-
公开(公告)号:CN104778706B
公开(公告)日:2018-10-30
申请号:CN201510191275.2
申请日:2015-04-21
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于非负矩阵分解的异常检测方法,对读取的高光谱图像进行预处理获得剔除噪声的高光谱图像,将所述获得的剔除噪声的高光谱图像进行向量转换获得二维初始化矩阵V,再对二维初始化矩阵V进行线性分解生成随机初始化基矩阵W和系数矩阵H,根据非负矩阵分解的乘性迭代法则对随机初始化基矩阵W和系数矩阵H进行迭代获得含有若干个波段的高光谱图像,最后根据局部的自适应的核密度估计算子对所述含有若干个波段的高光谱图像中含有异常信息最多的一个波段的高光谱图像进行处理,获得检测出异常目标的图像;本发明还公开了一种基于非负矩阵分解的异常检测装置,通过本发明能够消除大量的冗余波段和噪声信息,从而有效地提高了异常检测的效率。
-
公开(公告)号:CN104408705B
公开(公告)日:2017-10-20
申请号:CN201410490530.9
申请日:2014-09-23
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于高光谱图像的异常检测方法,本发明利用核典型相关性分析的办法对高光谱图像进行异常检测。具体方法包括:获取高光谱图像;将高光谱图像标准化,同时做去均值处理;针对高光谱图像中每一像素点确定目标窗口与背景窗口,使用KCCA方法分析;将KCCA分析得到的结果分离出背景信息与目标信息,计算原图像与背景图像、目标图像平方差之间的差值,作为最终的检测结果。
-
公开(公告)号:CN106096604A
公开(公告)日:2016-11-09
申请号:CN201610387328.2
申请日:2016-06-02
Applicant: 西安电子科技大学昆山创新研究院
CPC classification number: G06K9/3241 , G06K9/6289
Abstract: 本发明公开了一种基于无人平台的多波段融合探测方法,将无人平台上获取的红外图像序列和可见光图像序列进行空间配准,再对配准好的红外图像序列和可见光图像序列进行预处理,将所述预处理后的红外图像序列和可见光图像序列进行图像融合,最后,对融合后的图像序列进行多弱小目标检测处理,输出目标的状态数据和数目信息。本发明采用红外和光学图像融合技术,实现对目标的精确检测。解决了无人机平台成像质量差,单一红外探测器分辨率低、不利于目标准确识别的缺点,且算法优于传统的目标检测算法,对目标的探测和识别更加容易,能够对防御系统和对抗系统提供目标的准确指示,可广泛应用于各类复杂背景的弱小目标准确检测系统中。
-
公开(公告)号:CN109584248B
公开(公告)日:2023-09-08
申请号:CN201811386216.0
申请日:2018-11-20
Applicant: 西安电子科技大学
IPC: G06T7/11 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于特征融合和稠密连接网络的红外面目标实例分割方法,采集并构建实例分割所需的红外图像数据集,获得原有已知的红外标签图像;对所述红外图像数据集作图像增强的预处理;对预处理后的训练集进行处理获得分类结果、边框回归结果和实例分割掩膜结果图;使用随机梯度下降法在卷积神经网络中根据预测损失函数进行反向传播,并更新卷积网络的参数值;每次选取固定数量的红外图像数据训练集送入网络进行处理,重复对卷积网络参数进行迭代更新,直至最大迭代次数完成对卷积网络的训练;对测试集图像数据进行处理,获取实例分割的平均精度和所需时间,以及最终实例分割结果图。
-
公开(公告)号:CN109741267B
公开(公告)日:2023-04-25
申请号:CN201811479352.4
申请日:2018-12-05
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于三边滤波和神经网络的红外图像非均匀性校正方法,依次载入原始红外图像序列中第n帧原始红外图像作为当前帧图像,确定当前帧图像的第i行第j列像元校正后的灰度值通过快速三边滤波算法对第n帧原始红外图像进行处理,根据当前帧的像元x邻域τ内的像素获得像元x的期望值qn(x),根据当前帧图像的第i行第j列像元x的期望值与第i行第j列像元校正后的灰度值之间的偏差,通过具有自适应性的迭代步长更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数和像元偏置参数通过像元增益参数和像元偏置参数对第n+1帧原始红外图像进行校正。本发明不仅能提高参数的学习速率,还能改善图像的非均匀性校正效果。
-
