-
公开(公告)号：CN118429240A
公开(公告)日：2024-08-02
申请号：CN202410554900.4
申请日：2024-05-07
Applicant: 西安电子科技大学
IPC: G06T5/90 , G06T7/11 , G06T3/4038
Abstract: 本发明提出了一种基于邻像素分割和多曲线融合的暗图像增强方法，用以解决低环境光照下拍摄图像的细节丢失，人工调参成本高，增强速度慢，算法的使用场景局限的问题。本发明的步骤为使用邻像素采样分割将原初始暗图像一分为四并将其像素值做归一化预处理；再将每幅图像分别送入一个线程进行多曲线拟合；随后将其映射的数值传入高斯误差函数中对其求取相应积分上下限中的数值；将得到的数值做差值归一化再恢复至标准像素值当中；最后逆用邻像素采样合成增强图像。本发明可以完成对不同夜视环境下的图像的增强，可得到较为明显的暗图像细节信息，并且处理速度较快。本发明调整参数较少，操作方便，可用于实时暗视频增强。
-
公开(公告)号：CN116935226B
公开(公告)日：2024-07-09
申请号：CN202310959573.6
申请日：2023-08-01
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 一种基于HRNet的改进型遥感图像道路提取方法、系统、设备及介质，方法包括：对CHN6‑CUG数据集的高分辨率遥感影像数据预处理，得到预处理后的遥感图像数据集；构建基于改进HRNet的道路预测模型；设置网络训练参数；根据网络训练参数，使用遥感图像数据集中的训练集和验证集，对改进HRNet网络进行训练；将测试集输入训练好的模型中进行预测，输出预测得到的道路信息二值图；系统、设备及介质：用于实现上述方法；本发明采用空洞空间金字塔池化、通道注意力机制、深度可分离卷积方法对原HRNet网络改进，使用CHN6‑CUG遥感影像数据集进行模型训练与预测，有效提取高分辨率遥感图像中的道路信息，具有模型适应性强、道路提取精度高及网络轻量化的优点。
-
公开(公告)号：CN116342657B
公开(公告)日：2024-04-26
申请号：CN202310321705.2
申请日：2023-03-29
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/049 , G06N3/0442 , G06N3/084 , G06N3/0455 , G06T3/4007 , G06T3/4046
Abstract: 一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法、系统、设备及介质，方法为：对船舶AIS历史轨迹数据进行预处理；构建基于TCN和双向GRU循环神经网络的轨迹预测模型；构建损失函数MSE；设置网络训练参数；训练网络模型；轨迹递归预测；系统、设备及介质用于实现一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法；本发明利用异常数据过滤、数据压缩和三次样条插值技术对船舶AIS历史轨迹数据进行处理，在基于TCN网络构建的编码器中，利用TCN的短期特征提取能力对输入的船舶AIS历史轨迹数据进行编码，并利用基于GRU网络的解码器对船舶AIS历史轨迹数据进行长期时序特征提取，预测误差较少，满足实时性预测的要求，能够应用于进出港口的船舶轨迹的实时监控。
-
公开(公告)号：CN117765361A
公开(公告)日：2024-03-26
申请号：CN202311808119.7
申请日：2023-12-26
IPC: G06V10/80 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于残差神经网络检测双时相遥感影像中建筑物变化区域的方法，包括以下步骤：构建遥感影像建筑物变化的输入子网络；构建遥感影像建筑物变化的特征提取子网络；构建遥感影像建筑物变化的特征融合子网络；构建遥感影像建筑物变化的预测子网络；构建遥感影像建筑物变化检测网络；生成训练集、验证集和测试集；训练遥感影像建筑物变化检测网络；检测遥感影像建筑物变化范围；本发明通过联合挤压激励和残差卷积，构建挤压激励的残差卷积代替原始卷积，能够选择性地强调变化区域特征,抑制没有变化的建筑物特征，具有特征突出便于变化特征提取的技术效果。
-
公开(公告)号：CN116935226A
公开(公告)日：2023-10-24
申请号：CN202310959573.6
申请日：2023-08-01
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 一种基于HRNet的改进型遥感图像道路提取方法、系统、设备及介质，方法包括：对CHN6‑CUG数据集的高分辨率遥感影像数据预处理，得到预处理后的遥感图像数据集；构建基于改进HRNet的道路预测模型；设置网络训练参数；根据网络训练参数，使用遥感图像数据集中的训练集和验证集，对改进HRNet网络进行训练；将测试集输入训练好的模型中进行预测，输出预测得到的道路信息二值图；系统、设备及介质：用于实现上述方法；本发明采用空洞空间金字塔池化、通道注意力机制、深度可分离卷积方法对原HRNet网络改进，使用CHN6‑CUG遥感影像数据集进行模型训练与预测，有效提取高分辨率遥感图像中的道路信息，具有模型适应性强、道路提取精度高及网络轻量化的优点。
