-
公开(公告)号：CN108537822B
公开(公告)日：2020-04-21
申请号：CN201810315261.0
申请日：2018-04-10
Applicant: 西安电子科技大学
IPC: G06T7/223
Abstract: 本发明公开了一种基于加权置信度估计的运动目标跟踪方法，主要解决当目标发生外观形变、光照变化而导致跟踪失败的跟踪问题。本发明实现的步骤如下：(1)确定运动待跟踪目标的初始位置；(2)读取视频图像；(3)对图像块进行采样；(4)计算图像块跟踪后的似然值；(5)计算图像块在待跟踪目标处的观测似然值；(6)预测待跟踪目标的位置和大小；(8)判断当前帧视频图像是否为待跟踪视频图像序列的最后一帧视频图像，若是，则执行步骤(8)，否则，执行步骤(2)；(8)结束对运动待跟踪目标的跟踪。本发明通过加权置信度估计的方法，能够利用准确的置信度值，预测待跟踪目标位置和大小。
-
公开(公告)号：CN108280461B
公开(公告)日：2020-04-14
申请号：CN201711293508.5
申请日：2017-12-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种使用OpenCL加速的快速全局K‑均值聚类方法，实现的步骤是：(1)读入数据集和聚类总数；(2)在OpenCL硬件设备端转置数据；(3)计算质心，作为第一个初始聚类中心点；(4)使用K‑means算法聚类；(5)在OpenCL硬件设备端选取新的初始聚类中心点；(6)判断当前聚类中心点总数是否小于或者等于聚类总数，若是，则执行第(4)步，若不是，则执行第(7)步；(7)输出聚类结果。本发明可在任何支持开放运算语言OpenCL的硬件设备上实现对海量的聚类数据实时处理。
-
公开(公告)号：CN110110844A
公开(公告)日：2019-08-09
申请号：CN201910331464.3
申请日：2019-04-24
Applicant: 西安电子科技大学
IPC: G06N3/04
Abstract: 本发明提出了一种基于OpenCL的卷积神经网络并行处理方法，主要解决现有卷积神经网络并行化处理中模型复杂度高、运行速度缓慢的问题。实现步骤为：获取图像数据矩阵的重组矩阵；获取权值矩阵；分块并行计算权值矩阵与重组矩阵的乘积；对乘积矩阵进行并行批量归一化；输出特征值矩阵。本发明利用计算机图形处理器GPU中大量的并行计算单元，将卷积神经网络的卷积过程转化为大型矩阵乘法，分块并行计算权值矩阵与重组矩阵的乘积，简化了卷积层数据的处理过程，优化了数据的访存方式，提高了数据的复用率，使得本发明大幅提高了卷积神经网络的运行速度。
-
公开(公告)号：CN106296655B
公开(公告)日：2019-05-21
申请号：CN201610601199.2
申请日：2016-07-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应权值和高频阈值的SAR图像变化检测方法，主要解决现有技术检测效果不理想，单一类型差异图检测精度低的问题。其实现步骤为：1.读入不同时刻从同一地区获取的两幅SAR图像I1和I2；2.分别计算两幅图像I1和I2对应像素的均值比差异图Dm和邻域对数比差异图Dl；3.对均值比差异图Dm和邻域对数比差异图Dl进行小波融合，得到融合后的差异图像Xd；4.将融合差异图Xd聚成不同的两类，得到变化检测结果。本发明操作简单、抗噪性好、检测精度高，对不同类型的SAR图像均能获得较好的效果，可应用于环境监测、海洋观测、灾害评估、资源勘察、城区规划和地理测绘。
-
公开(公告)号：CN106023102B
公开(公告)日：2019-03-01
申请号：CN201610322871.4
申请日：2016-05-16
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度结构块的图像修复方法，主要解决现有技术对修复较大结构区域时易出现失真的技术问题。其实现过程包括：针对待修复区域边沿像素，通过其在不同尺度下的不一致性度量和尺度不变性度量计算优先级；对当前优先级最高的待修复区域边沿像素，依其优先级自适应确定待修复块尺寸；应用非局部重构技术对该待修复块进行修复；遍历图中待修复区域，重复上述过程,直到修复结束。本发明运用不同尺度图像块结构信息，挑选有效结构块修复，改善了非规则纹理和随机内容优先级判断，保持了图像纹理和结构一致性也抑制了人工效应。本发明获得视觉效果和数据指标更好的图像修复结果，可用于破损图像修复及目标物移除。
-
Patent Agency Ranking
公开(公告)号：CN109255304A
公开(公告)日：2019-01-22
