2011-03-01
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于字典学习的迁移聚类SAR图像分割方法，主要解决现有的人工标记SAR图像成本高，且已有无标记SAR图像无法用于辅助目标SAR图像分割的问题。其实现过程是：1)对目标SAR图像和无标记辅助SAR图像提取小波特征；2)设定循环终止次数，使用k-means方法对目标SAR图像进行初始划分；3)对每一类目标SAR图像数据训练一个字典；4)从辅助SAR图像数据中为每一类目标SAR数据迁移一组样本；5)利用谱聚类集成方法去除标签不稳定的辅助数据样本；6)用净化后的每一批辅助样本训练一个辅助字典；7)根据目标字典与辅助字典以及对应聚类中心更新样本标签并输出聚类分割结果。本发明具有分割效果好的优点，可用于进一步的SAR图像目标识别。
-
公开(公告)号：CN102622731A
公开(公告)日：2012-08-01
申请号：CN201210061837.8
申请日：2012-03-11
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于二维Otsu的轮廓波域维纳滤波图像去噪方法，主要解决现有去噪方法去噪效果不佳的问题。其实现步骤是：(1)对含噪图像TI进行轮廓波分解；(2)分别对分解出的各个高频子带进行二维Otsu分割，得到重要系数和非重要系数；(3)分别计算高频子带的椭圆窗口，根据椭圆窗口估计高频子带的信号方差，对重要系数和非重要系数分别进行维纳滤波；(4)对去噪后的高频子带进行轮廓波逆变换，得到去噪图像FI；(5)对FI进行非局部均值滤波，得到去噪输出。本发明能有效去除含有高斯白噪声的自然图像中的噪声，可用于变化检测，目标识别时对图像的预处理。
-
公开(公告)号：CN102360500A
公开(公告)日：2012-02-22
申请号：CN201110192151.8
申请日：2011-07-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Treelet曲波域去噪的遥感图像变化检测方法，其实现步骤为：(1)读入数据；(2)中值滤波；(3)构造对数差异图像；(4)构造绝对值差异图像；(5)快速离散曲波分解；(6)曲波变换系数分类；(7)Fine尺度层置零；(8)Detail尺度层去噪；(9)曲波逆变换；(10)计算变化比例阈值；(11)分类；(12)获得变化检测结果图。本发明对噪声具有较好的鲁棒性，能够较好的保持变化区域的边缘信息，减少伪变化信息，具有较高的检测精度，可用于灾情监测、森林覆盖率评估、城市规划等领域。
-
公开(公告)号：CN102208031A
公开(公告)日：2011-10-05
申请号：CN201110164401.7
申请日：2011-06-17
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于Freeman分解和同极化比的极化SAR图像分类方法，主要解决现有技术计算复杂度较高和分类效果差的问题，其实现步骤为：(1)输入极化SAR数据的协方差矩阵；(2)对输入的矩阵进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率矩阵；(3)根据三种散射功率矩阵将极化SAR数据进行初始划分；(4)计算每类极化SAR数据各像素点的同极化比；(5)选择阈值依据同极化比将步骤(3)中每类极化SAR数据划分为3类，从而将整个极化SAR数据划分为9类；(6)对整个极化SAR数据的划分结果进行复Wishart迭代并上色，得到最终彩色分类结果图。本发明与经典分类方法相比，对极化SAR数据的划分更加严谨，分类结果明显，计算复杂度相对较小。
-
公开(公告)号：CN102063720A
公开(公告)日：2011-05-18
申请号：CN201110001584.0
申请日：2011-01-06
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于Treelets的遥感图像变化检测方法，它属于遥感图像分析与处理领域，主要解决现有遥感图像变化检测方法存在很多伪变化信息的问题。其实现步骤是：(1)对输入的时相1遥感图像进行Treelets滤波；(2)对输入的时相2遥感图像进行Treelets交叉滤波；(3)对滤波后的两时相图像对应像素点灰度值进行差值计算，得到一幅差异图；(4)对差异图像再进行Treelets滤波得到新的差异图像；(5)对新差异图采用K-means聚类分为变化类和非变化类，得到最后的变化检测结果图。本发明能有效减小辐射校正不理想和光照不均对检测效果的影响，提高变化检测的精度，可用于对灾情监测、土地利用及农业调查。
-
Patent Agency Ranking
公开(公告)号：CN101609485B
公开(公告)日：2011-02-09
申请号：CN200910023415.X
