-
公开(公告)号：CN111967503A
公开(公告)日：2020-11-20
申请号：CN202010721898.7
申请日：2020-07-24
Applicant: 西安电子科技大学
IPC: G06K9/62 , G06N3/12 , G06F16/955
Abstract: 本发明公开了一种多类型异常网页分类模型的构建方法、异常网页检测方法，其中，多类型异常网页分类模型的构建包括：将不同类型的异常网页分类，并根据不同类型的网页的攻击意图和手段选择相应的属性，并通过SVM-RFE选取最合适的最优属性，并将每个属性在朴素贝叶斯上的精确度为特征有效度，并将其引入SVM中，设计出一种具有特征有效度的支持向量机，将选取的特征在含有特征有效度支持向量机中训练得到多类型异常网页分类模型。其中，异常网页检测方法包括；将提交的URL提取异常特征，并进行标准化处理，然后调用本发明的多类型异常网页分类模型进行检测。
-
公开(公告)号：CN110414343A
公开(公告)日：2019-11-05
申请号：CN201910548776.X
申请日：2019-06-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种在轨卫星遥感图像舰船检测方法。所公开的方法利用超像素在保证目标完整性的前提下对高分辨率遥感图像进行分割并实现目标预定位，在预定位区域利用局部特征和可变阈值近邻校验实现目标检测的算法。在星载平台性能约束和实时性要求下，本发明算法运行效率可以满足星载平台实时检测要求，可以准确检测高分辨率遥感图像中的大型舰船目标。
-
公开(公告)号：CN110378236A
公开(公告)日：2019-10-25
申请号：CN201910537407.0
申请日：2019-06-20
Applicant: 西安电子科技大学
Abstract: 本发明属于计算机视觉技术领域，涉及一种基于深度学习的车辆身份识别模型构建、识别方法和系统。首先，本发明利用大规模道路监控图片进行车辆检测的模型训练，训练采用多损失函数分阶段联合训练策略。然后，对检测出的车脸图像进行部件提取，并根据车脸部件提取情况利用特征提取与融合网络或普通分类网络进行分类。最后，利用多任务网络提取并过滤车脸的身份特征向量，将待分析图像特征与车辆信息库内图像的特征向量进行相似性度量，得到车辆身份识别结果。本发明提出的深度学习网络框架能够针对需求，提升网络模型的在不同方面的特征提取能力，从而实现最佳的模型表述能力，方便提取具有显著区分度的识别特征向量。
-
公开(公告)号：CN103927730B
公开(公告)日：2017-05-24
申请号：CN201410029812.9
申请日：2014-01-22
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明涉及基于PrimalSketch修正及矩阵填充的图像降噪方法，至少包括：步骤101：采用PrimalSketch模型获取加噪图像I1的素描图P；步骤102：提出两阶段素描线修正规则并修正素描图P，对修正后的素描图P2中每个素描线段上的素描点沿其所在素描线段的方向设计方向窗口，得到区域图。将图像I1按照区域图映射为结构区域E1和非结构区域E2；步骤103：同时利用图像块方差统计的方法将图像I1划分为光滑区域E3与非光滑区域E4；步骤104：将与非结构区域E2重叠的光滑区域和非光滑区域分别记为光滑区域E23和非光滑区域E24；步骤105：对E1和E24采用基于矩阵填充的图像降噪方法进行降噪处理，而E23采用非局部均值方法降噪处理；步骤106：合并E1、E23及E24的降噪结果，得到图像I1最终的降噪结果图。
-
公开(公告)号：CN103955913B
公开(公告)日：2017-03-29
申请号：CN201410054795.4
申请日：2014-02-18
Applicant: 西安电子科技大学
IPC: G06T7/136
Abstract: 本发明公开一种基于线段灰度共生特征和区域图的SAR图像分割方法，主要包括：根据初始素描模型提取SAR图像的素描图，根据线段灰度共生矩阵将线段分成两类W1和W2；依据线段分类结果和线段空间近邻的聚集性分析提取SAR图像的区域图；依据区域图将SAR图像映射成聚集区域，非聚集区域和无线段区域；使用分水岭方法将SAR图像过分割；对SAR图像三个区域分别采用不同合并策略进行合并，再整合三个区域的合并结果；使用AP聚类对划分区域进行类标确定，最终得到SAR图像分割结果。本发明能够有效地解决因SAR特殊成像机制造成地物聚集区域在SAR图像呈现有统计规律的明暗灰度变化导致同类区域被分成多类的问题。
-
Patent Agency Ranking
公开(公告)号：CN103839261B
公开(公告)日：2017-01-25
申请号：CN201410055002.0
