-
公开(公告)号：CN117196982A
公开(公告)日：2023-12-08
申请号：CN202311160895.0
申请日：2023-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种利用频域特性的自适应低照度图像增强方法，包括：将低照度图像分解为照度图和反射图；基于频域特性的自适应照度调整方法对照度图进行自适应的照度调整，得到调整后的照度图；基于噪声在图像上分布的独立性，对所述调整后的照度图进行噪声抑制，得到噪声抑制后的照度图；基于噪声在图像上分布的独立性，对所述反射图进行噪声抑制，得到噪声抑制后的反射图；对所述噪声抑制后的照度图和所述噪声抑制后的照度图进行融合，得到增强后的低照度图像。本发明的方法实现图像照度的自适应调整，同时对图像细节进行全局增强，从而提高增强后图像的整体质量，实现高效的图像增强效果。
-
公开(公告)号：CN112435177B
公开(公告)日：2023-12-08
申请号：CN202011242885.8
申请日：2020-11-10
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
-
公开(公告)号：CN116957989A
公开(公告)日：2023-10-27
申请号：CN202311159657.8
申请日：2023-09-08
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06T5/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于多级小波循环生成对抗的非配对红外图像去条纹方法，包括：将具有条纹噪声的原始红外图像输入至训练好的红外图像去条纹模型，得到无条纹红外图像；红外图像去条纹模型是在由多级小波引导重建模块的输出结果确定的总损失函数的约束下，根据真实红外图像训练的。根据本发明提供的方法，通过将红外图像输入至根据对真实条纹红外图像和真实无条纹红外图像进行循环生成，学习到红外图像真实非均匀性噪声，并在由多级小波引导重建模块的输出结果确定的总损失函数的约束下训练的红外图像去条纹模型，得到无条纹红外图像；能够减弱无条纹红外图像中的噪声，增强去除红外图像中条纹噪声的效果。
-
公开(公告)号：CN112667080B
公开(公告)日：2023-05-23
申请号：CN202011578500.5
申请日：2020-12-28
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积对抗网络的脑电信号无人平台智能控制方法，终端对采集的脑电信号进行噪声去除，获得去噪后的脑电信号；通过胶囊网络对所述去噪后的脑电信号进行深层特征提取，获得深层特征信号；融合所述深层特征信号和脑电信号后进行分类识别，确定相应的控制指令信号；所述终端对无人平台分别进行离线和在线试验验证，验证成功后，所述无人平台接收并且执行所述终端发送的控制指令信号。本发明利用已有噪声数据集合成一维脑电信号训练网络，简化数学模型并解决了噪声训练数据不足问题，利用自编码器架构重建一维预测信号，注意力机制进行特征选择，提高了计算效率。
-
公开(公告)号：CN115437406A
公开(公告)日：2022-12-06
申请号：CN202211130234.9
申请日：2022-09-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强化学习算法的飞行器再入跟踪制导方法，用于解决现有技术中对系统模型依赖性较大和适应性及制导性能差的问题。其实现方案为建立半速度坐标系下飞行器再入连续最优控制问题；将飞行器再入连续最优控制问题转化为序列凸最优控制问题；将序列凸最优控制问题转化为序列二阶锥规划问题；对序列二阶锥规划问题进行求解，获取飞行器最优倾侧角；对最优倾侧角轨迹采样得到参考轨迹训练数据集；构建神经网络和奖励函数；利用训练数据集对神经网络进行离线训练，直到累计奖励收敛到最大值，得到制导网络；通过制导网络在线获取飞行器再入制导指令，实时跟踪目标高度。本发明适应性强，制导精度高，可用于火箭回收。
-
Patent Agency Ranking
公开(公告)号：CN114898189A
公开(公告)日：2022-08-12
申请号：CN202210333408.5
