-
公开(公告)号：CN111583191B
公开(公告)日：2022-02-22
申请号：CN202010301723.0
申请日：2020-04-16
Applicant: 西安理工大学
Abstract: 本发明基于光场EPI傅里叶变换的折射特征检测方法，具体按照以下步骤实施：步骤1、对光场原始图像进行解码得到四维参数化矩阵L[s，t，u，v]；步骤2、利用四维参数化矩阵L[s，t，u，v]提取得到多个子孔径图像，并将所有的子孔径图像处理得到多个光场水平EPI图像；步骤3、将每个光场水平EPI图像划分为多等份图像，对每等份图像依次进行傅里叶变换、频谱中心化操作得到每等份图像对应的频域图像；步骤4、对每个光场水平EPI图像对应的所有等份频域图像依次进行检测分析确定频域图像上是否存在折射特征，进而确定光场原始图像上的折射区域。本发明基于光场EPI傅里叶变换的折射特征检测方法，能够精确检测出折射特征。
-
公开(公告)号：CN113642397A
公开(公告)日：2021-11-12
申请号：CN202110779312.7
申请日：2021-07-09
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于手机视频的物体长度测量方法，具体为：通过手机相机采集视频数据，并对视频数据进行预处理；求解手机相机的内参数；保存一张包含目标物体和参照物的参考图像，对采集的视频数据和参考图进行特征点提取，将视频的每一帧与参考图像进行特征点匹配得到匹配点对；计算相机到参照物表面的距离；获取到视频初始帧中的目标物体像素大小，结合相机焦距、参照物与相机间距离和物体像素大小计算出目标物体的真实长度。本发明解决了现有技术中存在的测量精度相对较低的问题。
-
公开(公告)号：CN108664942B
公开(公告)日：2021-10-22
申请号：CN201810472789.9
申请日：2018-05-17
Applicant: 西安理工大学
Abstract: 本发明公开的小鼠视频多维特征值的提取方法，具体操作是：首先，选择实验组和对照组中第一个小鼠原始视频，提取视频帧图像并选择拍摄小鼠视频刚开始的空白场景，然后将空白场景图像进行标记做蒙版图像，读入一组小鼠视频，提取含有小鼠场景的视频帧并将小鼠视频每两帧保存为图片，然后，将小鼠视频帧图片与空白场景图像进行图像处理，计算小鼠质心，并判断提取到的小鼠质心在空白场景图像上的位置，最后，根据小鼠质心落在空白场景蒙版的位置确定小鼠的特征信息；本发明还公开了将上述视频分类的方法，利用卷积神经网络训练对视频进行分类，精度达到96.17％。本发明公开的提取方法提取的数据可靠性在95％以上，远高于人工统计的方式。
-
公开(公告)号：CN113507108A
公开(公告)日：2021-10-15
申请号：CN202110639081.X
申请日：2021-06-08
Applicant: 西安理工大学
Abstract: 一种基于区域划分的配电网线损估计方法，包括以下步骤：步骤1：将带有坐标信息的地理图层shp文件导入线损估计软件中，shp文件包括居民楼shp文件和道路shp文件；步骤2：将道路图层进行解析，对道路shp图层生成矢量化对象，并生成顶点对象和边对象；步骤3：按照区域划分地理图层文件；步骤4：各区域内根据变压器的经纬度信息，建立供电单元根节点，确定供电单元的主干配电馈线；步骤5：在一个区域内根据居民楼和道路的关联信息计算出支路到负荷节点的馈线长度。利用ArcMap软件生成网络数据集，用得到的数据在软件中作为输入计算出该区域的配电网线路的长度，由此节省大量的人力物力就能准确地估算出配电网线路的线损情况。
-
公开(公告)号：CN113379703A
公开(公告)日：2021-09-10
申请号：CN202110639488.2
申请日：2021-06-08
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于Yolo‑v4网络结构光伏面板暗斑缺陷检测方法，具体为：对光伏面板的红外图像进行灰度化，获取其灰度图像；对灰度图像进行边缘提取，然后进行二值化，提取连通域并获取连通域的特征，根据获取的特征排除干扰物，获取光伏面板目标区域并进行编号，得到组串区域，并对组串内局部面板进行编号；确定局部面板是否存在暗斑故障，将存在暗斑故障的局部面板的位置、数量以及亮度直方图信息作为网络训练数据输入暗斑检测Yolo‑v4深度学习网络中进行训练，将测试集数据输入训练好Yolo‑v4网络模型完成对光伏组串、光伏面板、暗斑缺陷三种目标的识别与检测。本发明解决了现有技术中存在的检测效率低且准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN113298129A
