-
公开(公告)号：CN110289044A
公开(公告)日：2019-09-27
申请号：CN201910565970.9
申请日：2019-06-27
Applicant: 西安邮电大学
IPC: G11C29/56
Abstract: 本发明公开了数据存储设备的信息检测平台及方法，涉及数据处理技术领域，平台具有能够支持各种形式数据存储设备的兼容接口，能够识别检测到市面上各大厂商生产的硬盘及常见存储卡、固态硬盘、手机、光盘等移动存储介质，同时平台还能够检测存储介质的类型、型号、容量、扇区、磁头、坏道、SMART参数、是否能正常工作等存储介质参数，检测结果以检测报告的形式提供，同时检测报告还能打印出来，大大提高了刑侦监测人员的工作便捷程度。
-
公开(公告)号：CN109344578A
公开(公告)日：2019-02-15
申请号：CN201811178849.2
申请日：2018-10-10
Applicant: 西安邮电大学
IPC: G06F21/16 , G06T1/00 , G10L19/018 , G10L19/02 , H04L9/00
Abstract: 基于混沌和小波变换的音频水印嵌入方法，包括以下步骤：步骤1，对水印预处理，1)二值水印置乱；2)二值水印加密；步骤2，将鲁棒性水印和脆弱性水印分别嵌入小波域的低频和高频中；基于混沌和小波变换的音频水印提取方法，包括以下步骤：首先，对含有水印的音频信号进行小波分解，找出低频或高频分量中小于原先设定阈值的音频元素所对应的位置，再进行一维类噪声提取操作；其次，对提取得到的类噪声图像进行升维转换为二维图像格式，转换为加密图像；最后，加密图像进行混沌解密和Arnold逆变换，得到嵌入水印；具有隐蔽性强、稳健性高、易检验出攻击的特点。
-
公开(公告)号：CN104702971A
公开(公告)日：2015-06-10
申请号：CN201510129313.1
申请日：2015-03-24
Applicant: 西安邮电大学
IPC: H04N21/235 , H04N21/232
Abstract: 本发明公开了一种相机阵列高动态范围成像方法，用于解决现有相机阵列成像方法动态范围低的技术问题。技术方案是采用测光表或相机内置测光器获得目标场景的最亮和最暗亮度，得到一组优化的曝光包围级数，确定阵列中参与曝光的相机组合并控制参与相机组合对目标场景同时拍摄，获得一组包含目标场景不同曝光设置的低动态范围图像。对该组低动态范围图像依据相机布局与目标场景的几何关系进行几何校正，获得校正后涵盖目标场景动态范围的一组低动态范围图像。将多曝光技术获取高动态范围图像的总曝光时间等于多次曝光之和减小为曝光包围组合中的一次最长曝光时间。解决了静态场景高动态范围成像多次曝光耗时长，动态场景高动态范围成像的鬼影问题。
-
公开(公告)号：CN115984117B
公开(公告)日：2023-11-24
申请号：CN202310105929.X
申请日：2023-02-13
Applicant: 西安邮电大学
IPC: G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于通道注意力的变分自编码图像超分辨率方法及系统，方法包括以下步骤：采集待重建图像，得到原始数据集，并对所述原始数据集进行预处理，得到训练样本；构建神经网络模型；将所述训练样本输入至所述神经网络模型中，进行训练，得到训练好的神经网络模型；基于训练好的所述神经网络模型对待重建图像进行超分辨率重建，并基于重建图像，评价所述神经网络模型。通过搭建神经网络，由于普通的生成对抗网络会存在模式崩塌和训练不稳定导致生成的图像质量不好，所以将基于通道注意力的变分自编码器作用于判别器中，不仅可以提高判别器的判别能力，还可以生成效果更好的图像及更高的PSNR和SSIM值。
-
公开(公告)号：CN115880158B
公开(公告)日：2023-10-27
申请号：CN202310045659.8
申请日：2023-01-30
Applicant: 西安邮电大学
