-
公开(公告)号：CN107392863A
公开(公告)日：2017-11-24
申请号：CN201710522211.5
申请日：2017-06-30
Applicant: 西安电子科技大学
CPC classification number: G06T5/002 , G06K9/6223 , G06T5/50 , G06T2207/10044 , G06T2207/20216 , G06T2207/20221
Abstract: 本发明属于图像处理技术领域，公开了一种基于亲和矩阵融合谱聚类方法的SAR图像变化检测方法，输入同地域不同时间的两幅原始SAR图像，经去噪处理后构造两幅基本差异图Xl和Xm；分别对Xl和Xm进行邻域特征描述得到特征描述矩阵XL和XM；利用相似度度量方法得到特征描述矩阵XL和XM对应的亲和矩阵WL和WM；利用基于亲和矩阵融合的谱聚类方法对亲和矩阵WL和WM进行聚类分析，根据得到的聚类结果，得到变化检测结果。本发明更好的利用了原始图像的细节信息，且具有很好的推广性，有效避免了差异图选取的难题，可用于SAR图像变化信息的分析和标注。
-
公开(公告)号：CN106780552A
公开(公告)日：2017-05-31
申请号：CN201611034560.4
申请日：2016-11-08
Applicant: 西安电子科技大学
IPC: G06T7/246
CPC classification number: G06T2207/10016 , G06T2207/20004 , G06T2207/20081
Abstract: 本发明公开了一种基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，主要解决现有TLD算法中目标发生遮挡导致检测与跟踪误差变大甚至失效的问题。其实现步骤为：1.输入视频图像的第一帧和目标区域，并对目标进行均匀采样得到多个局部区域；2.对每一个局部区域的检测参数和在线模型进行初始化；3.更新检测参数和在线模型；4.读入新的视频帧，对目标的局部区域进行跟踪、检测得到所有局部结果；5.计算更新所有局部区域的权重值；6.对所有局部结果进行聚类，得到目标的跟踪结果；7.对输入的新视频图像重复步骤3～6。本发明能在目标遮挡情况下的有效的检测跟踪到目标，并提高了精度，可用于自动视频监控、智能交通等领域。
-
公开(公告)号：CN104200232B
公开(公告)日：2017-05-17
申请号：CN201410443591.X
申请日：2014-09-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于滑动窗融合的两次稀疏表示的图像处理方法，主要解决现有技术中乳腺肿块检测精确度低的问题，其实现步骤是：(1)读入图像；(2)预处理；(3)提取训练集图像和目标图像的灰度特征；(4)第一次稀疏表示；(5)滑动窗融合；(6)区域生长；(7)提取ROI区域灰度特征；(8)第二次稀疏表示。本发明既可以提高乳腺肿块的检测率，精确的表示出乳腺肿块的方位信息，又可以降低乳腺肿块检测的假阳性率，提高了检测的精确度，本发明可用于从乳腺钼靶X线图像中快速地检测出可疑肿块区域，并且将可疑肿块区域标示出来。
-
公开(公告)号：CN104966054A
公开(公告)日：2015-10-07
申请号：CN201510320098.3
申请日：2015-06-11
Applicant: 西安电子科技大学 , 中国电子科技集团公司第二十七研究所
IPC: G06K9/00
Abstract: 本发明公开了一种无人机可见光图像弱小目标检测方法，主要解决现有技术因形状信息中存在的缩放和旋转而导致目标很难检测的问题。其实现步骤为：(1)输入一帧含有多个人物目标的无人机图像，从中提取两个图像块作为目标模板，每个图像块含有1个人物目标；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果。本发明有效提高了无人机图像中的弱小目标的识别准确率，可用于无人机可见光图像或视频中。
-
公开(公告)号：CN103237363A
公开(公告)日：2013-08-07
申请号：CN201310114194.3
申请日：2013-04-02
Applicant: 西安电子科技大学
IPC: H04W84/18
Abstract: 本发明公开了一种基于模糊移动尺度的认知无线电Ad Hoc网络分簇方法，主要解决认知无线电Ad Hoc网络中现有技术无法综合考虑认知节点移动性以及感知信道的动态调整而导致分簇不稳定的问题。其实现步骤为：1）建立认知无线电Ad Hoc网络场景，选取主用户节点及认知节点的活动模型；2）根据选取的认知节点模型得出认知节点间以及认知节点和主用户节点间的距离期望值；3）根据距离期望定义信道感知函数和运动关系函数，构造模糊统计移动尺度；4）基于模糊移动尺度进行簇头选举以及簇的划分，最终形成稳定的簇结构。实验仿真结果证明，本发明在多项性能指标上均优于现有的分簇方法，可用于认知无线电Ad Hoc网络的分级结构建立、拓扑维护以及网络扩展。
-
Patent Agency Ranking
公开(公告)号：CN102306275A