申请日：2022-03-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于模态差异特征引导的红外可见光融合识别系统，包括双流骨干网络模块、光照热度感知模块和级联区域提议模块，其中，所述双流骨干网络模块包括红外特征提取单元、可见光特征提取单元以及特征引导单元，其中，红外特征提取单元获取原始红外图像的不同尺度红外特征，可见光特征提取单元获取可见光图像的不同尺度可见光特征；特征引导单元获得加权的红外特征和加权的可见光特征；光照热度感知模块获取可见光特征的可信度权值和红外特征的可信度权值；级联区域提议模块用于获得目标的识别结果。本发明采用模态间特征差异引导补充学习的层级间特征生成方式，提升了模态间特征表示的依赖性，并提高了网络系统的泛化能力。
-
公开(公告)号：CN114842235A
公开(公告)日：2022-08-02
申请号：CN202210284099.7
申请日：2022-03-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于形状先验分割和多尺度特征聚合的红外弱小目标识别方法，包括：对输入的红外原始图像执行高斯滤波操作，以增强暗淡的弱小目标；对高斯滤波后的红外图像进行基于形状先验的分割，以获得目标候选区域；对目标候选区域进行裁剪并输入到多尺度特征提取模块，以获取小目标的特征表示；将小目标的特征表示输入到特征聚合网络中，得到张量拼接后的图像；对张量拼接后的图像进行批量归一化处理以及非线性变换，并通过Softmax输出目标分类结果。本发明基于形状先验的分割模块充分利用弱小目标的先验信息以获取可疑目标区域，减少全局参数量以提高算法效率，多尺度特征提取和聚合模块为弱小目标实现足够数量的特征通道，进而保证其可检测性。
-
公开(公告)号：CN114841192A
公开(公告)日：2022-08-02
申请号：CN202210289437.6
申请日：2022-03-23
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于强化学习联合去噪与时空关系建模的脑电信号特征增强方法，包括：获取多通道脑电信号；对获取的多通道脑电信号进行基于多智能体强化学习的干扰去除决策，得到干净信号；采用时空注意力建模对干净信号进行细节恢复，以得到增强后的脑电信号。基于强化学习机制对脑电信号的去噪流程进行选择优化，得到去除多类无关干扰的干净信号，提升脑电特征的整体信噪比和显著性效果。在此基础上，采取引入transformer注意力机制的时空间关系建模，利用脑电测试信号流固有的时序连续性与空间关联性，重建得到更高空间分辨率的信号，扩展脑电源数据的通道特征。最终达成提高信号空间分辨率从而提高识别精度的目的。
-
公开(公告)号：CN114821033A
公开(公告)日：2022-07-29
申请号：CN202210289428.7
申请日：2022-03-23
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于激光点云的三维信息增强的检测识别方法及装置，该方法包括：对原始点云数据进行体素化处理得到若干体素；提取每个非空体素的点云体素特征得到若干特征图；将若干特征图输入到区域建议网络中生成第一阶段候选框；将第一阶段候选框输入点云空间形状补全网络中，得到目标点集；从目标点集中提取点云结构信息得到全局结构信息；从原始点云数据中采样每个关键点附近的非空体素特征结合作为关键点特征；对关键点特征进行提取得到网格点特征；将网格点特征和全局结构信息进行融合得到增强特征；对增强特征进行置信度预测和候选框细化得到置信度和边界框参数。该方法增强了点云数据的特征表示，提高了激光点云目标检测精度。
-
公开(公告)号：CN114743014A
公开(公告)日：2022-07-12
申请号：CN202210311581.5
申请日：2022-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多头自注意力的激光点云特征提取方法及装置，该方法包括：获取激光雷达的原始点云信息；对原始点云信息进行体素分割，得到深度图；对深度图进行低级特征提取，得到低级特征图；基于级联的自注意力感知网络对低级特征图依次进行多次特征感知，得到高级特征图；将低级特征图和高级特征图进行融合，得到最终的点云特征图。该方法同时兼顾了原始图像的高级特征与低级特征，充分利用了原始点云的三维信息，有效防止了在多层特征提取下丢失低级特征的问题，提高了特征对原始数据的表达能力，进而提升了后续检测精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
262
records
(took 0.159 seconds)