申请日：2014-02-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分解进化多目标优化和FCM的SAR图像分割方法，主要解决现有图像分割技术中图像分割精度不高、评价指标单一、分割效果不理想的问题。本发明提取图像每个像素的Gabor特征和灰度共生特征并利用分水岭粗分割得到超像素，将超像素特征作为待聚类数据，把聚类中心作为种群个体，利用分解进化多目标的方法优化种群，将进化之后的种群作为聚类中心来初始化FCM算法，得到新的聚类中心，将此聚类中心作为新的种群参与分解进化多目标算法的下一次进化。该方法交叉运用了分解进化多目标算法和FCM算法来得到较好的聚类中心，克服了FCM初始值敏感和容易陷入局部最优解的缺陷，能得到较好的图像分割结果。
-
公开(公告)号：CN103914817B
公开(公告)日：2017-01-04
申请号：CN201410077181.8
申请日：2014-03-04
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明提供了一种基于区域划分和插值的多光谱和全色图像融合方法，实现过程是1)提取高分辨率全色图像的Primal Sketch图；2）构造几何模版；3）得到划分高分辨率全色图像为结构区域和非结构区域的区域映射图；4）得到划分结构区域、纹理区域和光滑区域的区域映射图；5）得到图像大小和高分辨率全色图像相同大小的初始的多光谱图像；6）将初始的多光谱图像划分为结构区域、纹理区域和光滑区域；7）得到预测的多光谱图像；8）完成对预测的多光谱图像上的每一个像素点的灰度值的计算，得到融合图像。本发明解决了融合图像中光谱信息失真或者空间分辨率不足的缺点，提高了融合图像的质量。
-
公开(公告)号：CN104036491B
公开(公告)日：2016-09-14
申请号：CN201410203157.4
申请日：2014-05-14
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明属图像处理技术领域，提供了一种基于区域划分和自适应多项式隐模型的SAR图像分割方法。步骤为：1.利用基于SAR图像的含乘性相干斑噪声模型的初始素描图获取方法，提取SAR图像素描图；2.根据区域图，将SAR图像划分为像素空间的非结构区域和结构区域；3.根据基于规则推理的语义信息，将像素空间的结构区域划分为边界区域和非边界区域；4.对像素空间的非结构区域建立多层次多项式隐模型的图像分割方法；5.对像素空间的结构区域提出基于几何结构窗和基于方形窗的单层多项式隐模型的图像分割方法；6.合并不同区域分割结果，得到所需分割结果。本发明实现了高分辨SAR图像良好的分割效果，可用于高分辨SAR图像分割。
-
公开(公告)号：CN104103042A
公开(公告)日：2014-10-15
申请号：CN201410048573.1
申请日：2014-02-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于局部相似性和局部选择的压缩感知图像重构方法，包括：（1）对图像其进行分块后观测和接收；（2）采用局部生长的方法对所有图像块的观测向量进行聚类；（3）对每一类观测向量对应的图像块按多原子方向和单原子方向并存的方案初始化种群；（4）使用改进的遗传算法对步骤（3）中的种群进行交叉、变异和基于局部选择机制的选择操作，重构对应的图像块，得到最优的原子组合；（5）再利用克隆选择优化算法学习出尺度和位移上最优的原子组合；（6）将步骤（5）中得到的图像块按序拼在一起得到整幅重构图像，输出整幅重构图像。本发明重构出的图像视觉效果好、峰值信噪比高，可用于低采样率下图像信号的非凸压缩感知重构。
-
公开(公告)号：CN103955913A
公开(公告)日：2014-07-30
申请号：CN201410054795.4
申请日：2014-02-18
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开一种基于线段灰度共生特征和区域图的SAR图像分割方法，主要包括：根据初始素描模型提取SAR图像的素描图，根据线段灰度共生矩阵将线段分成两类W1和W2；依据线段分类结果和线段空间近邻的聚集性分析提取SAR图像的区域图；依据区域图将SAR图像映射成聚集区域，非聚集区域和无线段区域；使用分水岭方法将SAR图像过分割；对SAR图像三个区域分别采用不同合并策略进行合并，再整合三个区域的合并结果；使用AP聚类对划分区域进行类标确定，最终得到SAR图像分割结果。本发明能够有效地解决因SAR特殊成像机制造成地物聚集区域在SAR图像呈现有统计规律的明暗灰度变化导致同类区域被分成多类的问题。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.027 seconds)
