-
公开(公告)号：CN103364771B
公开(公告)日：2015-05-27
申请号：CN201310296166.8
申请日：2013-07-14
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明基于空域压缩投影和随机时钟采样的雷达波束形成器，主要解决现有技术成本高，采样要求高，数据存储量大的问题。其包括：空域压缩投影模块(1)、随机时钟采样模块(2)和波束形成模块(3)；空域压缩投影模块(1)对雷达回波信号Z进行空域压缩投影，得到空域压缩投影结果D；随机时钟采样模块(2)对空域压缩投影结果D进行降速率采样，并将每个通道的采样数据和选择的时钟通路传输给波束形成模块(3)；波束形成模块(3)根据每个通道的采样数据和选择的时钟通路，通过矩阵填充算法和稀疏重构算法，得到角度域的稀疏向量sq，再将其累加得到波束形成向量y。本发明降低了成本，降低了采样要求，缩小了数据存储空间，可用于雷达波束形成。
-
公开(公告)号：CN103454637B
公开(公告)日：2015-05-20
申请号：CN201310416221.2
申请日：2013-09-07
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明公开一种基于调频步进频的太赫兹逆合成孔径雷达成像方法，主要解决现有技术中微波波段的逆合成孔径雷达成像的距离分辨率和方位分辨率不高的问题。本发明实现的步骤如下：（1）获取太赫兹脉冲回波信号；（2）脉冲压缩；（3）合成大带宽；（4）加窗修正；（5）距离多普勒成像；（6）获得成像图。本发明利用太赫兹波具有高频率、大带宽的特性，结合调频步进频体制采用合成大带宽的方法实现了高分辨太赫兹逆合成孔径雷达成像。
-
公开(公告)号：CN103974074A
公开(公告)日：2014-08-06
申请号：CN201410160442.2
申请日：2014-04-21
Applicant: 西安电子科技大学宁波信息技术研究院
Abstract: 本发明涉及一种教育视频与幻灯片同步方法，其实现步骤是：（1）教育视频解压；（2）幻灯片格式转换；（3）幻灯片区域定位；（4）幻灯片镜头分割；（5）提取关键帧；（6）幻灯片识别。本发明突出了融合边缘和区域信息，图像的纹理信息和空间信息以及多特征融合，更为有效的描述了同步系统，提高了教育视频与幻灯片同步的准确率。通过本发明提供的方法，能将教育视频内出现的幻灯片信息通过单独的播放窗口进行播放显示，并且播放显示的幻灯片内容与时刻与教育视频内出现的幻灯片的内容和时刻保持同步。
-
公开(公告)号：CN103235295A
公开(公告)日：2013-08-07
申请号：CN201310111620.8
申请日：2013-04-02
Applicant: 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于压缩卡尔曼滤波的小场景雷达目标距离像估计方法，主要解决现有卡尔曼滤波算法在距离像估计中存在计算量大的问题及压缩采样雷达在低信噪比情况下难以获得较高的信噪比输出的问题。其实现过程是：1)对雷达接收到的回波信号进行压缩采样；2)估计压缩采样后噪声的自相关矩阵；3)建立线性近似的降维状态空间模型；4)对状态空间模型进行卡尔曼滤波递推；5)对递推结果进行校正获得距离像估计结果。本发明可消除现有匹配滤波方法存在的主瓣能量扩散问题，提高了距离分辨率，并在低信噪比情况下能获得优于传统压缩采样方法的成像效果，可用于提高压缩采样雷达的散射点信噪比输出。
-
公开(公告)号：CN102800054A
公开(公告)日：2012-11-28
申请号：CN201210218306.5
申请日：2012-06-28
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于稀疏性度量的图像盲去模糊的方法，主要解决现有技术在图像盲去模糊时，对噪声敏感且存在严重的振铃效应的问题。其实现过程为：(1)用现有的方法，获得两种不同的模糊核kf和ks；(2)线性组合这两种不同的模糊核得到一个模糊字典kd＝{k1,k2....k10}；(3)在模糊图像上选取一个有明显边缘的图像块P，用模糊字典kd对图像块P用Lucy-Richardson方法进行预处理，得到预处理的图像块C1,C2,C3...C10；(4)对预处理的图像块C1,C2,C3...C10进行稀疏性测量得到稀疏度S1,S2,S3...S10，并找到最大的稀疏度Smax所对应的图像块Cmax；取出图像块Cmax所对应的模糊元素kmax；(5)利用模糊元素kmax，运用L0-abs算法对模糊图像进行去模糊。本发明在对图像盲去模糊时，能够有效的去除模糊和噪声，尽可能的减少振铃效应，可用于各种模糊图像进行盲去模糊。
