-
公开(公告)号：CN104299229A
公开(公告)日：2015-01-21
申请号：CN201410490528.1
申请日：2014-09-23
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/269 , G06T2207/10048 , G06T2207/20024
Abstract: 本发明属于红外图像处理领域，主要涉及一种基于时空域背景抑制的红外弱小目标检测方法。本发明用以解决复杂背景下的红外运动弱小目标检测问题。首先使用指导滤波抑制空域中较为平稳的背景杂波；其次，利用红外图像序列中目标的运动信息，在时域上采用梯度权重滤波方法抑制时域中变化较为缓慢的背景；然后将时空域背景抑制结果相融合，得到背景抑制后的弱小目标图像；最后利用自适应阈值分割图像，检测出弱小目标。该发明在目标检测时不仅利用了红外弱小目标的空间灰度信息，还充分利用了目标的时域运动信息，分别从时域和空域抑制背景杂波，因此大大提高了复杂背景下运动弱小目标的检测性能。
-
公开(公告)号：CN104268852A
公开(公告)日：2015-01-07
申请号：CN201410453241.1
申请日：2014-09-05
Applicant: 西安电子科技大学
CPC classification number: G06T7/0008 , G06T2207/10048 , G06T2207/20032
Abstract: 本发明提供一种红外序列图像中弱小目标的检测方法，根据生成的随机投影空间采集低维小数据量图像信号根据马氏距离将采集到的低维小数据量图像信号中的单帧子图像分别与原始红外序列图像进行背景抑制和弱小目标信息保留的处理，根据处理后获得的红外序列图像选择分割阈值τ，根据所述分割阈值τ检测所述红外序列图像中的弱小目标；本发明还提供一种红外序列图像中弱小目标的检测方法，通过该方法降低了图像处理数据量，检测流程简单易实现，缩短了数据运算时间，同时能够显著提升相关检测系统的实时检测性能。
-
公开(公告)号：CN120030300A
公开(公告)日：2025-05-23
申请号：CN202510023880.2
申请日：2025-01-07
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种目标多模态并行识别方法，所述方法包括：获取目标多模态信息，并将其转换为多模态特征图像；将所述多模态特征图像分区域加载至振幅型空间光调制器SLM，对光神经网络的输入光场进行振幅调制；对所述振幅调制完成后的输入光场进行相位调制；将经过相位调制后的光神经网络的输出光场转换成光强图像；判断所述光神经网络的层数是否符合衍射层数；若所述光神经网络的层数满足衍射层数要求，根据所述光强图像确定目标多模态并行识别结果。本发明通过将多模态信息转换为二维特征图像，并利用光神经网络进行处理，实现了多模态信息的并行识别，适用于需要快速、准确识别复杂目标的场景。
-
公开(公告)号：CN119966502A
公开(公告)日：2025-05-09
申请号：CN202510004760.8
申请日：2025-01-02
Applicant: 西安电子科技大学
IPC: H04B10/073
Abstract: 本发明实施例公开了一种无源集成光子器件的脉冲响应确定方法，所述方法包括：根据无源集成光子器件的S参数，得到带限基带S参数；基于所述带限基带S参数构建外推模型，确定所述外推模型的残差；利用所述残差和极点构建外推后的频谱；根据所述频谱得到更新后的S参数；确定所述带限基带S参数和更新后的S参数之间的参数误差；对所述参数误差进行补偿，并确定脉冲响应。本发明通过获取带限基带S参数并构建外推模型，对该带限基带S参数进行更新，根据更前后带限基带S参数的误差对其进行补偿，最终获取无源集成光子器件的脉冲响应，该脉冲响应可以真实地反映无源集成光子器件在实际工作条件下的性能。
-
公开(公告)号：CN119942150A
公开(公告)日：2025-05-06
申请号：CN202411863186.3
申请日：2024-12-17
Applicant: 西安电子科技大学
IPC: G06V10/62 , G06V10/80 , G06V10/52 , G06V10/50 , G06V10/56 , G06V10/764 , G06V10/766 , G06V10/26 , G06V10/25 , G06V10/54 , G06V10/72 , G06V10/77 , G06V20/40
Abstract: 本发明公开了一种基于多尺度空间约束抗遮挡的跟踪方法，提取候选目标区域的HOG特征、CN特征和灰度特征，并使用PCA方法对HOG特征和CN特征降维，加快运算效率；采用通道权重融合方法，对每一层特征单独训练滤波器，通过自适应融合权重，使有效特征层的响应效果更加突出，解决了多特征响应融合不充分的问题；提出阶梯空间约束方法，优化颜色空间约束模型，约束模型错误遮盖目标信息，空域限制模型限制效果；通过自适应学习率和扩散搜索方法，减少滤波器学习到的无关信息并提高目标被遮挡时的跟踪准确度；提出三叉树尺度加速方法，引入尺度滤波器，并在尺度滤波器的基础上，将尺度滤波器的并行结构改造为三叉树分类结构。
-
Patent Agency Ranking
公开(公告)号：CN119918602A
