-
公开(公告)号：CN104463822A
公开(公告)日：2015-03-25
申请号：CN201410763858.3
申请日：2014-12-11
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于多尺度全局滤波的多聚焦图像融合方法，根据多尺度全局滤波分别对待融合的若干幅多聚焦图像进行多尺度分解，根据融合规则融合分解获得的若干幅多聚焦图像的多尺度子带图像，对融合后的多尺度子带图像进行逆多尺度全局滤波获得最终的融合图像；本发明还公开了一种基于多尺度全局滤波的多聚焦图像融合装置，本发明提高了融合图像的清晰度、信息量等以得到图像质量更好的融合图像。
-
公开(公告)号：CN104200438A
公开(公告)日：2014-12-10
申请号：CN201410453180.9
申请日：2014-09-05
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明提供一种红外图像多级细节增强处理方法，对输入的原始红外图像进行分解，对所述分解后获得的目标自身辐射分量R进行对比度和自适应增强，将增强后的目标自身辐射分量与所述分解后获得的原始外界环境红外辐射的反射分量F合并，获得最终的红外增强图像本发明还提供了一种红外图像多级细节增强处理装置，通过本发明能够提高红外图像的层次性，改善了红外图像的视觉效果，提高了对比度和更加清晰的轮廓。
-
公开(公告)号：CN104185026A
公开(公告)日：2014-12-03
申请号：CN201410452761.0
申请日：2014-09-05
Applicant: 西安电子科技大学
IPC: H04N19/154 , H04N19/625
Abstract: 本发明公开一种随机投影域下相位编码的红外高分辨率成像方法。本发明根据低维随机高斯模板随机压缩图像信号，对所述压缩后获得的随机投影域信号进行随机相位编码，重构所述随机相位编码后获得的压缩编码采样信号，获得原始红外图像；本发明还公开了一种随机投影域下相位编码的红外高分辨率成像装置，通过本发明能够在保证图像重构质量的前提下，显著提高红外图像的分辨率。
-
公开(公告)号：CN114743014B
公开(公告)日：2024-10-18
申请号：CN202210311581.5
申请日：2022-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多头自注意力的激光点云特征提取方法及装置，该方法包括：获取激光雷达的原始点云信息；对原始点云信息进行体素分割，得到深度图；对深度图进行低级特征提取，得到低级特征图；基于级联的自注意力感知网络对低级特征图依次进行多次特征感知，得到高级特征图；将低级特征图和高级特征图进行融合，得到最终的点云特征图。该方法同时兼顾了原始图像的高级特征与低级特征，充分利用了原始点云的三维信息，有效防止了在多层特征提取下丢失低级特征的问题，提高了特征对原始数据的表达能力，进而提升了后续检测精度和效率。
-
公开(公告)号：CN113239744B
公开(公告)日：2024-04-19
申请号：CN202110447914.2
申请日：2021-04-25
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。
-
Patent Agency Ranking
公开(公告)号：CN112991173B
公开(公告)日：2024-04-16
申请号：CN202110268450.9
申请日：2021-03-12
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06F17/15 , G06V10/80 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于双通道特征迁移网络的单帧图像超分辨率重建方法，针对深度超分辨率图像重建网络网络深度增加带来的细节信息丢失、局部感受野对于全局‑局部纹理相似性利用不充分的问题进行网络模型设计，整体网络基于残差机制，使用后置上采样模块对图像进行空间尺度的上采样输出超分辨率重建结果y。本发明能够保持空间重复纹理特征的有效分布，并对出事特征使用残差结构进行复用，有效防止了细节特征在网络前向传递的过程中的消失现象，可显著提升单帧图像超分辨率重建质量。
-
公开(公告)号：CN113096031B
公开(公告)日：2024-02-06
申请号：CN202110286100.5
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种高动态范围红外图像的压缩显示方法，首先对单帧高动态范围红外图像进行灰度值统计，获得原始灰度直方图；然后采用一个S型非线性映射函数对原始灰度直方图进行压缩，获得修正后的新直方图；最后根据所述新直方图确定累积分布函数，并以此进行灰度均衡化重建处理，最终获得低动态范围的红外图像。本发明提供的高动态范围红外图像的压缩显示方法能够在保持原始灰度直方图分布的基础上，有效降低背景灰度的峰值分布，从而使灰度级压缩后的低动态范围红外图像具有良好的视觉效果；在应对复杂的目标场景时，可通过适当调节控制参数来进一步产生满意的低动态范围图像。
-
公开(公告)号：CN117115013A
公开(公告)日：2023-11-24
申请号：CN202310942968.5
申请日：2023-07-28
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06T5/50 , G06T7/10 , G06V10/26 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种用于红外图像非均匀性校正的模型训练方法及校正方法，该训练方法包括：基于同一红外探测器获取训练数据以及黑体定标数据，并根据黑体定标数据得到不同定标温度对应的真实噪声数据；将训练数据输入到非均匀校正网络中进行非均匀性校正，得到全局噪声图像和校正输出图像；将校正输出图像输入到语义分割网络中进行灰度分割，得到若干灰度区域；基于黑体定标数据找到与不同灰度区域对应的定标温度，并对该定标温度下的真实噪声数据按区域进行拼接，得到参考噪声图像；计算非均匀校正网络的损失函数，以对网络参数进行调节，获得训练好的非均匀性校正网络模型。该方法训练的模型能够实现红外图像宽温度段非均匀性噪声的有效去除。
-
公开(公告)号：CN114757825A
公开(公告)日：2022-07-15
申请号：CN202210278772.6
申请日：2022-03-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于特征分离的红外图像超分辨率重建方法，包括：获取待处理图像；对待处理图像进行上采样，得到第一图像；将第一图像输入预先训练好的特征分离网络，得到第一图像的低分低频特征和低分高频特征；根据低分低频特征，确定第一图像的结构图像，并根据低分高频特征，获得第一图像的纹理信息及噪声图像；根据结构图像和纹理信息，超分辨率重建得到第二图像。本发明中特征分离网络能够实现低分辨率图像与高分辨率图像的高低频分离，进而使高频特征能被更好地学习、并针对分离结构图像的特点采用不同的网络进行处理，充分利用输入的多尺度特征，进一步引导图像的细节恢复，提高图像的信息量。
-
公开(公告)号：CN113239744A
公开(公告)日：2021-08-10
申请号：CN202110447914.2
申请日：2021-04-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.027 seconds)
