-
公开(公告)号：CN109978071A
公开(公告)日：2019-07-05
申请号：CN201910264126.2
申请日：2019-04-03
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于数据增广和分类器融合的高光谱图像分类方法。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，通过建立一个数据混合模型，指数级地扩充有标签的训练样本；接着，使用扩充的数据集训练基于卷积神经网络的分类器；最后，使用投票策略对多个分类器的结果进行融合，获得最终的分类结果。本发明方法能够避免卷积神经网络训练中的局部最小和过拟合问题、减少随机性的影响，在有限的有标签的训练样本的情况下，也能获得较好的分类效果。
-
公开(公告)号：CN108734199A
公开(公告)日：2018-11-02
申请号：CN201810370524.8
申请日：2018-04-24
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于分段深度特征及低秩表示的高光谱图像鲁棒分类方法。首先，为了尽可能降低噪声对特征提取的影响，使用基于堆栈去噪自编码器网络对高光谱图像进行无监督地特征提取；然后，通过充分挖掘高光谱图像中类内的相似性及类间的差异性，建立基于低秩表示的鲁棒分类器；最后，采用有效的优化方法对目标函数进行优化求解。在训练数据中存在噪声的情况下，也能获得较好的分类效果。
-
公开(公告)号：CN107316309A
公开(公告)日：2017-11-03
申请号：CN201710510904.2
申请日：2017-06-29
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于矩阵分解的高光谱显著性目标检测方法。通过在原始高光谱图像的光谱维上计算光谱梯度，提取图像的光谱梯度特征，消除了光照带来的不利影响，同时构建图像特征矩阵；然后，通过对图像特征矩阵进行矩阵低秩稀疏分解，得到对应背景部分的低秩矩阵和对应显著性目标的稀疏矩阵，从而避免了显著性物体内部的分块不均一问题，实现显著性目标检测的同时也可以减少运算量。
-
公开(公告)号：CN107274416A
公开(公告)日：2017-10-20
申请号：CN201710442878.4
申请日：2017-06-13
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于光谱梯度与层次结构的高光谱图像显著性目标检测方法，用于解决现有高光谱图像显著性目标检测方法计算量大的技术问题。技术方案是首先生成光谱梯度图；再生成图像分割区域；建立基于图像层次结构的显著性检测模型；再建立基于背景先验及边缘特征的显著性计算方法；计算显著图结果。由于通过在原始高光谱图像的光谱维上计算光谱梯度，提取图像的光谱梯度特征，以减弱光照不均带来的不利影响。使用简单线性迭代聚类算法(Simple Linear Iterative Clustering，SLIC)生成超像素，对高光谱图像进行分割并加速计算进程，通过计算分割区域间的光谱特征对比度来衡量其显著性，计算量小。
-
公开(公告)号：CN104732566B
公开(公告)日：2017-08-29
申请号：CN201510114262.5
申请日：2015-03-16
Applicant: 西北工业大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于非分离稀疏先验的高光谱图像压缩感知方法，用于解决现有高光谱图像压缩感知方法重建精度低的技术问题。技术方案是采集每个像素光谱的少量线性观测值作为压缩数据，实现大幅数据压缩的同时降低了图像采集过程中的资源需求。重建过程中，利用经验贝叶斯推理，构建稀疏信号的非分离稀疏先验，充分考量了稀疏信号内部非零元素之间的潜在相关性，实现了高光谱图像的高精度重建。由于该方法使用小波正交基作为字典，消除了对端元的依赖性。此外，基于贝叶斯框架的推理，实现了所有未知参数的全自动估计，无需人为调节，适应性广。试验表明，当采样率为0.1时，本发明获得的峰值信噪比相对于背景技术压缩感知方法提升4db以上。
-
Patent Agency Ranking
公开(公告)号：CN106919952A
公开(公告)日：2017-07-04
申请号：CN201710098077.0
申请日：2017-02-23
