-
公开(公告)号：CN108133173A
公开(公告)日：2018-06-08
申请号：CN201711188042.2
申请日：2017-11-24
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6271 , G06K9/6276 , G06N3/0454 , G06N3/08
Abstract: 一种基于半监督梯形网络的极化SAR图像地分类方法，主要解决现有技术中极化SAR图像特征选取不合理导致分类精度不高和无标记数据信息浪费的问题，充分利用有标记数据和无标记数据。其实现步骤为：(1)输入图像；(2)精致Lee滤波；(3)选取训练样本和测试样本；(4)搭建梯形网络结构；(5)训练梯形网络；(6)对待分类的极化SAR图像分类；(7)计算分类精度；(8)输出结果。本发明在训练网络时采用监督学习与无监督学习相结合的方式，通过重构梯形网络的损失函数，增强了模型的鲁棒性，有效地提高了分类精度，适用于对极化SAR图像进行地物分类。
-
公开(公告)号：CN105654498B
公开(公告)日：2018-04-17
申请号：CN201610055347.5
申请日：2016-01-27
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于动态局部搜索和免疫克隆自动聚类的图像分割方法，用于解决现有图像分割方法中存在的鲁棒性和精确度差、收敛速度慢的技术问题，实现步骤是：1.输入一幅待分割图像；2.初始化抗体种群，得到第一抗体种群；3.对第一抗体种群进行克隆选择操作，得到第二抗体种群；4.设置对第二抗体种群优化的当前优化代数t和最大优化代数tmax；5.对第二抗体种群进行优化，得到第六抗体种群；6.判断是否满足迭代停止条件；7.对第六抗体种群中的非支配解集进行选择；8.利用已得到的最优分割中心点对待分割图像进行分割。本发明提高了图像分割的精确度、鲁棒性和收敛速度，可用于对图像中特征目标的提取和对目标的识别与跟踪。
-
公开(公告)号：CN105069480B
公开(公告)日：2018-04-17
申请号：CN201510512624.6
申请日：2015-08-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高斯滤波和PSO的极化SAR地物分类方法，主要解决了现有基于单像素点分类方法的分类精度低的问题。其实现步骤为：先输入待分类极化SAR图像的相关信息和用现有基于单像素点方法对该极化SAR图像的分类结果，构造类别图；再将类别图分成子类别图，对每幅子类别图构建目标函数，将其通过PSO算法优化获得最优方差，用最优方差构建高斯滤波器；之后对子类别图进行高斯滤波，得到每幅子图的分类结果；最后将每幅子图的分类结果进行合并获得整个待分类极化SAR图像的分类结果。本发明提高了极化SAR地物分类的精度，可用于地物分类与目标识别。
-
公开(公告)号：CN104933439B
公开(公告)日：2018-04-17
申请号：CN201510295546.9
申请日：2015-06-02
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稀疏低秩回归的高光谱图像分类方法，主要解决现有技术对高光谱图像处理速度慢的问题。其实现步骤为：(1)读入高光谱图像数据，并对其进行均值滤波；(2)在滤波后高光谱图像有标签的光谱向量中确定训练样本和测试样本；(3)根据训练样本求得低秩投影矩阵和参数矩阵；(4)根据低秩投影矩阵和参数矩阵求训练样本的嵌入特征矩阵和测试样本的嵌入特征矩阵；(5)利用线性支撑向量机分类器对训练样本的嵌入特征矩阵和测试样本的嵌入特征矩阵进行分类，得到分类图像。本发明具有分类精度高，处理高维数据花费代价小的特点，可用于对高光谱图像的地物区分。
-
公开(公告)号：CN107808143A
公开(公告)日：2018-03-16
申请号：CN201711102008.9
申请日：2017-11-10
Applicant: 西安电子科技大学
CPC classification number: G06K9/00355 , G06K9/6218 , G06K9/6277 , G06N3/0454
Abstract: 本发明公开了一种基于计算机视觉的动态手势识别方法。解决了在复杂背景下手势的动态识别问题。其实现步骤为：采集手势数据集并进行人工标注，对标注的图像集真实框进行聚类获得训练的先验框，构建端到端的可同时预测目标位置、大小和类别的卷积神经网络，训练网络获得权重，加载权重到网络，输入手势图像进行识别，非极大值抑制方法处理获得的位置坐标及所属类别信息，获得最终的识别结果图像，实时记录识别信息获得动态手势解译结果。本发明克服了现有技术中手势识别中手部检测和类别识别分步进行的缺陷，极大的简化了手势识别的过程，提高了识别的准确度和速度，增强了识别系统的鲁棒性，并且实现了对动态手势解译的功能。
