-
公开(公告)号：CN106095773B
公开(公告)日：2019-04-23
申请号：CN201610334077.1
申请日：2016-05-19
Applicant: 西安电子科技大学
IPC: G06F16/51
Abstract: 本发明给出了一种基于最短联合路径的深度图上采样方法，主要解决通过现有技术得到的上采样深度图像中深度边缘模糊和深度掺混问题。其实现步骤为：1.输入高分辨彩色图像和对应的低分辨深度图，将低分辨深度图对应到高分辨网格，得到待填充的高分辨深度图；2.计算欧式距离、颜色差异、梯度差异和边界四个分量，并通过对它们加权定义最短联合路径；3.采用全局遍历搜索算法，找出到每个目标点有最短联合路径的种子点；4.将搜索到的种子点的深度值赋给对应目标点，完成深度图的上采样，得到高分辨的深度图像。本发明能够快速高效的生成边缘清晰的上采样深度图像，在不同放大倍数下上采样结果稳定，可用于2D转3D技术和立体电视。
-
公开(公告)号：CN105913090B
公开(公告)日：2019-03-26
申请号：CN201610230172.7
申请日：2016-04-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SDAE‑SVM的SAR图像目标分类方法。主要解决现有方法中普通堆栈自编码器提取到的SAR图像特征鲁棒性差，softmax分类器微调深度网络分类准确率低的问题。其步骤为：(1)读入数据；(2)分割操作；(3)旋转操作；(4)确定SAR图像的目标切片；(5)目标切片向量化；(6)构建一个四层的初始栈式去噪自编码器SDAE；(7)训练初始栈式去噪自编码器SDAE；(8)微调；(9)计算测试准确率；本发明具有提取得到的SAR图像目标特征鲁棒性高、能够提高SAR图像目标分类正确率的优点。
-
公开(公告)号：CN106203444B
公开(公告)日：2019-02-19
申请号：CN201610512912.6
申请日：2016-07-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于条带波与卷积神经网络的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类精度低的问题。本发明的具体步骤如下：(1)输入极化SAR图像；(2)提取泡利分解特征；(3)构建特征矩阵；(4)选取训练样本和测试样本；(5)构建初始矩阵；(6)初始化卷积神经网络；(7)训练卷积神经网络；(8)测试卷积神经网络；(9)上色；(10)输出分类结果图。本发明与现有技术相比，有效地提高了极化SAR图像的分类精度。
-
公开(公告)号：CN106203489B
公开(公告)日：2019-02-15
申请号：CN201610512915.X
申请日：2016-07-01
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多尺度深度方向波网络的极化SAR图像分类方法，本方法实现步骤为：(1)输入极化SAR图像；(2)提取泡利分解特征；(3)构建训练样本特征矩阵；(4)初始化多尺度深度方向波网络；(5)训练多尺度深度方向波网络；(6)构建测试样本特征矩阵；(7)得到测试样本的类标；(8)计算分类精度；(9)上色；(10)输出上色后的极化SAR图像。本发明将不同尺度的方向波滤波器作为多尺度深度方向波网络的滤波器，对极化SAR图像进行分类，使得本发明具有很好地保留极化SAR图像的方向特征和全局特征的优点。
-
公开(公告)号：CN105913081B
公开(公告)日：2019-01-15
申请号：CN201610217481.0
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于改进的PCAnet的SAR图像分类方法，主要解决了现有技术中合成孔径雷达高分辨SAR图像分类过程中，滤波器初始化低效率，更新学习慢导致的分类计算复杂度高，效率低下的问题。本发明的具体步骤如下：(1)读取数据；(2)切片处理；(3)归一化预处理；(4)提取图像低频成分；(5)训练主成分分析网络PCAnet；(6)获取测试集的特征向量；(7)计算分类准确率；(8)输出分类结果。本发明具有对SAR图像分类分类时间短且分类准确率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN105913073B
公开(公告)日：2019-01-08
申请号：CN201610206108.5
申请日：2016-04-05