-
Patent Agency Ranking
公开(公告)号：CN113808219B
公开(公告)日：2024-05-14
申请号：CN202111117899.1
申请日：2021-09-17
Applicant: 西安电子科技大学
IPC: G06T7/80 , G06T7/246 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的雷达辅助相机标定方法，解决了从雷达点迹到图像目标框转换的技术问题。实现步骤：数据采集形成雷达点迹和图像目标框数据；采集时间对齐；雷达点迹数据形成训练输入数据集；转换后的图像目标框数据形成训练输出数据集；构建并训练深度神经网络模型；获得相机标定函数。本发明利用含有跨层链接的深度神经网络模型将雷达点迹数据转换为图像目标框数据构成标定函数，减小了人为误差和标定过程的额外工作，提高了相机标定的灵活性和效率；计算量小，标定准确率高。用于多传感器融合目标检测，更具体地用在雷达和相机摄像头同时进行目标检测的情况下的相机标定。
-
公开(公告)号：CN112465880A
公开(公告)日：2021-03-09
申请号：CN202011355669.4
申请日：2020-11-26
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种多源异构数据认知融合的目标检测方法，用于解决现有技术中存在的图像中包含被遮挡的目标导致目标检测精度较低的技术问题，实现步骤为：数据预处理；获取训练数据集和测试数据集；构建基于多源异构数据认知融合的目标检测模型H；对基于多源异构数据认知融合的目标检测模型H进行迭代训练；获取目标检测结果。本发明在目标检测网络的基础上，通过融合输入的光学遥感图像和SAR图像、融合提取特征后的光学遥感特征图和SAR特征图、融合光学遥感图像和SAR图像的检测结果，使得目标检测模型既学习到SAR图像的特征，又学习到光学遥感图像的特征，解决了包含被遮挡目标的图像的检测精度较低的技术问题。
-
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。
-
公开(公告)号：CN108282263A
公开(公告)日：2018-07-13
申请号：CN201711345300.3
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于一维深度残差轻量网络的编码调制联合识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建一维深度残差轻量网络模型；(4)训练一维深度残差轻量网络模型；(5)将测试样本集输入到训练好的一维深度残差轻量网络模型中进行测试，获得识别准确率，评估网络性能。本发明是一种通用的无线电信号特征提取方法，具有普适性好、鲁棒性强、识别准确率高、网络参数少、识别信号类型多的优点，可用于实际复杂通讯环境下的无线电信号的编码与调制方式的联合识别。
-
公开(公告)号：CN105405140B
公开(公告)日：2018-07-06
申请号：CN201510770957.9
申请日：2015-11-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于初始素描图的胃部CT图像淋巴结检测系统，该检测系统包括8个功能模块。其中灰度值统计模块对CT图像中像素点的灰度值进行统计；素描线预处理模块对素描线进行预处理；基于素描线的自适应窗口确定模块是提取素描线的自适应窗口；疑似淋巴结图像块序列提取模块是基于素描线和自适应窗口提取图像块序列；基于行列切图的淋巴结检测模块是对图像块序列大于11×11的疑似淋巴结进行跟踪判定；低秩分解模块和质心跟踪模块是对图像块序列不大于11×11的疑似淋巴结进行跟踪判定；素描线标记模块是对跟踪过的疑似淋巴结围成的素描线标记为已处理。本发明利用CT图像的素描信息，提高了淋巴结的检测速度、降低了虚警率，可用于医学图像的处理。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.035 seconds)
