公开(公告)号：CN117522815A

公开(公告)日：2024-02-06

申请号：CN202311491758.5

申请日：2023-11-09

Applicant: 西安电子科技大学

Inventor： 张嘉嘉 ,  李翀钰 ,  李欢 ,  段念 ,  王园园 ,  滕翔 ,  高原 ,  王顺 ,  周慧鑫 ,  许新博 ,  秦翰林 ,  王炳健

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于光谱约束和逆距离协同表示的高光谱异常检测方法，使用相应的高光谱图像数据集进行训练，采用本发明研究的一种基于光谱约束的堆叠自编码器来有效重构背景样本；其后利用重构背景与输入的重构误差进行异常检测获得初步检测结果；本发明研究了逆距离协同表示方法，将堆叠自编码器最中间隐藏层的特征输入至逆距离协同表示模块得到异常分数估计结果，最后，将异常分数估计结果转化为自适应的异常权重矩阵，以优化初步检测结果，在抑制背景时保留异常，提高算法的异常检测性能。

公开(公告)号：CN115424104A

公开(公告)日：2022-12-02

申请号：CN202210998016.0

申请日：2022-08-19

Applicant: 西安电子科技大学

Inventor： 周慧鑫 ,  张伟鹏 ,  戴加乐 ,  于跃 ,  宋江鲁奇 ,  张嘉嘉 ,  李苗青 ,  张喆 ,  滕翔 ,  王珂 ,  李欢 ,  朱贺隆 ,  梅峻溪 ,  王财顺 ,  石志鹏

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于特征融合与注意力机制的目标检测方法，红外图像输入MobileNet网络进行逐层卷积计算，得到不同尺度的特征图，建立双向特征融合模块IBFPN，将所述用于检测的特征金字塔图像输入IBFPN，以进行上下层信息的相互融合；经过IBFPN后，将各融合特征层输入到注意力模块ECBAM，通过ECBAM为不同的特征赋予不同的比重；将经IBFPN和ECBAM处理的不同尺度的特征图送入检测模块进行检测，获取每个候选框的类别及相应的边界框，得到预测结果；将预测结果进行非极大值抑制，删除多余的目标框，获得最终的检测结果。综合对比多种检测算法后，实验结果表明，本发明可以有效提高红外目标的检测精度。

公开(公告)号：CN115393711A

公开(公告)日：2022-11-25

申请号：CN202210972870.X

申请日：2022-08-15

Applicant: 西安电子科技大学

Inventor： 李欢 ,  刘志宇 ,  宋江鲁奇 ,  周慧鑫 ,  唐骏 ,  滕翔 ,  杨庆友 ,  王财顺 ,  梅峻溪 ,  白宇婷 ,  于跃 ,  罗云麟 ,  甘长国 ,  朱贺隆 ,  张伟鹏

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/77 ,  G06V10/46

Abstract: 本发明涉及一种基于高光谱图像的异常检测方法，本发明基于空‑谱联合显著性特征表达的方法对高光谱图像进行异常检测。具体方法包括：首先通过联合双窗结构与改进光谱距离计算的光谱特征提取方法完成光谱特征的提取，同时通过基于数据降维与曲率滤波的空间特征提取方法完成空间特征的提取，其次联合两种不同属性特征获得空‑谱初始特征。最后通过基于前后文感知的高光谱显著性检测方法进行异常检测，从而获得异常检测结果。

公开(公告)号：CN115358978A

公开(公告)日：2022-11-18

申请号：CN202210964927.1

申请日：2022-08-12

Applicant: 西安电子科技大学

Inventor： 宋江鲁奇 ,  罗云麟 ,  于跃 ,  周慧鑫 ,  李幸 ,  李欢 ,  张嘉嘉 ,  张喆 ,  滕翔 ,  刘志宇 ,  杨庆友 ,  王炳健 ,  梅峻溪 ,  白宇婷 ,  朱贺隆

IPC: G06T7/00 ,  G06T5/00 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

Abstract: 本发明涉及基于新型多元偏态t分布模型的高光谱图像异常检测方法，利用自编码器和新型多元偏态t分布模型建模的方法实现对高光谱图像进行异常检测。具体方法包括：首先使用RX算法对原始高光谱图像进行预处理，选取结果的背景部分输入到栈式降噪自编码器网络中进行训练；然后将原始高光谱图像输入到训练好的栈式降噪自编码器中，输出得到重建的高光谱图像；最后将重建高光谱图像与原始高光谱图像相减得到重建误差，再用多元偏态t分布模型对重建误差进行建模，计算异常评分从而获得异常检测结果。

公开(公告)号：CN115330653A

公开(公告)日：2022-11-11

申请号：CN202210982221.8

申请日：2022-08-16

Applicant: 西安电子科技大学

Inventor： 宋江鲁奇 ,  杨庆友 ,  周慧鑫 ,  张鑫 ,  李欢 ,  秦翰林 ,  王炳健 ,  王财顺 ,  刘志宇 ,  梅峻溪 ,  张嘉嘉 ,  王珂 ,  罗云麟 ,  滕翔 ,  赖睿

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/90

Abstract: 本发明公开了一种基于边窗滤波的多源图像融合方法，本发明利用边窗滤波、稀有度颜色统计联合梯度能量优化的显著性检测方法及多层次融合策略的方法对红外和可见光图像进行融合。具体方法包括：对待融合的红外和可见光图像首先使用边窗滤波分别进行多尺度分解，生成基础层与细节层图像；通过稀有度颜色统计联合梯度能量优化的显著性检测方法生成分别对红外和可见光图像进行显著性检测得到显著图；接着，通过显著性比较以及滤波优化得到融合权重图；其次，使用融合权重指导基础层图像融合得到融合基础层；同时，采用一种多层次融合策略对细节层进行融合；最后，将融合基础层和融合细节层进行重构得到融合后的图像。

公开(公告)号：CN113902973A

公开(公告)日：2022-01-07

申请号：CN202111122594.X

申请日：2021-09-24

Applicant: 西安电子科技大学

Inventor： 李欢 ,  唐骏 ,  周慧鑫 ,  姚博 ,  阳文涛 ,  向培 ,  宋尚真 ,  杜娟 ,  滕翔 ,  张鑫 ,  李幸 ,  梅峻溪 ,  王财顺 ,  秦翰林 ,  王炳健

IPC: G06V20/10 ,  G06V10/774 ,  G06K9/62 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种自编码器和低维流形建模的高光谱异常检测方法，通过原始高光谱图像对栈式自编码器进行训练，获得训练好的栈式自编码器；通过所述训练好的栈式自编码器对原始高光谱图像进行主要特征提取，以完成数据降维，获得降维后高光谱图像Y；对所述降维后高光谱图像Y进行L次随机采样，获得采样图像l＝1,2,…,L；通过低维流形建模对所得每一个采样图像进行重构，获得每一个特征采样图像的重构背景子图像Xl；将所得重构背景子图像Xl求取平均值作为原始高光谱图像的重构背景图像；通过l2范数确定原始高光谱图像和重构背景图像之间的残差r，以残差r作为最后的异常检测结果。本发明有效减少了冗余计算，提升了算法的整体性能，加快了算法速度。