申请日：2009-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于迁移核匹配追踪的医学影像诊断系统及诊断方法。整个系统包括：影像预处理模块、影像特征提取模块、影像迁移核匹配追踪诊断模块和影像未标识样本测试模块。影像预处理模块，完成原始影像去冗余及直方图均衡化增强处理；对处理后的影像提取灰度共生矩阵、Hu矩、Brushlet及Contourlet特征作为样本集，得到源域和目标域有标识训练样本集及目标域未标识测试样本集；对源域和目标域有标识的训练样本集影像进行迁移核匹配追踪学习，得到更新后的目标域训练样本集与训练分类器，用该分类器对未标识的测试样本分类诊断，输出最终诊断结果。本发明能缓解医学参考样本数量少的缺点，有效提高医学影像诊断识别率，可用于医学图像临床辅助诊断。
-
公开(公告)号：CN101582813A
公开(公告)日：2009-11-18
申请号：CN200910023073.1
申请日：2009-06-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分布式迁移网络学习的入侵检测系统及其方法，主要解决现有方法对某些攻击类型的检测率较低，重新搜集数据困难的问题。整个系统包括：网络行为记录预处理模块、异常检测模块和异常行为分析模块。网络行为记录预处理模块，对网络行为记录完成量化和归一化处理；异常检测模块使用异常检测学习机，对输入的记录完成分类识别，确定该记录是否为正常行为，若正常，结束检测，否则，将该记录传至异常行为分析模块；异常行为分析模块使用异常行为分析学习机，对输入的异常记录进行分类识别，输出其攻击类型。本发明具有能够利用已有其他资源提高对原检测率较低的攻击类型的检测率，无需重新搜集数据的优点，可用于网络入侵检测。
-
公开(公告)号：CN101567084A
公开(公告)日：2009-10-28
申请号：CN200910022868.0
申请日：2009-06-05
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于水平集和分水岭相结合的图像轮廓检测方法，主要解决了现有方法产生图像过分割结果和不能获得准确的目标轮廓的问题。其具体实现步骤为：(1)对输入图像用水平集方法检测目标轮廓，得到初始的目标与背景二值分割结果；(2)将检测到的目标轮廓作为分水岭的内部控制标记；(3)将内部控制标记依次进行距离变换和分水岭变换，并将得到的分水线结果作为分水岭的外部控制标记；(4)利用内部控制标记和外部控制标记，对输入图像的梯度图像进行修正；(5)将修正后的梯度图像进行分水岭变换，检测出图像中的目标轮廓。本发明方法避免了图像过分割，且具有对边界定位比较准确的优点，可用于前景与背景的分割、目标外部轮廓的检测。
-
公开(公告)号：CN118692127A
公开(公告)日：2024-09-24
申请号：CN202410820460.2
申请日：2024-06-24
Applicant: 西安电子科技大学
IPC: G06V40/16 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多尺度特征的表情识别方法、装置及设备，该方法包括：将预处理后的待识别图像输入预先训练的表情识别模型；通过预先训练的表情识别模型得到待识别图像在多个不同尺度下的特征；根据多个不同尺度下的待识别图像得到待识别图像的表情识别结果。通过上述技术方案，通过在表情识别模型获取待识别图像的多尺度特征，使模型能够提取到更具判别性、泛化性的特征，由于不同尺度的特征网络所关注的位置与范围都不同，因此本发明中的表情识别模型还可以根据不同尺度下的特征进行表情识别，能够在各种复杂环境中使用，具有较好的适应性和较好的识别结果。
-
公开(公告)号：CN113807363B
公开(公告)日：2024-04-19
申请号：CN202111048042.9
申请日：2021-09-08
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于轻量化残差网络的图像分类方法，主要解决现有图像分类方法的网络模型参数数量过多，图像特征信息利用不充分的问题，其实现方案是：获取训练样本集和测试样本集；对传统的残差单元进行更改，建立五个不同的轻量化单元块，并将其与全连接层、分类器依次级联，构成的轻量化残差网络图像分类模型；利用训练样本集采用反向传播算法对构建的图像分类模型进行训练；将测试样本集输入到训练好的轻量化残差网络图像分类模型中，得到分类结果。本发明不仅在图像分类任务中能够得到较高的图像分类准确率，而且减少了网络模型参数量，提高了网络的运行速度，可用于人脸、交通场景、医学图像的识别，图像检索和相册自动归类。
-
-
-
-
-
-
-
-
-
Search Results
323
records
(took 0.027 seconds)