公开(公告)号:CN109741267A
公开(公告)日:2019-05-10
申请号:CN201811479352.4
申请日:2018-12-05
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于三边滤波和神经网络的红外图像非均匀性校正方法,依次载入原始红外图像序列中第n帧原始红外图像作为当前帧图像,确定当前帧图像的第i行第j列像元校正后的灰度值通过快速三边滤波算法对第n帧原始红外图像进行处理,根据当前帧的像元x邻域τ内的像素获得像元x的期望值qn(x),根据当前帧图像的第i行第j列像元x的期望值 与第i行第j列像元校正后的灰度值 之间的偏差,通过具有自适应性的迭代步长 更新获得第n+1帧原始红外图像第i行第j列像元对应位置的像元增益参数 和像元偏置参数 通过像元增益参数 和像元偏置参数 对第n+1帧原始红外图像进行校正。本发明不仅能提高参数的学习速率,还能改善图像的非均匀性校正效果。
-
公开(公告)号:CN109584248A
公开(公告)日:2019-04-05
申请号:CN201811386216.0
申请日:2018-11-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征融合和稠密连接网络的红外面目标实例分割方法,采集并构建实例分割所需的红外图像数据集,获得原有已知的红外标签图像;对所述红外图像数据集作图像增强的预处理;对预处理后的训练集进行处理获得分类结果、边框回归结果和实例分割掩膜结果图;使用随机梯度下降法在卷积神经网络中根据预测损失函数进行反向传播,并更新卷积网络的参数值;每次选取固定数量的红外图像数据训练集送入网络进行处理,重复对卷积网络参数进行迭代更新,直至最大迭代次数完成对卷积网络的训练;对测试集图像数据进行处理,获取实例分割的平均精度和所需时间,以及最终实例分割结果图。
-
公开(公告)号:CN107610159A
公开(公告)日:2018-01-19
申请号:CN201710782773.3
申请日:2017-09-03
Applicant: 西安电子科技大学
IPC: G06T7/292
Abstract: 本发明公开了一种基于曲率滤波和时空上下文的红外弱小目标跟踪方法。具体步骤包括:1.获得第一帧图像上下文区域;2.获得第一帧图像时空上下文区域;3.获得第一帧图像时空上下文区域先验模型;4.计算第一帧图像时空上下文区域的置信图矩阵;5.获取第一帧图像时空上下文模型矩阵;6.获得当前帧图像时空上下文区域;7.预测当前帧目标位置;8.判断是否为最后一帧;9.完成红外弱小目标的跟踪。本发明具有红外弱小目标跟踪速度快,时空上下文在线更新参数准确,红外弱小目标跟踪效果好的优点。
-
公开(公告)号:CN104268835A
公开(公告)日:2015-01-07
申请号:CN201410490136.5
申请日:2014-09-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于图像几何分离的红外弱小目标增强方法。首先,根据红外图像中弱小目标和背景杂波分布特点,对图像中弱小目标和背景杂波成分分别采用谱图小波变换和非下采样的剪切波变换字典进行稀疏表示;然后将这两个互不相关的稀疏字典引入到图像几何分离框架中,并利用全变分惩罚因子来获得更多背景杂波成分信息,使其得到更有效的分离,从而达到增强弱小目标信号的目的。该方法具有更优的弱小目标增强和背景杂波抑制效果,与经典的最大均值、形态学滤波和二维最小均方误差等滤波方法相比,不但背景抑制因子有所提高,而且也较好地降低了强边缘引起的虚警。
-
公开(公告)号:CN113902973A
公开(公告)日:2022-01-07
申请号:CN202111122594.X
申请日:2021-09-24
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06K9/62 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种自编码器和低维流形建模的高光谱异常检测方法,通过原始高光谱图像对栈式自编码器进行训练,获得训练好的栈式自编码器;通过所述训练好的栈式自编码器对原始高光谱图像进行主要特征提取,以完成数据降维,获得降维后高光谱图像Y;对所述降维后高光谱图像Y进行L次随机采样,获得采样图像l=1,2,…,L;通过低维流形建模对所得每一个采样图像进行重构,获得每一个特征采样图像的重构背景子图像Xl;将所得重构背景子图像Xl求取平均值作为原始高光谱图像的重构背景图像;通过l2范数确定原始高光谱图像和重构背景图像之间的残差r,以残差r作为最后的异常检测结果。本发明有效减少了冗余计算,提升了算法的整体性能,加快了算法速度。
-
-
-
-
-
-
-
-
-