-
公开(公告)号：CN106228182A
公开(公告)日：2016-12-14
申请号：CN201610561677.1
申请日：2016-07-17
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种基于SPM和深度增量SVM的SAR图像分类方法。其步骤为：(1)输入SAR图像；(2)提取SAR图像稠密SIFT特征；(3)构建字典；(4)稀疏编码；(5)空间金字塔池化；(6)计算归一化特征；(7)构建增量训练集；(8)初始化深度增量支持向量机；(9)计算测试样本的初始分类准确率；(10)更新深度增量支持向量机；(11)计算测试样本的分类准确率。本发明能有效提取图像的空间信息，并结合了深度学习和增量学习的优点，具有提高SAR图像分类精度，减少训练时间的优点。
-
公开(公告)号：CN106203489A
公开(公告)日：2016-12-07
申请号：CN201610512915.X
申请日：2016-07-01
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 本发明公开了一种基于多尺度深度方向波网络的极化SAR图像分类方法，本方法实现步骤为：(1)输入极化SAR图像；(2)提取泡利分解特征；(3)构建训练样本特征矩阵；(4)初始化多尺度深度方向波网络；(5)训练多尺度深度方向波网络；(6)构建测试样本特征矩阵；(7)得到测试样本的类标；(8)计算分类精度；(9)上色；(10)输出上色后的极化SAR图像。本发明将不同尺度的方向波滤波器作为多尺度深度方向波网络的滤波器，对极化SAR图像进行分类，使得本发明具有很好地保留极化SAR图像的方向特征和全局特征的优点。
-
公开(公告)号：CN105957024A
公开(公告)日：2016-09-21
申请号：CN201610248012.5
申请日：2016-04-20
Applicant: 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20021
Abstract: 本发明提出一种基于图像块先验与稀疏范数的盲去模糊方法，主要是解决现有技术对图像去模糊质量差的问题，其方案是：输入模糊图像；初始化模糊核、二进制掩模，候选图像；调用金字塔模型，将候选图像根据金字塔层数下采样，对候选图像与模糊核上采样；更新二进制掩模、更新图像块方差、更新图像样例块；固定参数更新模糊核、候选图像，直到金字塔最后一层；设置迭代次数，固定模糊核以及候选图像的范数保持不变，对模糊核添加的l1范数正则，得到新候选图像；固定候选图像不变，对候选图像添加的l1/l2范数正则项，得到新模糊核；直到迭代到最高次数。本发明提升了盲去模糊的效果和鲁棒性，可用于医疗器械、计算机视觉及图像视频处理。
-
公开(公告)号：CN105913081A
公开(公告)日：2016-08-31
申请号：CN201610217481.0
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/628
Abstract: 本发明公开了一种基于改进的PCAnet的SAR图像分类方法，主要解决了现有技术中合成孔径雷达高分辨SAR图像分类过程中，滤波器初始化低效率，更新学习慢导致的分类计算复杂度高，效率低下的问题。本发明的具体步骤如下：(1)读取数据；(2)切片处理；(3)归一化预处理；(4)提取图像低频成分；(5)训练主成分分析网络PCAnet；(6)获取测试集的特征向量；(7)计算分类准确率；(8)输出分类结果。本发明具有对SAR图像分类分类时间短且分类准确率高的优点。
-
公开(公告)号：CN105868793A
公开(公告)日：2016-08-17
申请号：CN201610237878.6
申请日：2016-04-18
Applicant: 西安电子科技大学
CPC classification number: G06K9/6267 , G06K9/4619 , G06K9/6256
Abstract: 本发明公开了一种基于多尺度深度滤波器的极化SAR图像分类方法，主要解决现有技术分类精度低的问题，其方案是：输入待分类的极化SAR图像，由极化相干矩阵T求得极化散射矩阵S；对极化散射矩阵S进行Pauli分解，构成基于像素点的特征矩阵F；对F归一化，并对归一化后的特征矩阵F1中的每个元素取块，构成基于图像块的特征矩阵F2；根据F2得到训练数据集的特征矩阵W1和测试数据集的特征矩阵W2；构造基于多尺度深度滤波器的分类模型；用训练数据集的特征矩阵W1对分类模型进行训练；利用训练好的分类模型对测试数据集的特征矩阵W2分类。本发明引入多尺度深度滤波器，提高了极化SAR图像的分类精度，可用于目标识别。
-
Patent Agency Ranking
公开(公告)号：CN105809199A
公开(公告)日：2016-07-27
申请号：CN201610140032.0
申请日：2016-03-11