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度增量支持向量机的SAR图像目标识别方法。其步骤为：(1)输入SAR图像；(2)图像预处理；(3)构建初始训练集和增量训练集；(4)初始化深度增量支持向量机；(5)计算测试样本的初始识别率；(6)更新深度增量支持向量机；(7)计算测试样本的识别率；本发明结合了增量学习和深度学习的优点，采用深度增量支持向量机对SAR图像进行目标识别，能处理增量训练样本，并且可以获取更具判别性的深层目标信息。本发明具有提高SAR图像目标识别精度，减少训练时间的优点。
-
公开(公告)号：CN105894035B
公开(公告)日：2018-11-30
申请号：CN201610206107.0
申请日：2016-04-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于SAR‑SIFT和DBN的SAR图像分类方法，主要解决了合成孔径雷达图像分类问题。其分类过程为：(1)输入整数类型SAR图像矩阵；(2)转换SAR图像矩阵；(3)提取SAR‑SIFT特征；(4)最大池化处理；(5)归一化；(6)训练四个受限玻耳兹曼机RBM；(7)训练softmax分类器；(8)构建深度置信网DBN网络；(9)分类；(10)计算分类精度。本发明提取了合成孔径雷达图像的SAR‑SIFT特征，采用了深度置信网DBN，逐层地学习特征，保留了雷达图像的信息完整性，挖掘了深度信息，具有良好的分类效果，可用于SAR图像分类。
-
公开(公告)号：CN108776919A
公开(公告)日：2018-11-09
申请号：CN201810550780.5
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于聚类及进化算法构建信息核的物品推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)将用户物品评分矩阵降维；(3)利用聚类算法构建虚拟用户物品评分矩阵；(4)构建并更新用户物品训练矩阵和用户物品优化矩阵；(5)初始化父代种群；(6)交叉变异生成过渡种群；(7)计算信息核个体的推荐精度；(8)生成子代种群；(9)更新父代种群；(10)判断迭代次数是否为100次；(11)完成信息核构建；(12)利用信息核为用户推荐物品。本发明具有构建信息核快，为用户推荐物品更精确的优点。
-
公开(公告)号：CN108764357A
公开(公告)日：2018-11-06
申请号：CN201810550435.1
申请日：2018-05-31
Applicant: 西安电子科技大学
CPC classification number: G06K9/6256 , G06K9/6267 , G06N3/0481 , G06N3/08
Abstract: 本发明公开了一种基于压缩‑激发的聚合残差网络高光谱图像分类方法，主要解决现有方法不能充分利用特征通道的相关性的问题。其方案为：1)对高光谱图像进行归一化和降维的预处理；2)对预处理后的前m个主成分中每个非背景像元选取固定大小的正方形邻域图像块，并将其构建为训练集和测试集；3)构建压缩‑激发的聚合残差网络，并利用训练集进行训练得到训练好的压缩‑激发的聚合残差网络；4)将测试集输入到训练好的压缩‑激发的聚合残差网络获得测试结果。本发明充分利用特征通道的相关性，能提取鲁棒性更强的空谱特征，提高了分类的准确率，可用于农业和环境监视。
-
公开(公告)号：CN108743086A
公开(公告)日：2018-11-06
申请号：CN201810051618.9
申请日：2018-01-19
Applicant: 西安电子科技大学
IPC: A61G5/10
CPC classification number: A61G5/10 , A61G2203/10
Abstract: 一种用于跟踪前方陪护人员目标的智能轮椅控制方法，针对渐冻症患者等残障人士无法直接用手控制轮椅的问题，实现了智能轮椅对前方陪护人员的自动跟随。其实现过程是：将架设在轮椅上的正对前方陪护人员的摄像头获取的彩色图像实时传输给上位机，上位机在检测到开始轮椅跟踪的陪护人员手势图像后，对彩色图像中陪护人员所在的矩形框位置进行跟踪，依据矩形框的位置变化，控制智能轮椅移动，直至上位机检测到结束轮椅跟踪的陪护人员手势图像为止。本发明通过与陪护人员的交互来控制智能轮椅移动，稳定性强，易于操作，方便残障人士出行的同时简化了陪护工作。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.032 seconds)