公开(公告)日：2025-05-02
申请号：CN202411831617.8
申请日：2024-12-12
Applicant: 西安电子科技大学
IPC: G06N3/067
Abstract: 本发明公开了一种空间光调制衍射光神经网络在线学习装置及成像方法，该装置激光器提供单色光束，扩束透镜将其扩束；HWP改变偏振光的偏振方向，将入射振幅调制阵列上的光束偏振态调制成p偏光；高功率反射镜改变光传播方向并发射到衍射层；衍射层对光束振幅调控、相位调制后获得衍射光神经网络的最终输出；处理模块收集各CMOS获取到的衍射光神经网络各衍射层的输出光场图像以及当前的相位调制参数，根据设定损失函数确定梯度调整各衍射层的相位调制参数；控制模块将相位调制参数加载到对应衍射层的反射式相位型SLM上。该方案能够适应复杂多变的实际环境，有助于优化衍射光神经网络的性能和适应性，推动其在高性能计算和人工智能领域的广泛应用和发展。
-
公开(公告)号：CN119693495A
公开(公告)日：2025-03-25
申请号：CN202510206065.X
申请日：2025-02-25
Applicant: 西安电子科技大学
IPC: G06T11/40 , G06N3/0464 , G06N3/0499 , G06T5/10 , G06T5/60 , G06T5/70
Abstract: 本发明涉及图像处理技术领域，公开了一种SAR图像的彩色化方法、系统、存储介质及设备，包括：获取SAR图像，提取其空间特征和频率特征；将空间特征和频率特征输入条件扩散模型，该模型包括空间频率信息交互网络，通过空间频率信息交互网络对SAR图像进行前向加噪和逆向去噪；在前向加噪过程中，空间频率信息交互网络根据空间特征和频率特征预测输出各个时间序列的待添加噪声；按照时间序列的顺序将待添加噪声依次添加至SAR图像中，得到纯噪声图像；在逆向去噪过程中，空间频率信息交互网络根据纯噪声图像预测输出各个时间序列的待去除噪声；按照时间序列的顺序从纯噪声图像中去除待去除噪声，得到彩色图像。本发明能够提升SAR图像彩色化结果的质量。
-
公开(公告)号：CN114821033B
公开(公告)日：2025-02-18
申请号：CN202210289428.7
申请日：2022-03-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于激光点云的三维信息增强的检测识别方法及装置，该方法包括：对原始点云数据进行体素化处理得到若干体素；提取每个非空体素的点云体素特征得到若干特征图；将若干特征图输入到区域建议网络中生成第一阶段候选框；将第一阶段候选框输入点云空间形状补全网络中，得到目标点集；从目标点集中提取点云结构信息得到全局结构信息；从原始点云数据中采样每个关键点附近的非空体素特征结合作为关键点特征；对关键点特征进行提取得到网格点特征；将网格点特征和全局结构信息进行融合得到增强特征；对增强特征进行置信度预测和候选框细化得到置信度和边界框参数。该方法增强了点云数据的特征表示，提高了激光点云目标检测精度。
-
公开(公告)号：CN119126252A
公开(公告)日：2024-12-13
申请号：CN202411305181.9
申请日：2024-09-19
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于超构表面的多光谱识别装置、方法、介质及设备，装置包括：分孔径成像镜组，用于采集目标物体的多光谱信息，并进行分孔径会聚以平行光形式输出分孔径会聚光；超构表面调制器件，用于通过微纳结构超表面生成预设个数的超表面原子，根据超表面原子对分孔径会聚光进行多光谱调制，获取已调制多光谱信息和未调制光谱信息；电荷耦合器件，用于采集已调制多光谱信息和未调制光谱信息，获取多光谱图像和全波段图像。目标检测模块，用于对多光谱图像和全波段图像进行特征融合后，进行softmax归一化处理，输出最终目标识别结果。通过在深度学习方法下结合超构表面多光谱成像，从而小型化成像设备，提高目标识别准确率。
-
公开(公告)号：CN118887506A
公开(公告)日：2024-11-01
申请号：CN202411157145.2
申请日：2024-08-22
Applicant: 西安电子科技大学
IPC: G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/42 , G06V10/44
Abstract: 本发明实施例公开了一种基于可学习频域特征分解的图像融合方法、系统及介质，方法包括：对初始红外可见光图像进行特征提取，获取图像离散信号；通过低频分析向量和高频分析向量构建可学习频域特征分解网络；根据所述可学习频域特征分解网络分解图像离散信号，获取低频分量特征、水平高频分量特征、垂直高频分量特征和对角线高频分量特征；对低频分量特征进行全局特征信息提取，获取可见光与红外光的全局特征；对水平高频分量特征、垂直高频分量特征和对角线高频分量特征进行细节特征信息提取，获取可见光与红外光的三通道细节特征；融合全局特征和三通道细节特征，并结合初始红外可见光图像输出最终的融合图像。本方法的参数量及计算复杂度较低。
-
-
-
-
-
-
-
-
-
Search Results
263
records
(took 0.028 seconds)