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种基于稀疏编码和DPL的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类过程中字典判别性能差而导致的运算时间长、分类效率低的问题。本发明的具体步骤如下：(1)读入极化SAR图像；(2)滤波；(3)构造样本集；(4)稀疏编码；(5)构造邻域特征样本矩阵；(6)归一化邻域特征样本矩阵；(7)选取训练样本和测试样本；(8)训练合成字典和分析字典；(9)测试合成字典和分析字典；(10)上色；(11)输出分类结果图。本发明具有对极化SAR图像分类正确率高和分类效率高的优点。
-
公开(公告)号：CN105760900A
公开(公告)日：2016-07-13
申请号：CN201610218082.6
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6218
Abstract: 本发明公开了一种基于近邻传播聚类和稀疏多核学习的高光谱分类方法，主要解决现有技术对高光谱图像分类性能不佳的问题。其实现方案是：首先，利用所有波段中的训练样本构造核矩阵集合；其次，利用近邻传播方法进行聚类，选择高辨别力低冗余性的核矩阵子集；再次，利用选择的核矩阵子集，通过稀疏约束的多核学习方法，学习出核权重和支撑矢量系数；最后，利用学习到的分类器，对未知高光谱图像进行分类。本发明采用的多核学习分类方法，利用不同函数不同参数的多种核，能够处理具有多变局部分布的复杂高光谱数据，获得高精度的高光谱图像分类结果，可用于农业监测、地质勘探、灾害环境评估等领域地物的区分和辨别。
-
公开(公告)号：CN105718957A
公开(公告)日：2016-06-29
申请号：CN201610051110.X
申请日：2016-01-26
Applicant: 西安电子科技大学
CPC classification number: G06K9/6229 , G06K9/6256 , G06K9/6268 , G06N3/02
Abstract: 本发明公开了一种基于非下采样轮廓波卷积神经网络的极化SAR图像分类方法，主要解决现有技术难以避免相干斑噪声的影响及分类精度低的问题，其实现步骤是：对待分类的极化SAR图像进行去噪，对去噪得到的极化散射矩阵S进行Pauli分解；将Pauli分解得到的图像特征组合成特征矩阵F，并对其归一化，记作F1；对每个像素点取F1周围的22×22块，得到基于块的特征矩阵F2；从F2中选取训练数据集和测试数据集；构造非下采样轮廓波卷积神经网络，对训练数据集进行训练；利用训练好的非下采样轮廓波卷积神经网络对测试数据集进行分类。本发明提高了极化SAR图像特征的表达能力和分类精度，可用于目标识别。
-
公开(公告)号：CN105654498A
公开(公告)日：2016-06-08
申请号：CN201610055347.5
申请日：2016-01-27
Applicant: 西安电子科技大学
CPC classification number: G06N3/12
Abstract: 本发明提出了一种基于动态局部搜索和免疫克隆自动聚类的图像分割方法，用于解决现有图像分割方法中存在的鲁棒性和精确度差、收敛速度慢的技术问题，实现步骤是：1.输入一幅待分割图像；2.初始化抗体种群，得到第一抗体种群；3.对第一抗体种群进行克隆选择操作，得到第二抗体种群；4.设置对第二抗体种群优化的当前优化代数t和最大优化代数tmax；5.对第二抗体种群进行优化，得到第六抗体种群；6.判断是否满足迭代停止条件；7.对第六抗体种群中的非支配解集进行选择；8.利用已得到的最优分割中心点对待分割图像进行分割。本发明提高了图像分割的精确度、鲁棒性和收敛速度，可用于对图像中特征目标的提取和对目标的识别与跟踪。
-
公开(公告)号：CN103366365B
公开(公告)日：2016-05-25
申请号：CN201310241979.7
申请日：2013-06-18
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于人工免疫多目标聚类的SAR图像变化检测方法，主要解决SAR图像变化检测结果准确率及效率低的问题。其实现步骤是：(1)读入两时相SAR图像；(2)对两时相SAR图像构造差异图；(3)对差异图进行基于灰度值的自适应免疫多目标聚类，将其分为变化类、非变化类与待识别类；(4)对待识别类进行基于非下采样小波变换的免疫克隆多目标聚类，得到待识别类的一组聚类中心；(5)根据一组聚类中心对待识别类进行最小距离分类，得到一组变化检测结果图；(6)计算变化检测结果图的目标函数值；(7)根据目标函数值选出最小的目标函数值；(8)将最小的目标函数值所对应的变化检测结果图作为最终的检测结果。本发明方法具有检测效率高及检测精度高的优点。
-
-
-
-
-
-
-
-
-
Search Results
637
records
(took 0.037 seconds)
