-
公开(公告)号：CN109583456A
公开(公告)日：2019-04-05
申请号：CN201811386234.9
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的红外面目标检测方法，构建包含所需识别目标的红外图像数据集，在所述红外图像数据集中标定所需识别目标的位置与种类，获得原有已知的标签图像；将所述红外图像数据集分为训练集和验证集两部分；对训练集中的图像进行图像增强的预处理并且进行特征提取和特征融合，通过回归网络获得分类结果和边界框；将所述分类结果和边界框与原有已知的标签图像进行损失函数计算，更新卷积神经网络的参数值；重复对卷积神经网络参数进行迭代更新，直至误差足够小或迭代次数达到设定的上限为止；通过训练完成的卷积神经网络参数对验证集中的图像进行处理，获取目标检测的准确度和所需时间，以及最终目标检测结果图。
-
公开(公告)号：CN109037450A
公开(公告)日：2018-12-18
申请号：CN201810592160.8
申请日：2018-06-11
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于CH3NH3PbI3和MoSe2材料的光敏器件及其制备方法，包括以下步骤：选取Si衬底；在Si衬底上表面生长绝缘层；在绝缘层表面制备MoSe2材料形成导通层；在导通层表面溅射Au材料形成叉指电极层；在叉指电极层上生长CH3NH3PbI3材料形成光吸收层，从而形成所述基于CH3NH3PbI3和MoSe2材料的光敏器件。利用CH3NH3PbI3材料和MoSe2材料的特性来制备光敏器件，使其具有高光灵敏度、高电子迁移率的特点。
-
公开(公告)号：CN108682747A
公开(公告)日：2018-10-19
申请号：CN201810466984.0
申请日：2018-05-16
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种双异质结钙钛矿光电器件及其制备方法，所述制备方法包括：选取Si衬底；在Si衬底的一侧表面沉积金属Al形成下电极；在Si衬底的另一侧表面沉积金属氧化物形成界面缓冲层；在界面缓冲层上沉积CH3NH3PbI3形成光吸收层；在光吸收层上沉积金属Au形成上电极，形成双异质结钙钛矿光电器件。该双异质结钙钛矿光电器件依次包括上电极、CH3NH3PbI3光吸收层、界面缓冲层、Si衬底和下电极。所述双异质结钙钛矿光电器件在Si衬底与CH3NH3PbI3之间包括界面缓冲层，降低Si衬底与CH3NH3PbI3光吸收层之间的能量失配，减少光生电子与光生空穴的复合，提高光电器件的灵敏度。
-
公开(公告)号：CN108011043A
公开(公告)日：2018-05-08
申请号：CN201711027944.8
申请日：2017-10-28
Applicant: 西安电子科技大学
CPC classification number: Y02E10/549 , H01L51/428 , H01L51/0003 , H01L51/0077
Abstract: 本发明涉及一种基于CH3NH3PbI3材料的MOS电容光敏器件及其制备方法，该方法包括：选取Si衬底；在所述Si衬底的上表面生长栅介质层；在所述栅介质层表面生长CH3NH3PbI3材料形成光吸收层；在所述光吸收层表面溅射Au材料形成上电极；在所述Si衬底下表面溅射Al材料形成下电极以形成所述MOS电容光敏器件。利用MOS电容在直流电压下几乎不导通的特性以及CH3NH3PbI3材料的光敏特性，本发明的MOS电容光敏器件在暗态时具有极小的功耗，同时对光照具有极高的灵敏度。
-
公开(公告)号：CN105160657B
公开(公告)日：2018-01-30
申请号：CN201510478112.2
申请日：2015-08-05
Applicant: 西安电子科技大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于FPGA的红外成像非均匀性校正系统。其包括：输入帧缓存器(1)、输出帧缓存器(2)、外部存储控制器(3)和神经网络模块(4)；该神经网络模块(4)包括：校正子模块、预测图像计算子模块、新参数计算子模块、投影法运动估计子模块和二选一选择器。输入帧缓存器接收并缓存原始图像；外部存储控制器读入校正参数；校正子模块校正原始图像并通过输出帧缓存器缓存；预测图像计算子模块计算预测图像并通过新参数计算子模块计算新校正参数；投影法运动估计模块和二选一选择器选择参数更新，以校正下一帧原始图像。本发明解决现有技术中的“鬼影”和图像模糊问题，可用于实时校正红外图像的非均匀性。
-
Patent Agency Ranking
公开(公告)号：CN105320944A
公开(公告)日：2016-02-10
申请号：CN201510698117.6
申请日：2015-10-24