IPC: G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本申请公开了一种基于变分自编码的盲图像超分辨率重建方法及系统，其中方法包括：通过模拟真实情景的退化过程构建数据集，来获取待重建图像的训练样本；构建神经网络；利用训练样本训练神经网络，得到重建神经网络；利用重建神经网络对待重建图像进行超分辨率重建。本申请既可以有效解决真实场景图片不能进行处理或者处理效果不理想的问题，同时，又可以取得比现有系统和方法更好的视觉效果，在一定程度上能够去除伪影和人工痕迹保证了待超分图像的真实性同时充分保留图像的细节信息，实现了完整、真实地对低分辨率和退化的图像进行重建。高分辨率的图像因像素密度高而能为数字图像处理提供更多重要的细节信息，为图像后期处理打下良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN115880158A
公开(公告)日：2023-03-31
申请号：CN202310045659.8
申请日：2023-01-30
Applicant: 西安邮电大学
IPC: G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本申请公开了一种基于变分自编码的盲图像超分辨率重建方法及系统，其中方法包括：通过模拟真实情景的退化过程构建数据集，来获取待重建图像的训练样本；构建神经网络；利用训练样本训练神经网络，得到重建神经网络；利用重建神经网络对待重建图像进行超分辨率重建。本申请既可以有效解决真实场景图片不能进行处理或者处理效果不理想的问题，同时，又可以取得比现有系统和方法更好的视觉效果，在一定程度上能够去除伪影和人工痕迹保证了待超分图像的真实性同时充分保留图像的细节信息，实现了完整、真实地对低分辨率和退化的图像进行重建。高分辨率的图像因像素密度高而能为数字图像处理提供更多重要的细节信息，为图像后期处理打下良好的基础。
-
公开(公告)号：CN110245666B
公开(公告)日：2021-06-08
申请号：CN201910495205.4
申请日：2019-06-10
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于双隶属度驱动的多目标区间值模糊聚类图像分割方法，主要解决图像分割中对噪声敏感、容易陷入局部最优的问题，其方案是：输入待分割图像并设置初始参数值；构造区间值模糊图像；构建双隶属度驱动的全局区间值模糊紧致性函数JLN和双隶属度驱动的区间值模糊可分性函数SLN，并对这两个目标函数进行多目标进化，得到非支配解集P；计算双隶属度驱动的区间值选解指标W指标，用该指标从非支配解集P中选择出最优染色体对其进行解码，得到最优聚类中心；用最优聚类中心更新联合隶属度矩阵，并根据最大隶属度原则得到像素点的分类结果。本发明能有效地抑制噪声，防止陷入局部最优，提高了分割准确率，可用于自然图像的识别。
-
-
公开(公告)号：CN107481189B
公开(公告)日：2020-04-28
申请号：CN201710509592.3
申请日：2017-06-28
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于学习的稀疏表示的超分辨率图像重建方法，主要包括如下步骤：首先，根据高分辨率图像训练集训练统一的高分辨率字典Ds；其次，根据测试低分辨率图像以及放大倍数，利用K最近邻算法获取测试字典和并重建出对应放大倍数的高分辨率图像；最后，利用迭代反投影对重建后的图像进行处理，得到最终的高分辨率图像，本发明对于图像的不同放大倍数，只需存储一个字典，大大减少了字典占用空间以及训练时间。
-
公开(公告)号：CN110245666A
公开(公告)日：2019-09-17
申请号：CN201910495205.4
申请日：2019-06-10
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于双隶属度驱动的多目标区间值模糊聚类图像分割方法，主要解决图像分割中对噪声敏感、容易陷入局部最优的问题，其方案是：输入待分割图像并设置初始参数值；构造区间值模糊图像；构建双隶属度驱动的全局区间值模糊紧致性函数JLN和双隶属度驱动的区间值模糊可分性函数SLN，并对这两个目标函数进行多目标进化，得到非支配解集P；计算双隶属度驱动的区间值选解指标W指标，用该指标从非支配解集P中选择出最优染色体对其进行解码，得到最优聚类中心；用最优聚类中心更新联合隶属度矩阵，并根据最大隶属度原则得到像素点的分类结果。本发明能有效地抑制噪声，防止陷入局部最优，提高了分割准确率，可用于自然图像的识别。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.029 seconds)
