-
公开(公告)号：CN103473560B
公开(公告)日：2016-07-06
申请号：CN201310404988.3
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开一种基于上下文约束编码的目标跟踪方法，主要解决目标发生快速运动、光照变化、外观剧烈变化导致跟踪失败的问题。实现步骤为：（1）输入一段视频第一帧，人工标记出待跟踪目标；（2）获取搜索窗与正负样本；（3）提取搜索窗特征描述子构建字典，提取正负样本特征描述子进行编码，训练分类器模型；（4）载入新一帧视频图像，获取检测样本，提取特征描述子并编码；（5）利用分类器对检测样本的编码进行分类预测，估计出待跟踪目标位置；（6）根据跟踪位置获取正负样本和搜索窗，更新字典，升级分类器，执行下一帧。本发明确保了图像空间位置的一致性，提高了目标跟踪的稳定性和准确性，可用于交通管制、安全监测、医学图像方面。
-
公开(公告)号：CN103456017B
公开(公告)日：2016-07-06
申请号：CN201310404794.3
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于种子集的半监督权重核模糊聚类的图像分割方法，其实现步骤为：(1)选择图像；(2)提取待分割图像纹理特征；(3)产生聚类对象数据矩阵；(4)初始化聚类中心、隶属度和核参数；(5)计算点密度函数值；(6)更新聚类中心、隶属度和核参数；(7)计算目标函数值；(8)判断是否满足终止条件；如果是，执行(9)，否则，执行(6)；(9)产生分割图像。本发明提取图像每个像素的纹理特征，用基于种子集的半监督权重核模糊聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的分割结果。
-
公开(公告)号：CN103366175B
公开(公告)日：2016-04-13
申请号：CN201310296468.5
申请日：2013-07-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于潜在狄利克雷分配的自然图像分类方法，主要解决现有全监督自然图像分类方法分类时间较长以及在缩短了分类时间的前提下分类精度下降的问题。其实现步骤为：获取每幅自然图像的色调、饱和度、亮度、显著特征图；对所述特征图分别进行网格稠密采样，得到其网格采样点；对每一个网格采样点提取其周围区域的SIFT特征；对同类特征图的SIFT特征进行K聚类，生成视觉词典；用视觉词典将所有特征图量化为视觉文档；将视觉文档顺次相连后输入给LDA模型得到潜在语义主题分布；将所有自然图像的潜在语义主题分布输入给SVM分类器进行分类，得到分类结果。本发明与经典分类方法相比，在缩短了平均分类时间的同时提高了分类精度，可用于目标识别。
-
公开(公告)号：CN105320959A
公开(公告)日：2016-02-10
申请号：CN201510639916.6
申请日：2015-09-30
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6224 , G06K9/6223
Abstract: 本发明公开了一种基于端元学习的高光谱图像稀疏解混方法，主要解决了现有技术在低信噪比的高光谱图像解混过程中，高光谱图像解混精度低、重构效果差、耗时长、效率低的问题。本发明的步骤为：输入高光谱数据，合成高光谱基数据，端元学习，求解高光谱数据丰度矩阵，计算高光谱数据丰度矩阵的重构误差，输出解混结果。本发明采用了新的求解模式，引入了端元学习的思想，具有解混精度高、重构效果好、效率高的优点，同时求解步骤简单，原理清晰，可用于高光谱图像的理解解译。
-
公开(公告)号：CN103455987B
公开(公告)日：2015-12-09
申请号：CN201310426293.5
申请日：2013-09-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于同质区域分割的SAR图像去噪方法，其实现步骤为：(1)输入图像；(2)得到对数变换图像；(3)确定中心像素点的同质区域；(4)得到所有中心像素点的同质区域；(5)PPB去噪；(6)计算每个同质区域标准差；(7)计算面积；(8)对每个同质区域进行KSVD稀疏去噪；(9)合成图像；(10)输出结果。本发明具有有效的抑制同质区域噪声，对强弱目标点能很好的保持，边缘保持清晰，消除边缘划痕以及块效应的优点，可应用于对SAR图像进行去噪处理。
-
Patent Agency Ranking
公开(公告)号：CN104820840A
公开(公告)日：2015-08-05
申请号：CN201510232962.4
