-
公开(公告)号：CN108743086B
公开(公告)日：2023-06-30
申请号：CN201810051618.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
Abstract: 一种用于跟踪前方陪护人员目标的智能轮椅控制方法，针对渐冻症患者等残障人士无法直接用手控制轮椅的问题，实现了智能轮椅对前方陪护人员的自动跟随。其实现过程是：将架设在轮椅上的正对前方陪护人员的摄像头获取的彩色图像实时传输给上位机，上位机在检测到开始轮椅跟踪的陪护人员手势图像后，对彩色图像中陪护人员所在的矩形框位置进行跟踪，依据矩形框的位置变化，控制智能轮椅移动，直至上位机检测到结束轮椅跟踪的陪护人员手势图像为止。本发明通过与陪护人员的交互来控制智能轮椅移动，稳定性强，易于操作，方便残障人士出行的同时简化了陪护工作。
-
公开(公告)号：CN109389080B
公开(公告)日：2022-04-19
申请号：CN201811162325.4
申请日：2018-09-30
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督WGAN‑GP的高光谱图像分类方法，克服了现有技术在训练数据受限条件下难以提取到丰富的特征信息，无法充利用无标签样本对分类器进行训练，分类精度低的问题。本发明的具体步骤包括：(1)输入待分类的高光谱图像；(2)生成样本集；(3)构建半监督WGAN‑GP网络；(4)训练半监督WGAN‑GP网络；(5)对测试数据进行分类。本发明能通过半监督WGAN‑GP中的生成器接收噪声产生伪高光谱数据辅助判别器分类，可以充分利用有限样本提高分类精度，可用于在精细农业、低质调研等领域中对高光谱图像进行地物目标的分类。
-
公开(公告)号：CN110044212B
公开(公告)日：2021-07-30
申请号：CN201910185404.5
申请日：2019-03-12
Applicant: 西安电子科技大学
IPC: F41H11/02
Abstract: 本发明属于无人机回收技术领域，公开了一种基于视觉测量信息的旋翼无人机抓捕回收方法，主要对无人机位置信息进行分析，为了提高目标预测的实时性和准确性，采用分段式轨迹拟合与目标预测，即基于上一时间段内无人机的位置信息，通过n阶多项式拟合出该时间段内无人机的运动轨迹；预测出无人机在下一时间段内无人机任意时刻的位置；根据无人机的预测位姿调整抓捕模块相应的位姿，通过循环进行轨迹拟合与目标预测，持续调整抓捕装置的相应位姿，使抓捕装置调整到最佳抓捕位姿；当无人机进入抓捕范围内，抓捕装置实现无人机的抓捕，完成无人机的安全回收。本发明不需要机载的视觉系统，可以低成本、准确得到回收平台的位姿信息，具有较好的可靠性。
-
公开(公告)号：CN112288009A
公开(公告)日：2021-01-29
申请号：CN202011183145.1
申请日：2020-10-29
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于模板匹配的R‑SIFT芯片硬件木马图像配准方法，构建多尺度金字塔；对多尺度金字塔进行相关匹配，得到粗匹配结果图像；对粗匹配结果图像进行高斯滤波和下采样处理，构造多尺度空间；在不同尺度空间中检测图像的极值点；对极值点方向进行赋值，得到极值点的位置，尺度和方向信息，生成特征描述子；使用最近邻与次近邻特征描述子的欧氏距离比判定两幅图像中关键点是否相似性，初步生成预匹配点对，并用匹配矩阵表示；确定预匹配矩阵后，使用RANSAC算法进行校正，去除多余匹配点，完成图像匹配。本发明可避免噪声等异常值所带来的梯度异常，提升图像配准方法的稳定性和精确度。
-
公开(公告)号：CN110188682B
公开(公告)日：2021-01-19
申请号：CN201910460842.8
申请日：2019-05-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于几何结构双路卷积网络的光学遥感图像目标检测方法，使用标注后的光学遥感图像数据集构造形式为图像块‑素描块‑标签的训练数据集T；使用待检测光学遥感图像构造形式为图像块‑素描块的测试数据集U；构造基于几何结构双路卷积网络的目标检测模型，基于几何结构双路卷积网络的目标检测模型包含区域卷积模块和DoG脊波基函数卷积模块；使用训练数据集T训练基于几何结构双路卷积网络的目标检测模型，得到训练后的基于几何结构双路卷积网络的目标检测模型；将测试数据集U输入训练后的基于几何结构双路卷积网络的目标检测模型，得到待检测光学遥感图像的检测结果。本发明有效提高了目标检测模型的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN108460342B
公开(公告)日：2021-01-01
