-
公开(公告)号：CN107527054B
公开(公告)日：2019-12-24
申请号：CN201710844379.8
申请日：2017-09-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多视角融合的前景自动提取方法，用于解决现有基于图切割的前景提取方法中，提取过程比较繁琐和提取的前景边缘不精确的技术问题。本发明首先对SVM分类器进行训练，然后对待提取图像进行灰度化，得到灰度图像，通过训练的SVM分类器，在灰度图像中检测包含前景的子图像，并将子图像在待提取图像中的位置坐标，作为GrabCut算法的输入，对待提取图像进行前景提取，得到待提取图像的像素视角下的提取结果，以SLIC算法对待提取图像生成超像素图像，通过融合超像素图像和像素视角下的提取结果，得到待提取图像的精确的前景提取结果。本发明可用于立体视觉、图像语义识别，三维重建、图像搜索等的应用与研究。
-
公开(公告)号：CN107240138B
公开(公告)日：2019-07-23
申请号：CN201710378830.1
申请日：2017-05-25
Applicant: 西安电子科技大学
IPC: G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
Abstract: 本发明提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明压缩重构图像的PSNR指标和主观视觉评价高。
-
公开(公告)号：CN105069471B
公开(公告)日：2018-08-28
申请号：CN201510464620.5
申请日：2015-07-31
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于模糊标签的高光谱数据子空间投影和分类方法，主要解决高光谱图像中由于混合像元和噪声引起地物错分和数据判别性差的问题。其步骤为：1.将遥感数据库样本集划分为训练样本和标记样本集；2.计算由子空间投影后的标记样本集生成的判别项；3.构造由训练样本的模糊标签确定的拉普拉斯正则项；4.通过最大化判别项和正则项之差获取最优投影矩阵和模糊标签，以实现有效降维的同时，实现高精度的分类。本发明采用判别子空间投影的方法来构造判别项，将数据投影到低维空间，增强数据的判别性能，进而引入模糊标签来构造拉普拉斯正则，解决了混合像元带来的错分问题，在实现降维的同时，实现高精度的分类。
-
公开(公告)号：CN107169945A
公开(公告)日：2017-09-15
申请号：CN201710278782.9
申请日：2017-04-25
Applicant: 西安电子科技大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/10041 , G06T2207/20221
Abstract: 本发明公开了一种基于稀疏张量和多视图特征的遥感图像融合方法，其实现步骤为：(1)输入待融合图像。(2)获得低通系数和带通系数。(3)获得图像边缘特征。(4)构成图像多视图特征。(5)计算特征接近度。(6)构成多模字典。(7)张量稀疏表示。(8)融合系数。(9)逆变换后输出融合后图像。本发明利用了低分辨多光谱图像多视图特征矩阵和全色图像多视图特征矩阵和张量基追踪方法对融合后图像空谱信息进行增强，提高了融合图像的清晰度并光谱扭曲，克服了现有图像融合技术处理视角过于单一和欠缺对于多光谱图像谱间关系考虑的缺点。
-
公开(公告)号：CN109948527A
公开(公告)日：2019-06-28
申请号：CN201910205485.0
申请日：2019-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
-
Patent Agency Ranking
公开(公告)号：CN107169945B
公开(公告)日：2019-06-21
申请号：CN201710278782.9
申请日：2017-04-25
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于稀疏张量和多视图特征的遥感图像融合方法，其实现步骤为：(1)输入待融合图像。(2)获得低通系数和带通系数。(3)获得图像边缘特征。(4)构成图像多视图特征。(5)计算特征接近度。(6)构成多模字典。(7)张量稀疏表示。(8)融合系数。(9)逆变换后输出融合后图像。本发明利用了低分辨多光谱图像多视图特征矩阵和全色图像多视图特征矩阵和张量基追踪方法对融合后图像空谱信息进行增强，提高了融合图像的清晰度并光谱扭曲，克服了现有图像融合技术处理视角过于单一和欠缺对于多光谱图像谱间关系考虑的缺点。
-
公开(公告)号：CN105160351B
公开(公告)日：2018-11-23
申请号：CN201510493200.X
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于锚点稀疏图的半监督高光谱分类方法，主要解决现有技术在构图时计算量与存储量大的问题。其步骤为：1.从高光谱数据集中得到训练数据集和标记样本集；2.随机选取锚点；3.构造样本点与锚点的稀疏空谱关系矩阵；4.计算图拉普拉斯矩阵；5.计算锚点的标签；6.根据求解得到的锚点标签以及稀疏空谱关系矩阵获得未标记样本点的类别。本发明在构图过程中选取少量锚点，根据样本与锚点的空间和谱间关系，构造稀疏空谱关系矩阵，大大减少了构图时的复杂度，缩短了计算的时间。本发明可以用于高光谱数据的分类识别。
-
-
公开(公告)号：CN106971402A
公开(公告)日：2017-07-21
申请号：CN201710267557.5
申请日：2017-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于光学辅助的SAR图像变化检测方法，属于图像处理技术领域，主要解决SAR图像噪声影响大，分辨率不高，分类不精确的问题。其过程为：用两幅不同时刻的SAR图像构造差异图，应用FCM将像素分为严变、严不变与中间3类。根据每个像素邻域的严变、严不变像素个数，及光学图像各通道拉成列，作为辅助特征，进行聚类，有效克服了SAR图像分类方法杂点过多的缺陷。本发明具有噪声小，分类精确的优点，有助于后续的分类。
-
公开(公告)号：CN105550687A
公开(公告)日：2016-05-04
申请号：CN201510873318.5
申请日：2015-12-02
Applicant: 西安电子科技大学
CPC classification number: G06K9/4652 , G06K9/4671 , G06K9/629 , G06K9/66
Abstract: 本发明公开了一种RGB-D图像多通道融合特征提取方法。其步骤为：(1)使用Kinect获取数据，将用于训练的RGB-D图像分为彩色可见光，彩色深度，灰度深度三个通道。(2)分别对每个通道内图像数据进行分块，零均值化和白化操作。(3)对每个通道数据依次训练第一层和第二层独立子空间ISA网络。(4)利用RGB-D图像的三通道特征构造融合空间。(5)利用训练好的ISA网络提取三个通道的特征(6)利用构造好的融合空间得到RGB-D图像的多通道融合特征。本发明可以用于互联网和安防等行业中对人体姿态，动作和行为的识别。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.043 seconds)