-
Patent Agency Ranking
公开(公告)号：CN116797618A
公开(公告)日：2023-09-22
申请号：CN202310844284.1
申请日：2023-07-11
Applicant: 西安电子科技大学
IPC: G06T7/12 , G06T7/13 , G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态MRI心脏图像的多阶段分割方法，主要解决现有技术不适用于多模态以及无法有效融合跨模态之间特征的问题。包括：1)根据原始MRI数据生成心脏轮廓标注数据集，并进行归一化；2)构建心脏MRI轮廓分割模型，并利用归一化后数据集训练得到融合三种模态数据的深度学习模型，获取一阶段分割结果；3)将原始数据与一阶段分割结果矩阵相乘，进行通道堆叠后生成二阶段数据集；4)搭建心室‑心肌分割模型并利用二阶段数据集进行训练；5)通过前向模型推理得到二阶段分割结果，即最终分割结果。本发明能够有效利用多模态优势，提高分割精度，且在一定程度上解决了深度学习黑箱在医学领域可解释性差的窘境。
-
公开(公告)号：CN116402690A
公开(公告)日：2023-07-07
申请号：CN202310435422.0
申请日：2023-04-21
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法、系统、设备及介质，方法包括：对从卫星获取的高分辨率遥感影像进行预处理，得到高分辨率遥感影像数据集De，将高分辨率遥感影像数据集De按比例划分为训练集验证集和测试集设计搭建基于深度学习的高分辨率遥感影像道路提取网络；计算网络损失；设置网络训练参数；网络训练；网络测试；结果评估；系统、设备及介质，用于实现一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法；本发明利用Canny边缘算子对道路遥感影像进行预处理，获得遥感影像中道路的边缘特征；基于U‑Net模型，融合多头自注意力机制模块，解决了现有技术参数量大，耗费时间多，道路提取精度低的问题。
-
公开(公告)号：CN115689911A
公开(公告)日：2023-02-03
申请号：CN202211091622.0
申请日：2022-09-07
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06T5/40 , G06T7/11 , G06V10/762 , G06T3/40
Abstract: 本发明提出了一种基于引导函数和自适应数目超像素的图像去雾方法，用于解决低照度下图像中物体边缘丢失，以及人工调参成本高的问题。本发明的实现步骤为：使用引导函数对有雾图像进行增强；获取大气强度值；利用亮度直方图的波峰总数自适应超像素数目，并将图像分割成超像素；使用超像素计算图像中每个像素的透射率；结合大气强度和透射率实现图像去雾。本发明可以对包含夜间图像在内的有雾光学图像进行高质量地去雾，去雾后不会带来伪影和光晕，同时可以保留图像地真实边缘，不会丢失细节。本发明不需要人工调参，操作便捷，可用于实时视频去雾。
-
公开(公告)号：CN119964020A
公开(公告)日：2025-05-09
申请号：CN202510029480.2
申请日：2025-01-08
IPC: G06V20/13 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种检测双时相遥感影像上滑坡变化区域的方法、系统、设备及介质，方法包括：构建遥感影像上滑坡变化区域检测网络；收集滑坡样本和非滑坡样本数据集，并将该数据集划分为训练集、验证集和测试集；将训练集和验证集依次输入至遥感影像上滑坡变化区域检测网络中进行训练和验证，得到训练好的遥感影像上滑坡变化区域检测网络，并保存权重文件；将测试集输入到训练好的遥感影像上滑坡变化区域检测网络中，加载训练好的遥感影像上滑坡变化区域检测网络的权重文件，输出遥感影像上滑坡变化区域检测结果并保存标签文件；系统、设备及介质用于实现该方法；本发明具有充分提取特征信息，增强模型对图像全局信息的捕获能力的优点。
-
公开(公告)号：CN118212532B
公开(公告)日：2024-12-10
申请号：CN202410522360.1
申请日：2024-04-28
IPC: G06V20/10 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 一种基于孪生混合注意力机制和多尺度特征融合提取双时相遥感影像中建筑物变化区域方法，对获取的遥感影像建筑物变化检测数据集预处理，并划分为训练集、验证集和测试集；构建遥感影像建筑物变化检测网络；将训练集和验证集依次输入遥感影像建筑物变化检测网络中进行训练和验证，并保存权重参数文件；将测试集输入至训练好的遥感影像建筑物变化检测网络中进行测试，加载权重参数文件，输出遥感影像建筑物变化检测结果；本发明通过引入混合注意力特征提取模块，多尺度特征融合模块及空洞坐标注意力上采样模块，能够有效进行特征融合，共同提取多尺度特征，具有充分提取特征信息，避免信息冗余和噪声干扰，增强模型对图像全局信息的捕获能力的优点。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.033 seconds)