申请号：CN201810113878.4
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积网和循环神经网络的高光谱图像分类方法，主要解决现有技术中高光谱图像分类精度低的问题。本发明具体步骤如下：(1)构造三维的卷积神经网络；(2)构造循环神经网络；(3)对待分类的高光谱图像矩阵进行预处理；(4)生成训练数据集和测试数据集；(5)利用训练数据集训练网络；(6)提取测试数据集空间特征和光谱特征；(7)融合空间特征和光谱特征；(8)对测试数据集进行分类。本发明引入三维卷积神经网络和循环神经网络提取高光谱图像的空间特征和光谱特征，融合两种特征进行分类，具有针对高光谱图像分类问题精度高的优点。
-
公开(公告)号：CN112102381A
公开(公告)日：2020-12-18
申请号：CN202010954726.4
申请日：2020-09-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于R‑SIFT的硬件木马图像配准方法、存储介质及设备，对输入图像进行高斯滤波和下采样处理，构造多尺度空间；在构造的多尺度空间中检测图像的极值点；对得到的极值点方向进行赋值，得到对应点的位置，尺度和方向信息，生成特征描述子；利用生成的特征描述子，使用距离匹配方法，初步生成预匹配点对，并用匹配矩阵C表示；确定预匹配矩阵C之后，使用RANSAC算法进行校正，去除多余匹配点，完成图像配准。本发明有效解决图像配准中仿射变换的问题，并且可以更灵活的避免噪声点带来的干扰，进而提升图像配准方法的稳定性和精确度。
-
公开(公告)号：CN107392130B
公开(公告)日：2020-12-08
申请号：CN201710572115.1
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于阈值自适应和卷积神经网络的多光谱图像分类方法，输入待分类卫星的多光谱不同时相、不同波段的图像，将所有城市的同一波段图像有标记的部分的所有像元归一化；挑选出的9个波段堆叠成一幅图像作为训练数据集；构造基于卷积神经网络的分类模型，使用训练数据集对分类模型训练，得到一个基于OSM的概率模型，使用该模型与置信度策略对softmax输出结果进行调整，得到最终的分类模型，最后将测试结果上传至IEEE网站得到分类准确率。本发明提供的多光谱图像分类方法，充分利用了多光谱图像波段多、数据量大、信息冗余多的特性，解决了难以对复杂类型的地物进行分类的问题，不仅能够提高分类准确率、减少错分率，还可以提高分类速度。
-
公开(公告)号：CN107358258B
公开(公告)日：2020-07-07
申请号：CN201710551717.9
申请日：2017-07-07
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于NSCT双通道CNN和选择性注意机制的SAR图像目标分类方法，其方案是：获取用于目标检测和分类的训练样本集D1和D2；扩充D1和D2得到样本集D3和D4；训练分别用于目标检测和分类的模型M1和M2；对测试图进行显著性检测及形态学处理，对其进行连通域标记，提取连通域质心对应的目标候选区并在其周围若干像素点内平移，生成目标候选区；用M1对目标候选区分类判断，得到目标的最准确定位；用M2分类后投票决定目标的最终类别。本发明加入非下采样轮廓波层，将低频和高频特征图输入双通道CNN中，组成NSCT双通道CNN，结合选择性注意机制应用到SAR图像分类中，提高了SAR图像目标检测分类的准确率，解决了现有技术目标分类准确率低的问题。
-
公开(公告)号：CN107169492B
公开(公告)日：2020-07-07
申请号：CN201710386391.9
申请日：2017-05-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于FCN‑CRF主从网络的极化SAR目标检测方法，输入待检测的极化SAR图像，对该极化SAR图像的极化相干矩阵T进行精致极化Lee滤波滤除相干噪声，得到滤波后的相干矩阵，其中，滤波后的相干矩阵中每个元素是一个3×3矩阵，相当于每个像素点有9维特征，本发明将图像块特征扩展成像素级特征，通过感兴趣区域像素点的匹配选出的训练样本相关程度更高，更加有效，感兴趣区域的像素点数量不足整个图块的50％的特征矩阵块，不再参与后续运算，极大程度降低了运算量，提高了检测效率；利用Lee滤波对原始极化SAR进行预处理，有效降低了相干斑噪声，提高图像的质量和检测性能；利用Yamaguchi分解得到的主要对应于城市建筑的螺旋散射分量，有效提取出极化SAR人造目标的特征，增加了人造目标的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.039 seconds)
