-
公开(公告)号：CN102902982A
公开(公告)日：2013-01-30
申请号：CN201210344066.3
申请日：2012-09-17
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于观测向量差的SAR图像纹理分类方法，主要解决对SAR图像地物分类的问题。其分类过程为：(1)训练集中随机选取r幅图像分块处理，转换得到列向量差矩阵P；(2)用观测矩阵对上述P观测，得到纹元观测向量差矩阵X，并对其聚类得到纹元字典D；(3)对训练集图像按步骤(2)计算得到观测向量差矩阵Xtr；(4)对Xtr向纹元字典D进行投影，形成训练图像纹元直方图h；(5)将测试集图像表示成测试图像纹元直方图he；(6)计算he与h之间的距离，根据该距离大小确定he所属的类别；(7)对所有测试图像按照步骤(6)进行计算，得到最终的分类率。本发明应用了最新的压缩感知理论，过程简单，分类识别率高，可用于SAR图像地物纹理分类。
-
公开(公告)号：CN102254305B
公开(公告)日：2013-01-23
申请号：CN201110180245.3
申请日：2011-06-30
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于三字典块匹配的图像复原方法，主要解决现有技术在图像复原时，无法锐化图像边缘且造成部分图像高频细节丢失的问题。本发明的技术方案为：首先输入一幅待处理模糊图像，并构造模糊字典Db，清晰字典Dc和高频字典Dh；然后通过将待处理的模糊图像分块，分别找到各图像块在模糊字典Db中最匹配的图像块；再利用三个字典间的一一对应关系恢复出低频结果图和高频结果图；最后将恢复出的低频结果图和高频结果图相加，得到最终的复原结果图。本发明在图像复原时，能够去除图像梯度效应，锐化图像边缘，恢复图像高频细节信息，提高模糊图像的恢复质量。可用于对各种已知模糊类型的模糊图像进行复原。
-
公开(公告)号：CN102254301B
公开(公告)日：2013-01-23
申请号：CN201110207617.7
申请日：2011-07-22
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于边缘方向插值的颜色滤波阵列(color filter array，CFA)图像去马赛克方法，主要解决了现有的去马赛克方法对图像高频部分插值效果不佳虚假颜色效应严重的问题。其实现步骤是：(1)输入一幅待去马赛克的CFA图像；(2)估计亮度；(3)对绿色通道插值；(4)对红色和蓝色通道分别进行双线性插值；(5)分别对红、绿、蓝通道进行修正；(6)输出彩色图像。本发明具有能较好的保持图像高频信息的优点，能有效抑制虚假颜色效应，改善CFA图像去马赛克后视觉效果，且运行时间短。
-
公开(公告)号：CN102156975B
公开(公告)日：2013-01-23
申请号：CN201110102860.2
申请日：2011-04-22
Applicant: 西安电子科技大学
IPC: G06T5/10
Abstract: 本发明公开了一种基于支撑值变换和多尺度冗余字典学习的自然图像去噪方法，主要克服现有自然图像去噪中纹理细节丢失的现象。其实现过程是：(1)输入含噪图像P并对其做多尺度支撑值变换，得到不同尺度上的支撑值图像Yj，设定Yj的去噪目标函数；(2)令干净支撑值图像Xj为支撑值图像Yj，令字典Dj为过完备DCT字典；(3)采用KSVD算法更新字典Dj和系数矩阵αmn；(4)计算Yj的去噪结果；(5)重复步骤(2)-(4)，计算出各支撑值图像的去噪结果并对其做多尺度支撑值逆变换，得含噪图像P的去噪结果X。本发明相对于现有的经典去噪方法能更好地保留含噪图像的线目标和纹理信息，去噪效果有了明显提升，可用于图像处理，模式识别和生物医学领域。
-
公开(公告)号：CN102880875A
公开(公告)日：2013-01-16
申请号：CN201210387089.2
申请日：2012-10-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于LRR图的半监督学习人脸识别方法。其步骤为：(1)划分数据库样本集；(2)组成样本集合；(3)生成初始标签矩阵；(4)低秩表示；(5)生成样本相似度矩阵；(6)生成类别概率矩阵；(7)输出测试样本的类别。本发明采用半监督学习的方法可以在已知标签样本较少的情况下获得更高的识别正确率，同时，本发明采用低秩表示的方法，在样本受到噪声污染的情况下具有更强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN101794396B
公开(公告)日：2012-12-26