Applicant: 西北工业大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于结构稀疏表示和内部聚类滤波的高光谱异常目标检测方法，用于解决现有高光谱异常目标检测方法目标检测效率低的技术问题。技术方案是在选择初始背景像元后，利用主成分分析字典学习法学习得到鲁棒性的背景字典。稀疏向量求解和图像重建过程中，引入重加权拉普拉斯先验，提高稀疏向量求解精度。计算原始图像与重建图像之间的误差得到稀疏表示误差。利用内部聚类滤波表示高光谱数据的空谱特性，通过计算待测像元与它同类其他像元线性表示结果的误差，得到内部聚类误差，最后联合稀疏表示误差与内部聚类误差的线性加权和实现异常目标的精确提取。经测试，本发明相对于背景技术在恒虚警率的前提下检测率提高了10％～15％。
-
公开(公告)号：CN106774456A
公开(公告)日：2017-05-31
申请号：CN201710126303.1
申请日：2017-03-06
Applicant: 西北工业大学
Abstract: 一种太阳能跟踪装置，方位角组件和方位角从动分别套装在支撑轴上。方位角主动轮与所述方位角从动轮啮合。高度角旋转组件位于支撑轴的顶端端面，光伏板分别安装在高度角旋转轴的两端端面。高度角从动轮套装在高度角旋转轴上。高度角电机位于高度角旋转组件的下方。高度角电机输出轴上安装有高度角主动轮，并使该高度角主动轮与高度角从动轮啮合。高度角传感器安装在光伏板下表面；所述方位角传感器固定在支撑轴的底板上表面。本发明能够自动跟踪太阳，达到最有效利用太阳能的目的。本发明高度角的变化采用主动轮带动从动轮运动，在空间上可以实现高度角可300度变化，具有结构简单、使用地区范围广、跟踪可靠的特点。
-
公开(公告)号：CN106067165A
公开(公告)日：2016-11-02
申请号：CN201610374506.8
申请日：2016-05-31
Applicant: 西北工业大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10036
Abstract: 本发明公开了一种基于聚类化稀疏随机场的高光谱图像去噪方法，用于解决现有高光谱图像去噪方法去噪性能差的技术问题。技术方案是根据光谱特性将高光谱图像中的像素聚成若干个类别，利用马尔科夫随机场模型构造图像的先验模型。先验中定义的类内结构稀疏性势能函数和图结构势能函数，分别约束了类内像素光谱维上的相关性和空间维上的相似性。并且，采用正则化回归模型，联合表征了先验学习模型和去噪模型。由于联合考虑了高光谱图像光谱维上的相关性和空间为维上的相似性，去噪性能得以提升。在CAVE数据集上的去噪实验表明，当噪声图像的信噪比为16.5分贝时，去噪结果获得的峰值信噪比达到了33.3分贝。
-
公开(公告)号：CN106043736A
公开(公告)日：2016-10-26
申请号：CN201610407769.4
申请日：2016-06-12
Applicant: 西北工业大学
CPC classification number: G05D1/0808
Abstract: 本发明涉及一种用于飞机部件调姿的串并联机械结构及调姿方法，采用串并联机构为整个调姿工装的主体结构；控制托板三个方向以及并联机构的三个运动轴，共六个轴的运动；外围加入激光跟踪仪进行调姿过程中的测量。大大简化了飞机部件调姿对接复杂程度。
-
公开(公告)号：CN105913430A
公开(公告)日：2016-08-31
申请号：CN201610224322.3
申请日：2016-04-12
Applicant: 西北工业大学
IPC: G06T7/00
CPC classification number: G06T2207/10032 , G06T2207/30181
Abstract: 本发明公开了一种基于多光谱遥感图像的黄河主溜信息协同提取方法，用于解决现有黄河主溜信息提取方法准确率差的技术问题。技术方案是首先由偏度分析方法和基于光谱相似性与空间连续性的方法分别获得一组主溜点位置；然后将偏度分析方法得到的主溜点作为先验信息输入到基于光谱相似性与空间连续性的提取方法中，用于获取矫正后的主溜点；此后，将所获得的主溜点再作为偏度分析方法的输入，进一步矫正主溜点；如此迭代，直至获得的主溜点位置稳定；最后，将得到的主溜点进行连接，形成主溜线。本发明方法在黄河中下游的Landsat TM遥感图像上的实验结果表明，其检测率达到95％时，虚警率仅为1％，且获得的主溜线具有很好的连续性。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.035 seconds)