公开(公告)日：2021-08-24
申请号：CN202110526561.5
申请日：2021-05-14
Applicant: 西安理工大学
Abstract: 本发明公开了基于超像素和图卷积网络的极化SAR图像分类方法，具体为，先输入待分类的极化SAR图像，并对其进行精致Lee滤波处理；使用超像素分割得到若干个超像素块，计算每个超像素块的特征，然后划分数据集，从每类超像素块标签中随机挑选相同数量超像素块作为训练集，其余超像素块作为测试集，将训练集中的超像素块当做图中的节点，每个节点与其相连的八个节点相连构成一张无向图，搭建带有池化层的图卷积神经网络，将训练集构建的图的邻接矩阵和特征矩阵送入网络中训练，将训练好的模型保存，再将测试集中超像素块构成的图的邻接矩阵和特征矩阵输入到训练好的模型中得到分类结果。
-
公开(公告)号：CN113128518A
公开(公告)日：2021-07-16
申请号：CN202110339794.4
申请日：2021-03-30
Applicant: 西安理工大学
Abstract: 本发明公开了基于孪生卷积网络和特征混合的sift误匹配检测方法，具体为：首先，采用sift算法将待匹配的两幅原始图像进行处理，得到训练集和测试集；并得到样本对应特征点的领域图像，输入到孪生卷积网络，提取领域图像的特征图；然后获取样本对应的sift描述子数据的特征和对应特征点的Harris矩阵，并用全连接层和交叉熵损失函数对融合后的特征进行二分类判断，反向传播更新网络参数，保存训练网络的权重偏置参数；最后将权重偏置参数载入到sift误匹配检测网络中，将待检测的样本数据输入到检测网络，并得出待测样本的预测结果。本发明的方法，大大改善了现有技术中容易出现误判的问题，同时提高了误匹配检测的准确率。
-
公开(公告)号：CN112434628A
公开(公告)日：2021-03-02
申请号：CN202011380429.X
申请日：2020-11-30
Applicant: 西安理工大学
Abstract: 基于主动学习和协同表示的小样本极化SAR图像分类方法，输入待分类的极化SAR图像，首先对图像进行滤波处理，然后对处理后的图像进行数据增强，根据当前带有标签的像素对CNN进行训练并学习高层语义特征，然后进行主动选择以请求新的注释来标记样本，这些注释将作为下一次迭代的CNN重新训练的输入；根据SVM在步骤5中生成的特征集进行组合，然后来协同训练分类器，将分类器预测出来的概率进行整合，然后挑选出不可信的样本进行删除，再继续从U’中挑选出可信度高的样本进行标注加入到集合X’中，然后将它输入到CNN网络模型上继续进行训练，将CNN训练好的模型的分类概率输出到建立在PolSAR的图像上，得到最终的分类结果。
-
公开(公告)号：CN112084877A
公开(公告)日：2020-12-15
申请号：CN202010813478.1
申请日：2020-08-13
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于NSGA‑NET的遥感图像识别方法，具体为：获取遥感图像数据集，将遥感图像划分成训练集和测试集；对训练集和测试集中的图像进行预处理，得到网络训练所需要的输入向量和目标矢量；初始化权重及各参数，随机生成一组简单的DNN网络结构；训练网络结构；对训练好的网络结构进行编码；使用NSGAII迭代进化编码后的网络结构；对最后得到的一组二进制基因型进行解码操作，得到一组识别错误率低且计算复杂度低的DNN网络结构前沿；将经过预处理后的测试集输入到网络结构前沿中进行测试，输出识别结果。充分训练网络后可自动提取遥感图像样本数据中的特征，提高了识别正确率和特征提取的鲁棒性。
-
公开(公告)号：CN111986223A
公开(公告)日：2020-11-24
申请号：CN202010680646.4
申请日：2020-07-15
Applicant: 西安理工大学
Abstract: 本发明公开的一种基于能量函数的室外点云场景中树木提取方法，选取LiDAR点云数据并剔除其中的平面点，得到候选树木点；利用欧几里得聚类算法进行聚类处理，将所有聚类得到的簇保存在簇集C中；进行相似性矩阵计算，随后计算簇集C的能量函数，根据能量函数对簇集C中的簇进行合并；针对合并之后的簇集，对其进行筛选优化，提取结束。本发明一种基于能量函数的室外点云场景中树木提取方法，通过有效地进行簇的合并，解决聚类不足的问题；将聚类完成之后不足成为一棵树的簇当做噪声点剔除，完成了非树物体的去除，提高了单棵树木提取的准确性，计算过程快，有很好的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.03 seconds)