申请号：CN201810938154.3
申请日：2018-08-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分布场特征的目标跟踪方法，主要解决当光照变化、目标发生遮挡、目标超出视野导致跟踪失败的跟踪问题。本发明实现的步骤如下：(1)确定运动待跟踪目标的初始位置；(2)构建分布场特征；(3)训练位移滤波器；(4)预测当前帧视频图像待跟踪目标位置；(5)利用标准无参数对冲方法计算分布场特征每一级的权值；(6)判断是否选取完所有的视频帧图像，若是，则执行步骤(7)，否则，执行步骤(2)；(7)结束对运动待跟踪目标的跟踪。本发明通过基于分布场特征的目标跟踪方法，能够利用利用标准无参数对冲方法更新分布场特征每一级的权值，预测待跟踪目标位置和大小。
-
公开(公告)号：CN108109156A
公开(公告)日：2018-06-01
申请号：CN201711415934.1
申请日：2017-12-25
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于比值特征的SAR图像道路检测方法，主要解决现有技术对道路边缘定位不准确、虚警率高的问题。其实现包括：1)对SAR图像进行降斑并提取9种纹理特征，2)从9种纹理特征中依据巴氏距离筛选对分类贡献最大的3种纹理特征；3)逐点计算降斑后图像中对比比值特征R1和相似比值特征R2；4)用具有2)和3)结果的样本构造道路字典D1和背景字典D2；5)对每个像素点分别求解与道路字典D1的平均差值E1和与背景字典D2的平均差值E2，通过差值对像素点进行分类，得到初步检测结果；6)对初步检测结果进行优化，得到最终的到了检测结果。本发明能比较完整的、清晰的检测出SAR图像中的道路，适用于检测SAR图像中不同方向、不同宽度的道路。
-
公开(公告)号：CN107563392A
公开(公告)日：2018-01-09
申请号：CN201710798823.7
申请日：2017-09-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种使用GPU硬件加速的YOLO目标检测方法，实现的步骤是：(1)初始化卷积神经网络；(2)获取训练样本；(3)划分训练样本的网格；(4)训练卷积神经网络；(5)判断损失值是否小于0.01，若是，保存训练好的卷积神经网络模型，若不是，获取下一次的训练样本继续训练；(6)将训练好的卷积神经网络的模型保存至计算机硬盘；(7)提取测试图片的特征；(8)确定测试图片目标的位置矩形框；(9)结束目标检测。本发明可用在通用计算机上实现对图像中的目标进行特征提取，然后用位置矩形框标示出目标所在位置，并且在矩形框右上角标示出目标的类别。
-
公开(公告)号：CN104732493B
公开(公告)日：2017-05-24
申请号：CN201510119457.9
申请日：2015-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Primal Sketch分类和SVD域改进MMSE估计的SAR图像去噪算法，解决现有技术对SAR图像去噪时细节模糊的问题。主要内容是：首先，在Primal Sketch算法中，采用双邻域对比度增强的方法改进了能量图像，然后采用Primal Sketch算法将SAR图像分为边缘类和非边缘类两类；分别对这两类的像素点进行NLSVD分解，用含有收缩因子的最小均方误差准则估计奇异值矩阵，反变换得到边缘类的估计值和非边缘类的估计值；最后计算边缘系数，通过巴特沃斯融合的方法融合边缘类和非边缘类的边界得到去噪结果。该方法能有效的去除SAR图像中的斑点噪声，且很好的保持了边缘和点目标信息。
-
公开(公告)号：CN104240269B
公开(公告)日：2017-02-15
申请号：CN201410493741.8
申请日：2014-09-24
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明属于图像处理技术领域，具体公开了一种基于空间约束编码的视频目标跟踪方法，主要改善了视频目标跟踪过程中特征提取精度不高、应用范围不够广泛的现象。其实现过程主要是：1)获取正、负样本；2)计算搜索窗内像素SIFT特征；3)计算样本编码；4)计算样本像素的LLC编码值；5)训练分类器得到新的码本和分类器。本发明具有较强的视频目标跟踪能力，在特征提取时可以更加充分利用图像信息，精确描述像素信息，从而提取到准确图像特征，获得更高目标跟踪能力，正确跟踪目标。
-
-
-
-
-
-
-
-
-
Search Results
322
records
(took 0.033 seconds)
