-
公开(公告)号：CN107392155A
公开(公告)日：2017-11-24
申请号：CN201710611425.X
申请日：2017-07-25
Applicant: 西安电子科技大学
CPC classification number: G06K9/00409 , G06K9/6249 , G06K9/6256 , G06K9/6267 , G06K9/6828 , G06K2009/6864
Abstract: 本发明提出了一种基于多目标优化的稀疏受限玻尔兹曼机的手写体识别方法，用于解决现有技术中存在的识别误差率高的技术问题。实现步骤为：获取归一化训练集和测试集；设定稀疏受限玻尔兹曼机的优化迭代停止次数；对稀疏受限玻尔兹曼机进行优化；选取数据集；利用多目标算法优化稀疏受限玻尔兹曼机，获取参数集；对稀疏受限玻尔兹曼机参数集进行更新；获取归一化训练集的输出；利用归一化训练集的输出对分类器进行训练；判断是否达到优化迭代停止次数；对归一化测试集进行预测分类，获得分类标签。本发明的识别误差率低，可用于手写体识别等图像识别。
-
公开(公告)号：CN107392130A
公开(公告)日：2017-11-24
申请号：CN201710572115.1
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于阈值自适应和卷积神经网络的多光谱图像分类方法，输入待分类卫星的多光谱不同时相、不同波段的图像，将所有城市的同一波段图像有标记的部分的所有像元归一化；挑选出的9个波段堆叠成一幅图像作为训练数据集；构造基于卷积神经网络的分类模型，使用训练数据集对分类模型训练，得到一个基于OSM的概率模型，使用该模型与置信度策略对softmax输出结果进行调整，得到最终的分类模型，最后将测试结果上传至IEEE网站得到分类准确率。本发明提供的多光谱图像分类方法，充分利用了多光谱图像波段多、数据量大、信息冗余多的特性，解决了难以对复杂类型的地物进行分类的问题，不仅能够提高分类准确率、减少错分率，还可以提高分类速度。
-
公开(公告)号：CN107358205A
公开(公告)日：2017-11-17
申请号：CN201710572138.2
申请日：2017-07-13
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/4671 , G06K9/6257 , G06K9/628
Abstract: 本发明公开了一种基于NSCT DBN的极化SAR影像变化检测方法，输入两幅待检测的两时相极化SAR影像，进行预处理并对预处理后的两幅极化SAR影像提取相干极化矩阵的对角线元素，归一化特征矩阵构成基于图像块的特征矩阵，得到训练数据集和测试数据集，构造基于NSCT DBN的检测模型，用构造的数据集对分类模型进行训练，利用训练好的分类模型对待检测图像进行检测。本发明构造了一种新的NSCT DBN网络模型，以学习更好的深层特征，最终实现变化检测，该方法有效的实现了极化SAR影像变化检测，并使结果更加清晰，从而提高检测精度。
-
公开(公告)号：CN107358192A
公开(公告)日：2017-11-17
申请号：CN201710551722.X
申请日：2017-07-07
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6256 , G06N3/08
Abstract: 本发明公开了一种基于多尺度深度残差网的极化SAR影像分类方法，主要解决现有的图像特征损失强烈使得分类精度低的问题，其方案是输入待分类的极化SAR图像，对极化散射矩阵S进行Pauli分解，得到奇次散射、偶次散射、体散射系数，用这3个系数作为极化SAR图像的3维图像特征，构成基于像素点的特征矩阵F；本发明在深度残差网中加入多尺度Curvelet变换层更好的提取了极化SAR图像的尺度、位置和角度信息，更好的保留了图像中存在的边缘，有效去除极化SAR图像中的噪声，结合深度残差网可以完备学习特征的特性，增强了模型的泛化能力，使得在训练样本较少的情况下仍可以达到很高的分类精度，同时在视觉效果上也取得了更好的效果。
-
公开(公告)号：CN107341510A
公开(公告)日：2017-11-10
申请号：CN201710543060.1
申请日：2017-07-05
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种基于稀疏正交的双图非负矩阵分解的图像聚类方法，用于解决现有方法中存在的图像聚类准确度低和速度慢的技术问题。实现步骤为：输入图像数据；计算数据空间相似度矩阵和特征空间相似度矩阵；计算数据空间相似度对角矩阵和特征空间相似度对角矩阵；获取标签约束矩阵；定义并初始化三个稀疏正交的双图非负矩阵分解因子矩阵；设置迭代次数；获取三个稀疏正交的双图非负矩阵分解因子矩阵的更新公式和标签约束矩阵更新公式；定义系数对角矩阵更新公式；对三个稀疏正交的双图非负矩阵分解因子矩阵、标签约束矩阵和系数对角矩阵进行更新；定义并计算低维数据表示矩阵；图像聚类并输出。本发明可用于文本、图像聚类和人脸识别等实际应用。
-
