-
公开(公告)号：CN119835440A
公开(公告)日：2025-04-15
申请号：CN202411930385.1
申请日：2024-12-26
Applicant: 西安电子科技大学
IPC: H04N19/573 , H04N19/30 , H04N19/91 , H04N19/42 , H04N19/44 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于嵌入式平台的视频压缩系统与方法，主要解决现有技术压缩效率低、适应性差以及计算量大导致应用受限的问题。方案包括：1)利用公开的视频数据构建样本集；2)由特征提取、运动估计、运动压缩/解压、运动补偿、残差压缩/解压以及特征重建模块构建视频压缩模型并训练；3)通过残差块剪枝对训练后的模型进行微调并做轻量化处理；4)将模型转换为部署平台支持的模型格式；5)将转换后的模型分解为压缩和解压模型，分别部署到两端的嵌入式平台中；6)采集视频并预处理后输入到编码端的压缩模型，得到二进制码流，传输至解码端的解压模型重建得到重构帧。本发明模型复杂度和计算复杂度低，能够在嵌入式设备上部署。
-
公开(公告)号：CN117974524A
公开(公告)日：2024-05-03
申请号：CN202410209728.9
申请日：2024-02-26
Applicant: 西安电子科技大学
IPC: G06T5/90 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Retinex多尺度融合的低光照图像增强方法，主要解决现有方法处理后图像效果不自然及纹理细节被噪声所淹没的问题。包括：1)对初始图像进行预处理，构建训练集；2)构建包含Retinex半解耦网络和自适应交叉融合模块的低光照图像增强网络，由三条支路并行处理提取特征，接着基于双边网格估计分量，通过不同尺度上并行解耦获得多级特征并融合；3)构建由半解耦平滑损失和重建损失组成的联合损失公式；4)利用训练集训练网络，直至收敛；5)将待处理图像输入到训练好的网络中，实现图像增强。本发明能够有效改善低光照图像效果，在亮度提升、色彩恢复上更为自然，同时增加对较暗区域信息恢复的完整性。
-
公开(公告)号：CN109584170B
公开(公告)日：2022-12-27
申请号：CN201811271076.2
申请日：2018-10-29
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种单幅水下图像复原方法，主要解决现有技术在处理水下图像时色偏校正和清晰化处理效果欠佳的问题。其方案是：在Caffe框架下分别构建环境光估计网络和透射率估计网络；获取一组深度图像集J和d(J)，随机生成透射率T和环境光A，合成水下图像集I；将I、A按批量依次循环输入至环境光估计网络进行训练；再将I、T按批量依次循环输入至透射率估计网络进行训练；将待处理的图像Ic输入至完成训练的神经网络，输出环境光Ac和透射率Tc；根据Ac和Tc计算得到清晰图像Jc。本发明提高了图像对比度并能校正色偏，其峰值信噪比、结构相似性和色差公式三个指标均优于现有技术，可用于水下图像的清晰化处理。
-
公开(公告)号：CN115100076A
公开(公告)日：2022-09-23
申请号：CN202210873733.0
申请日：2022-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于上下文感知注意力的低光图像去雾方法，主要解决现有技术模型泛化能力较差且恢复的图像色偏严重和纹理不清晰的问题。其方案是：依据MSBDNet框架，构建基于上下文感知注意力的低光图像去雾网络；将获取的清晰无雾图像集Jt'和清晰低光有雾图像集It'作为训练图像集；构建网络的联合总损失公式；将Jt'、It'按批量大小分别平分为多个配对的图像组，并依次循环输入400次至神经网络完成训练；将需要去雾的图像Ic输入至训练完成的低光去雾神经网络，输出清晰无雾图像Jc。本发明能很好的恢复图像的色调及细节信息，其峰值信噪比和结构相似性两个指标均高于或接近现有技术，可用于低光有雾图像的清晰化处理。
-
公开(公告)号：CN111475979A
公开(公告)日：2020-07-31
申请号：CN202010263492.9
申请日：2020-04-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多GPU多分辨率弹跳射线的声目标强度仿真方法，主要解决现有技术在中央处理单元CPU上以串行方式进行声线管束分裂计算用时长，不利于实时预报的问题。其实现步骤为：1)绘制仿真模型并进行网格剖分；2)对剖分后的模型构建KD树并生成虚拟孔径面和声线管束的角顶射线；3)对角顶射线进行追踪，若声线管束的四个角顶射线没有与同一个三角面元相交，则并行进行声线管束分裂，直至分裂次数达到设定的阈值，再进行散射声场积分；4)将每次的散射声场积分结果累加，计算声目标强度。本发明减少了仿真计算量，提高了声目标强度仿真速度，能满足实际工程需求，可用于在多GPU平台上对声目标强度进行实时仿真。