公开(公告)日：2012-01-04
申请号：CN201110180082.9
申请日：2011-06-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于模糊概念格的视频纹理特征提取方法，主要解决现有方法计算量大、效率低、实时性不高的问题。实现步骤：(1)将视频镜头分割，将分割后的视频镜头分成视频段，并将视频段第一帧作为该视频段的关键帧；(2)将关键帧图像分块，计算图像块的灰度共生矩阵，再基于灰度共生矩阵计算二阶矩、熵等14个纹理特征向量；(3)将关键帧的图像块作为对象集、将图像块的纹理特征向量作为属性集，构成模糊形式背景，构建模糊概念格；(4)由关键帧的模糊概念格生成纹理关联规则；(5)根据关键帧的纹理关联规则，提取所在视频段中所有视频帧的纹理特征。本发明能够快速、准确地提取视频纹理特征，可用于目标识别、视频检索等视频处理领域。
-
公开(公告)号：CN112633330B
公开(公告)日：2024-02-02
申请号：CN202011410671.7
申请日：2020-12-06
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06T7/11 , G06T3/4023 , G06N3/044
Abstract: 本发明属于计算机视觉技术领域，公开了一种点云分割方法、系统、介质、计算机设备、终端及应用，构建基于分层图Transformer的特征提取模块，包括基于图Transformer的特征下采样网络和特征上采样网络；搭建基于分层图Transformer的点云分割网络，使用带有权重的交叉熵损失函数，使用训练集对分层图Transformer点云分割网络进行有监督的训练，每轮训练根据损失值，调整网络参数，得到网络模型；使用训练好的网络模型对测试集中的点云进行预测，得到点云中每个点的分割结果。本发明丰富了点云的初始特征；图Transformer能够有效地提取点云邻域之间的关系；提高了点云分割的精度。
-
公开(公告)号：CN112633078B
公开(公告)日：2024-02-02
申请号：CN202011391675.5
申请日：2020-12-02
Applicant: 西安电子科技大学
Abstract: 本发明属于目标跟踪技术领域，公开了一种目标跟踪自校正方法、系统、介质、设备、终端及应用，选择孪生网络跟踪算法SiamFC++作为基本跟踪算法，通过分类分支与回归分支计算搜索帧与模板帧的相似度，得到模板帧与搜索帧的深度特征相似度图；取出相似度最高的10个目标位置，计算两两之间的欧氏距离，画出距离分布直方图，根据直方图的分布规律判断跟踪是否失效；当判断出发生跟踪失效后，计算前帧目标与当前帧中候选目标间的相似度，取相似度最高的目标为校正后目标；计算跟踪结果与目标真实位置之间的误差，计算准确率，对跟踪结果进行评价。本发明利用深度学习的强大能力，提取目标的深度特征，很大程度提高跟踪的精度。
-
公开(公告)号：CN112633086B
公开(公告)日：2024-01-26
申请号：CN202011427301.4
申请日：2020-12-09
Applicant: 西安电子科技大学
IPC: G06V10/143 , G06V10/26 , G06V20/52 , G06V40/10 , G06V10/82 , G06V10/774 , G06N3/0464 , G06T7/11 , G06T7/136
Abstract: 下的行人活动监测有着重要意义。本发明属于近红外图像行人检测技术领域，公开了一种基于多任务EfficientDet的近红外行人监测方法、系统、介质、设备，利用近红外图像行人检测数据集获得不同场景下的行人活动区域分布；采用EfficientDet‑D0作为基础检测网络，利用EfficientDet‑D0的骨干网络中的P2、P3、P4和P5层构建语义分割分支对行人活动区域进行监测，通过空洞空间金字塔池化和卷积模块注意力增强分割性能；基于上述多任务行人检测模型，通过预测的行人活动区域对行人目标检测
-
公开(公告)号：CN110428441B
公开(公告)日：2023-03-31
申请号：CN201910492896.2
申请日：2019-06-06
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于ICA重构误差水平集的多图协同分割方法，使用ICA重构技术分别提取所有图像初始轮廓联合内部区域和当前图像初始轮廓外部区域的独立分量；然后通过独立分量重构当前图像的内部区域和外部区域；分别计算重构图像内外部区域与真实的内外部区域之间重构误差，用欧式距离度量所有图像内部和外部区域的重构误差并构造水平集形式的能量函数；最后采用变分法最小化该能量函数，驱动每幅图像中初始轮廓演化到目标边界不断迭代，直至分割出一组图像的公共前景。本发明ICA的独立成分是服从非高斯分布，图像中底层和高层语义特征也是服从非高斯分布的，使本发明可以在N幅具有相同或相似目标的图像中有效的分割出目标。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.028 seconds)