申请日：2015-05-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典和波段重组的最近邻高光谱图像分类方法，实现步骤有：用高光谱图像的空间信息，对每一像素点进行L-邻域均值化处理；按每波段像素点均值大小波段重组并n-等分为子波段；随机抽取部分像素构成字典，其它像素构成测试样本集合，按子波段将字典与测试样本集合分割为n个子字典与子测试样本集合并对照相应的子字典作最近邻判别，得n幅初始分类图；进行n-KNN判别，得最终结果图。本发明解决了分类精度不高，分类效果不好及普通空-谱结合法时间复杂度高，空-谱信息结合不紧密的问题，引入波段重组与分割，进行多波段多字典判别，利用空-谱结合的方法进行分类，在较短时间内，获得了较高精度的分类图。精度高，时间复杂度低。
-
公开(公告)号：CN103595980B
公开(公告)日：2015-08-05
申请号：CN201310512349.9
申请日：2013-10-25
Applicant: 西安电子科技大学
IPC: H04N9/04
Abstract: 本发明公开了一种基于轮廓非局部均值的色彩滤波阵列图像去马赛克方法，主要解决现有技术易出现边缘模糊和拉链效应的问题。其实现步骤为：1.输入一幅色彩滤波阵列图像；2.对绿色通道作方向插值，并求绿色插值图的轮廓矩阵；3.取绿色插值图的待修正块；4.取待修正块的图像块集合及轮廓，并从集合中找出相似块，计算其权重；5.对所有相似块加权平均；6.由加权平均值修正绿色插值图的所有块；6.对红色和蓝色通道作方向插值，并求红色和蓝色插值图的轮廓矩阵；7.取红色和蓝色插值图的待修正块，重复执行步骤4-5，修正红色和蓝色插值图的所有块；8.输出全彩色图像。本发明能避免边缘模糊，抑制拉链效应和虚假颜色的产生，用于对色彩滤波阵列图像的恢复。
-
公开(公告)号：CN102881022B
公开(公告)日：2015-04-08
申请号：CN201210253327.0
申请日：2012-07-20
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于在线学习的遮挡目标跟踪方法，主要解决现有技术中当目标被遮挡时，目标发生模板漂移及目标被完全遮挡时跟踪失败的问题。其方法步骤为：(1)输入一段视频的第一帧，并人工标记出待跟踪的目标；（2）建立并初始化随机森林检测器和Kalman滤波器；(3)由随机森林检测器检测目标，由Lucas-Kanade跟踪器跟踪目标；(4)根据随机森林的检测结果和Lucas-Kanade跟踪器的跟踪结果，确定目标位置；(5)判断目标是否被遮挡；(6)判断目标是否被完全遮挡；(7)在线更新；(8)运用更新后的Kalman滤波器对目标的位置进行预测；（9）显示跟踪结果；(10)重复步骤(3)—步骤(9)，直到视频图像结束。本发明具有当目标被部分遮挡或完全遮挡时跟踪准确的优点，可应用于人机交互领域。
-
公开(公告)号：CN104392463A
公开(公告)日：2015-03-04
申请号：CN201410781962.5
申请日：2014-12-16
Applicant: 西安电子科技大学
CPC classification number: G06K9/46 , G06K9/66 , G06K2009/4695 , G06T7/13 , G06T2207/20221
Abstract: 本发明属于图像显著区域检测技术领域，具体公开了一种基于联合稀疏多尺度融合的图像显著区域检测方法，其步骤包括：(1)对训练图像集构造出多层高斯金字塔实现多尺度化，训练得到各个尺度下的字典；(2)对测试图像中的每一个像素点取图像块，联合稀疏求解该图像块在各个尺度下的稀疏表示系数；(3)将稀疏表示系数作为特征，进行显著性的计算；(4)融合多个尺度下的显著结果得到最终的显著图。本发明实现了提取任意给定图像中人眼感兴趣区域的目的，其优点在于：首先，多尺度操作克服了图像不同尺度下的影响；其次，联合稀疏框架非常有益于后续的显著度计算。实验表明，本方法的结果具有较好的鲁棒性，优于大多数现有方法的结果。
-
公开(公告)号：CN104392462A
公开(公告)日：2015-03-04
申请号：CN201410781342.1
申请日：2014-12-16
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/33 , G06T2207/10044
Abstract: 本发明提供了一种基于显著分割子区域对的SAR图像配准方法，步骤是：1)输入同一地区两个时相的SAR图像；2)对两幅SAR图像进行均值滤波和直方图均衡化抑制相干斑；3)对两幅滤波均衡化后图像进行基于频谱残差的显著区域分割；4)对两幅图像的显著分割区域利用直方图众数排序后的灰度级序列计算最小欧氏距离获得匹配区域；5)利用改进后的综合学习粒子群算法对匹配区域计算配准参数；6)将配准参数利用像素点在子区域和原图像的坐标关系转化为原图像对的配准参数，得到最终配准结果。本发明解决现有方法在区域分割一致性不理想情况下的配准问题和基于灰度信息的配准计算量大的问题，用于变化检测、地物分类、地图修正、数据融合等。
-
-
-
-
-
-
-
-
-
Search Results
323
records
(took 0.034 seconds)