-
Patent Agency Ranking
公开(公告)号：CN111126359A
公开(公告)日：2020-05-08
申请号：CN202010143805.7
申请日：2020-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自编码器与YOLO算法的高清图像小目标检测方法，主要解决现有技术对高清图像小目标检测其准确率和速度不可兼顾的问题。实现步骤为：1)采集高清图像并标注，获得训练集和测试集；2)对标注好的训练集进行数据扩充；3)根据标注信息生成对应的Mask数据；4)搭建自编码器模型；5)使用训练集对其训练；6)将训练好的自编码器的编码网络与YOLO-V3检测网络拼接，得到混合网络并使用训练集对其训练；7)使用训练好的混合网络在测试集上进行目标检测。本发明减少了目标检测的计算量，提高了检测速度，并在保证检测速度的情况下提高了高清图像中小目标的检测精度，可用于无人机航拍图像的目标识别。
-
公开(公告)号：CN110109470A
公开(公告)日：2019-08-09
申请号：CN201910281474.0
申请日：2019-04-09
Applicant: 西安电子科技大学
IPC: G05D1/08
Abstract: 本发明属于卫星姿态确定技术领域，公开了一种基于无迹卡尔曼滤波的联合定姿方法、卫星姿态控制系统；基于UKF的星敏感器和陀螺联合定姿算法，构建微分形式非线性状态方程，并采用四阶龙格-库塔积分法求解状态变量的时间更新，避免了非线性微分状态方程的离散化过程；利用UKF算法对星敏感器四元数和陀螺角速度进行滤波修正。本发明通过四阶龙格-库塔积分法进行时间更新，利用四元数乘性误差计算加权均值与协方差，采用无迹卡尔曼滤波算法，引入星敏感器的观测值进行滤波更新，最后利用估计误差四元数对姿态数据进行修正。在姿态敏感器测量误差较大时具有良好的定姿性能，较基于扩展卡尔曼滤波的定姿算法有更高的估计精度。
-
公开(公告)号：CN106023091B
公开(公告)日：2019-05-24
申请号：CN201610255815.3
申请日：2016-04-22
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图形处理器的图像实时去雾方法，主要解决现有技术中采用计算机中央处理器CPU处理速度慢，不适合对高分辨率图像进行实时去雾的缺点。其实现步骤为：1.初始化计算机，并输入有雾图像并读取图像数据；2.计算输入雾图的暗通道图；3.根据暗通道图计算大气光值；4.计算输入雾图的初始透射率图；5.对初始透射率图进行引导滤波得到最终透射率图；6.根据最终透射率图对景物进行复原，输出清晰无雾图像。本发明能保证良好的去雾效果，且处理速度快，满足1080p图像的实时去雾要求，可用于对高分辨率图像的实时去雾处理。
-
公开(公告)号：CN109218726A
公开(公告)日：2019-01-15
申请号：CN201811296423.7
申请日：2018-11-01
Applicant: 西安电子科技大学
IPC: H04N19/124 , H04N19/182 , H04N19/50 , H04N19/85
Abstract: 本发明公开了一种激光诱导击穿光谱图像有损无损联合压缩方法，主要解决现有技术不能对一幅图像同时进行有损无损联合压缩的问题。其实现方案是：1)提供图像数据与参数；2)判断当前像素是否在无损区域；3)分别进行无损和有损关键变量初始化；4)分别计算无损和有损的局部梯度量化值并对其进行合并；5)计算无损和有损的修正预测值及预测误差，并对预测误差进行编码；6)更新无损和有损累积变量组；7)根据迭代条件判断是否结束压缩。本发明不仅能保证图像的部分关键区域信息安全无损，而且整幅图能达到一定的压缩倍数，减少需要传输的数据量，且实现简单，压缩复杂度低，压缩速度快，在低倍压缩时压缩质量更高，可用于图像传输。
-
公开(公告)号：CN108225337A
公开(公告)日：2018-06-29
申请号：CN201711466040.5
申请日：2017-12-28
Applicant: 西安电子科技大学
IPC: G01C21/24
Abstract: 本发明公开了一种基于SR‑UKF滤波的星敏感器和陀螺组合定姿方法，属于测绘卫星或其他航天器的高精度组合定姿技术领域。目的是提出一种基于SR‑UKF滤波的星敏感器/陀螺组合定姿方法，将SR‑UKF滤波算法用于星敏和陀螺组合定姿，对于现如今传统的EKF滤波方法有较大提升。所述方法具体包括：步骤1仿真出星敏感器四元数和陀螺的角速度；步骤2以误差四元数及陀螺随机漂移误差为状态变量，利用SR‑UKF算法融合处理星敏感器和陀螺的姿态信息进行滤波处理，并进行反馈，通过迭代滤波处理尽量消除星敏感器和陀螺的误差影响，求解高精度的姿态信息。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.035 seconds)