-
Patent Agency Ranking
公开(公告)号：CN104463881B
公开(公告)日：2018-03-16
申请号：CN201410770398.7
申请日：2014-12-12
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于光谱反射率邻域差异图和邻域概率融合的多光谱遥感影像变化检测方法，其实现步骤主要包括：1)输入同一地区的已配准的两时相多光谱图像集，对其进行维纳滤波去噪并归一化处理；2)将处理后的图像集转换为相对地物光谱反射率图像集；3)计算光谱反射率变化模值，得到光谱反射率变化模值图；4)计算光谱反射率角值，得到光谱反射率角制图；5)计算光谱反射率的邻域差异值，得到邻域差异图；6)分别对光谱反射率变化模值图、光谱反射率角制图和邻域差异图进行聚类，得到二值图；7)对所得二值图进行基于邻域概率的融合，得到变化检测结果图。本发明无需人工参与，检测精确度高，可用于城区扩展监测、森林和植被变化监测等领域。
-
公开(公告)号：CN104166961B
公开(公告)日：2018-03-16
申请号：CN201410361709.4
申请日：2014-07-28
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种用于图像盲复原的低秩逼近的模糊核估计方法，主要解决如何更加准确的实现图像盲复原方法中模糊核估计的问题，进而复原出理想的图像。其实现步骤为：考虑梯度图像的近邻关系，用自回归(AR)策略改进迭代阈值策略从而估计出一个模糊核；另一方面使用启发式滤波器增强图像边缘信息去估计另一个模糊核；而后，将低秩逼近的策略引入到模糊核的估计过程中去求解出一个更加可靠的模糊核。最后使用一种先进的图像复原方法来复原出清晰地图像。本发明与现有的一些方法相比，具有更高的PSNR，SSIM和FSIM值，在视觉上也有更好的效果不仅有效的去除模糊，保持了更多的细节，而且估计出来的模糊核也更加准确。
-
公开(公告)号：CN105261004B
公开(公告)日：2018-03-06
申请号：CN201510575694.6
申请日：2015-09-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于均值漂移和邻域信息的模糊C均值图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是：(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心；(3)初始化；(4)计算待分割图像中邻域图像块的权值；(5)计算待分割图像中每一个像素点的加权模糊因子权值；(6)聚类迭代；(7)判断是否满足迭代停止条件；(8)产生分割图像。本发明充分利用了图像的邻域信息，使该方法对噪声的鲁棒性更好，图像的分割正确率得到很大提高。
-
公开(公告)号：CN105118025B
公开(公告)日：2018-03-06
申请号：CN201510493934.8
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于软阈值编码的快速图像超分辨方法。其步骤为：(1)输入待处理的低分辨图像；(2)获得待处理的低分辨图像块集；(3)获得高和低分辨训练图像块集；(4)计算高和低分辨字典；(5)获得高分辨图像块集；(6)获得高分辨图像。本发明将软阈值编码引入到图像超分辨领域来，克服了现有技术中采用稀疏表示从而导致的重构时间过程、引入噪声和不必要信息的缺陷，超分辨恢复的图像轮廓更加清晰，更加真实自然。
-
公开(公告)号：CN105005965B
公开(公告)日：2017-11-21
申请号：CN201510494788.0
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于最大期望算法的自然图像超分辨方法。其步骤为：(1)输入低分辨图像；(2)插值图像；(3)获得隐图像；(4)切成隐图像块；(5)获得隐图象块的相似矩阵；(6)获得隐图像块的字典；(7)获得估计图像块的均值和协方差；(8)获得估计图像块的最大后验估计值；(9)获得高分辨图像；(10)计算相对误差；(11)判断是否满足终止条件；(12)更新数据；(13)输出最优的高分辨图像。本发明将最大期望算法引入到自然图像超分辨领域中，获得丰富的恢复图像细节信息，适合在复杂情况下的图像超分辨。
-
-
-
-
-
-
-
-
-
Search Results
1205
records
(took 0.047 seconds)