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于人体骨架运动信息的人体行为预测方法，包括以下步骤：利用从RGB-D图像中提取人体骨架信息，分肢体计算各关节点的归一化相对方位特征；利用基于特征序列势差的分割方法对特征序列进行动态分割，得到姿态特征子序列和动作特征子序列；从姿态特征子序列和动作特征子序列中提取关键姿态和原子动作，构建基于关键姿态和原子动作的多层图模型；提取多层图模型中蕴含的人体子行为模式，构建人体子行为模式的上下文概率统计模型；进行人体子行为模式的识别与预测；本发明对不同个体的形体差异、空间位置差异等具有强鲁棒性，对同类行为内不同个体的动作差异性具有强泛化能力，对不同类行为间的动作相似性具有强识别能力。
-
公开(公告)号：CN104200436A
公开(公告)日：2014-12-10
申请号：CN201410441092.7
申请日：2014-09-01
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于双树复小波变换的多光谱图像重构方法，解决了现有多光谱图像重构技术中重构效果不理想、重构速度慢的问题。本发明的步骤包括：(1)获取混叠光谱图像；(2)数据初始化；(3)降噪处理；(4)判断当前估计值的继续条件是否满足；(5)获取图像重构当前估计值的下一个估计值；(6)判断当前估计值的下一个估计值的继续条件是否满足；(7)更新估计值；(8)判断终止条件是否满足。本发明利用双树复小波变换对图像进行降噪处理，在压缩光谱成像的重构过程中，可获得较好的多光谱图像重构结果和较快的多光谱图像重构速度。
-
公开(公告)号：CN120032245A
公开(公告)日：2025-05-23
申请号：CN202510043019.2
申请日：2025-01-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于联合特征与三边滤波引导的高光谱异常检测方法，包括：构建AE网络；通过所述基于三边滤波的引导模块对待检测图像进行进行背景纯化，获得引导特征图；通过基于空谱联合的注意力机制模块将所述引导特征图与学习到的通道权重进行逐元素相乘，得到经过通道注意力加权后的特征图；通过基于空谱联合的注意力机制模块将所述引导特征图与学习到的空间权重相乘，得到经过空间注意力加权后的特征图；将所述经过通道注意力加权后的特征图和经过空间注意力加权后的特征图相乘获得最终的特征表示；对所述最终的特征表示进行差分检测，获得检测结果图像。
-
公开(公告)号：CN119942150A
公开(公告)日：2025-05-06
申请号：CN202411863186.3
申请日：2024-12-17
Applicant: 西安电子科技大学
IPC: G06V10/62 , G06V10/80 , G06V10/52 , G06V10/50 , G06V10/56 , G06V10/764 , G06V10/766 , G06V10/26 , G06V10/25 , G06V10/54 , G06V10/72 , G06V10/77 , G06V20/40
Abstract: 本发明公开了一种基于多尺度空间约束抗遮挡的跟踪方法，提取候选目标区域的HOG特征、CN特征和灰度特征，并使用PCA方法对HOG特征和CN特征降维，加快运算效率；采用通道权重融合方法，对每一层特征单独训练滤波器，通过自适应融合权重，使有效特征层的响应效果更加突出，解决了多特征响应融合不充分的问题；提出阶梯空间约束方法，优化颜色空间约束模型，约束模型错误遮盖目标信息，空域限制模型限制效果；通过自适应学习率和扩散搜索方法，减少滤波器学习到的无关信息并提高目标被遮挡时的跟踪准确度；提出三叉树尺度加速方法，引入尺度滤波器，并在尺度滤波器的基础上，将尺度滤波器的并行结构改造为三叉树分类结构。
-
公开(公告)号：CN117611634A
公开(公告)日：2024-02-27
申请号：CN202311723023.0
申请日：2023-12-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于响应融合及自适应尺度处理的目标跟踪方法，针对相关滤波类跟踪算法特征提取有效性和丰富性不足、快速尺度变化时应对能力差、抗干扰能力弱的问题，本发明提出了基于特征响应融合的尺度自适应目标跟踪算法。首先，引入了基于颜色直方图特征的概率感知模型，根据背景区域与目标区域的分布差异特性，建立了背景抑制模型与干扰检测模型；随后，通过目标区域的概率均值实现融合权重的自适应计算，将背景抑制模型与干扰检测模型进行根据实时场景的自适应融合处理；最后，在尺度处理方面，将引入有效最值的形体边缘检测的目标预测模型用于计算跟踪中的目标尺度变化，提高了处理尺度变换场景时算法的精度。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.027 seconds)