申请号：CN201010132673.4
申请日：2010-03-25
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于迁移网络学习的遥感图像目标识别系统及方法，主要解决现有方法对当有标签的遥感图像数据很少时识别正确率较低和图像标签的获取困难且花费昂贵的问题。整个系统包括：图像特征提取模块，迁移网络分类器学习系统生成模块和迁移网络分类器学习系统学习模块。其中，图像特征提取模块，对图像完成特征提取；迁移网络分类器学习系统生成模块，对输入的样本数据采用引入迁移学习的网络集成学习算法进行训练，得到迁移网络分类器学习系统；迁移网络分类器学习系统学习模块，对新的样本图像特征完成分类识别。本发明具有能够利用已有其他资源提高对遥感图像目标的识别正确率，无需重新搜集数据的优点，可用于遥感图像的目标识别。
-
公开(公告)号：CN102184526B
公开(公告)日：2012-12-05
申请号：CN201110102644.8
申请日：2011-04-22
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和块匹配的自然图像去噪方法，主要克服现有自然图像去噪中纹理细节易丢失和同质区域不平滑的问题。其实现过程是：(1)设定去噪目标函数，输入含噪图像z(x)；(2)令原始图像等于含噪图像，即y(x)＝z(x)，令字典D为冗余DCT字典；(3)采用KSVD算法对字典D的原子和相应系数矩阵αij进行更新；(4)用BM3D算法对含噪图像z(x)去噪，获得初步去噪结果(5)将更新后的D、αij和代入原始图像的估计公式，得到含噪图像z(x)的去噪结果本发明相对于现有的经典去噪方法能够更好地去除噪声，在平滑同质区域的同时兼顾保留图像的纹理、轮廓、边缘细节信息，可用于自然图像的去噪。
-
公开(公告)号：CN102800078A
公开(公告)日：2012-11-28
申请号：CN201210253378.3
申请日：2012-07-20
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种非局部均值图像细节修复方法，主要解决现有基于样本的非局部均值图像修复方法中对细节部分的修复出现较大误差的问题。其实现过程是：（1）对待修复图像I,确定待修复区域Ω及其边界δ；（2）找出边界上优先级最高的待修复块（3）根据像素之间的相关性和相似性距离，计算样本块与修补块的相似；（4）搜索与修复块最相似的ｍ个样本块，将其加权均值作为修复块的填充块Ψ0；（5）更新置信度项及待修复区域，重复步骤（1）～（5）直至待修复区域内的所有点被修复。本发明可用于修复图像破损区域，目标移除和图像中的文本去除。
-
公开(公告)号：CN102693530A
公开(公告)日：2012-09-26
申请号：CN201210194325.9
申请日：2012-06-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于目标提取与SRAD算法的SAR图像去斑方法，主要解决现有SAR图像去斑方法在去斑效果和边缘保持不能同时兼顾的问题。其实现过程是：(1)对输入SAR图像进行目标图像提取和移除；(2)设定迭代的初始次数，步长和实验次数等运行参数；(3)根据不同迭代次数，利用SRAD算法对移除目标图像后图像进行滤波处理；(4)计算移除目标图像后图像的SRAD算法最佳迭代次数；(5)对移除目标后图像采用最佳迭代次数SRAD滤波处理；(6)将目标图像和最佳迭代次数SRAD滤波结果图像相加，得到最终去斑结果图像。本发明具有去斑效果好，边缘纹理信息保留较好的特点，可应用于SAR图像目标识别和目标检测。
-
公开(公告)号：CN102629380A
公开(公告)日：2012-08-08
申请号：CN201210053876.3
申请日：2012-03-03
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于多组滤波和降维的遥感图像变化检测方法，主要解决现有技术对变化检测图像的精度和运行时间上不足的问题。其实现过程是：输入两幅不同时相的遥感图像，并构造差值差异图像，得到差值差异图像的分割结果，并对遥感图像进行灰度校正得到新的差值差异图；应用Gabor滤波器得到多组滤波图像，并组成样本矩阵；利用Treelet算法对样本矩阵进行降维，对降维后的图像进行K均值聚类得到最终的变化检测结果。实验表明本发明能够有效地提高变化检测处理效率，保持图像的边缘信息，提高变化检测的精确度，可用于灾情监测、土地利用领域。
-
-
-
-
-
-
-
-
-
Search Results
1205
records
(took 0.045 seconds)