Patent Agency Ranking
公开(公告)号：CN104376585B
公开(公告)日：2017-10-24
申请号：CN201410673384.3
申请日：2014-11-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于图像块结构属性策略的非凸压缩感知图像重构方法，主要解决现有技术的重构速度慢、准确度低的问题，其实现步骤是：1.对图像分块观测,并对观测向量进行局部相似性聚类；2.对每类观测向量对应的图像块，判断其结构属性及结构属性的一致性，并对结构属性不一致的图像块重新聚类；3.对每类观测向量对应的光滑图像块,使用字典前5个尺度的优化遗传算法进行重构，对非光滑图像块，先得到字典方向上的最优原子组合，再进行学习尺度和位移上的最优原子组合，重构出非光滑块；4.把所有重构出的图像块按顺序拼一起得到整个重构图像。本发明具有重构速度快，重构出的图像视觉效果好、峰值信噪比高的优点。
-
公开(公告)号：CN107273938A
公开(公告)日：2017-10-20
申请号：CN201710571057.0
申请日：2017-07-13
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于双通道卷积阶梯网的多源遥感影像地物分类方法，将landsat-8传感器和sentinel-2传感器得到的待分类地区的多光谱数据分别使用ENVI软件进行归一化处理，得到归一化后的多光谱数据；对归一化后的数据取每个元素取周围28×28的块代表原来的元素值，构成基于图像块的特征矩阵；每类随机选取若干块组成训练数据集L和S；构造基于双通道卷积阶梯网的多源遥感影像地物分类模型；用训练数据集L和S对双通道卷积阶梯网多源遥感影像地物分类模型进行训练；利用训练好的双通道卷积阶梯网多源遥感影像地物分类模型对测试数据集进行分类。本发明仅使用少量有类标样本就获得了很高的多源影像分类精度，本发明可用于目标检测。
-
公开(公告)号：CN107239797A
公开(公告)日：2017-10-10
申请号：CN201710369376.3
申请日：2017-05-23
Applicant: 西安电子科技大学
CPC classification number: G06K9/6277 , G06K9/6256 , G06K9/66 , G06N3/084
Abstract: 本发明公开了基于全卷积神经网络的极化SAR地物分类方法，对待分类极化散射矩阵S进行Pauli分解，得到奇次散射系数、偶次散射系数和体散射系数，将奇次散射系数、偶次散射系数和体散射系数作为极化SAR图像的三维图像特征F；再将得到的三维图像特征矩阵F转化成RGB图F1；再在RGB图F1上随机选取m×n的像素块作为训练样本，整张RGB图F1作为测试样本；再构造全卷积神经网络模型；再通过全卷积神经网络训练训练样本，得到训练好的模型；再通过训练好的模型对测试集进行分类，得到分类结果。本发明的方法能够解决现有技术时间效率低的问题，在保证分类精度较高的情况下，缩短了运行时间。
-
公开(公告)号：CN107239751A
公开(公告)日：2017-10-10
申请号：CN201710364900.8
申请日：2017-05-22
Applicant: 西安电子科技大学
Abstract: 一种基于非下采样轮廓波全卷积网络的高分辨SAR图像分类方法，包括输入待分类的高分辨SAR图像，对图像中的各像素点进行多层非下采样轮廓波变换，获取各像素点的低频系数和高频系数；将低频系数和高频系数选择并融合，构成基于像素点的特征矩阵F；将特征矩阵F中的元素值归一化，得到归一化特征矩阵F1；将归一化特征矩阵F1切块，得到特征块矩阵F2并作为样本数据；构造训练数据集特征矩阵W1和测试数据集特征矩阵W2；构造基于全卷积神经网络的分类模型；训练分类模型；利用训练好的模型对测试数据集T分类，得到测试数据集T中每个像素点的类别，将得到的每个像素点类别与类标图对比，计算出分类准确率，提高了分类精度和速度。
-
公开(公告)号：CN104346814B
公开(公告)日：2017-09-26
申请号：CN201410667779.2
申请日：2014-11-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于层次视觉语义的SAR图像分割方法，主要解决现有技术很难保持区域一致性及边界、线目标定位不精确的问题。其实现步骤为：1.根据SAR图像的素描图，提取SAR图像的区域图，构建层次视觉语义；2.根据区域图将SAR图像划分为聚集、结构和匀质区域；3.对聚集区域进行分割；4.对结构区域法进行分割；5.在结构区域中设计视觉语义规则定位线目标；6.对匀质区域进行分割；7.将聚集、结构、匀质区域和线目标的分割结果合并得到最终分割结果。本发明保持了SAR图像中区域的一致性，提高了边界和线目标的定位精度，实现了SAR图像良好的分割效果，可用于后续的目标分类、识别和跟踪。
-
-
-
-
-
-
-
-
-
Search Results
637
records
(took 0.042 seconds)
