-
公开(公告)号:CN114549863B
公开(公告)日:2022-07-22
申请号:CN202210447954.1
申请日:2022-04-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于像素级噪声标签监督的光场显著性目标检测方法,包括以下步骤:S1、基于全焦图像及其对应的焦堆栈构建实验数据;S2、通过实验数据交互式引导融合网络,获得全焦图像初始噪声预测和光场焦堆栈图像初始噪声预测;S3、通过全焦图像初始噪声预测和光场焦堆栈图像初始噪声预测构建像素遗忘矩阵,得到融合后的最终预测显著性映射;S4、对融合后的最终预测显著性映射进行跨场景的噪声惩罚损失。本发明通过挖掘高维度光场数据中非常丰富的场景信息来引导和辅助显著性物体的检测,充分利用噪声标签中可用的显著性信息并减小噪声信息的置信度,有效地降低了显著性目标检测的预实验成本。
-
公开(公告)号:CN114581829A
公开(公告)日:2022-06-03
申请号:CN202210207842.9
申请日:2022-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强化学习的连续手语识别方法、电子设备和存储介质,所述方法包括:构建强化学习网络模块,对连续视频帧进行裁剪处理,获得全身视频帧、手部视频帧和脸部视频帧,分别使用强化学习网络模块挑选其中的核心视频帧,提取各核心视频帧中的特征,拼接各特征获取视频片段,对视频片段进行识别得到连续手语识别句子;本发明降低了视频帧的处理量,提高了手语识别效率,并使手语识别的准确性得到大幅度提升。
-
公开(公告)号:CN114581502A
公开(公告)日:2022-06-03
申请号:CN202210233442.5
申请日:2022-03-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于单目图像的三维人体模型联合重建方法、电子设备及存储介质,所述方法包括:基于原始单目图像获取身体单目图像、手部单目图像和脸部单目图像,提取其中的二维关键点坐标,得到身体候选框、手部候选框和脸部候选框,基于此对原始单目图像进行裁剪得到三个特征图像,使用局部特征提取网络分别获得各特征图像中的特征,将其拼接得到级联特征,训练SMPLX模型,基于级联特征进行三维人体重建;本发明提取的深度信息更丰富,构建的三维人体模型精度更高,耗时更短。
-
公开(公告)号:CN108712653B
公开(公告)日:2019-12-10
申请号:CN201810545760.9
申请日:2018-05-25
Applicant: 西安电子科技大学
IPC: H04N19/30 , H04N19/44 , H04N19/192 , H04N19/124 , H04N19/625 , H04N19/645
Abstract: 本发明公开了一种基于迭代相关性噪声细化的单向分布式视频解码方法,具体步骤:(1)对分块帧进行离散余弦变换、量化和提取比特平面;(2)估计编码码率;(3)对比特平面进行LDPCA编码;(4)对边信息帧和运动补偿残差帧进行离散余弦变换和提取比特平面;(5)估计相关性噪声;(6)对待解码比特平面进行LDPCA解码;(7)利用更新后的重构系数值细化残差系数值;(8)通过离散余弦反变换,得到最终的重构WZ帧。本发明在迭代解码的基础上,通过更新上一次解码得到的重构系数细化残差系数,更新相关性噪声分布。本发明提高了相关性噪声估计精度和重构质量,解决了因编码端码率欠估计导致重构质量退化的问题。
-
公开(公告)号:CN106780390A
公开(公告)日:2017-05-31
申请号:CN201611223093.X
申请日:2016-12-27
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边缘分类加权融合的单幅图像去雾方法,主要解决现有技术对有雾图像的透射率估计不准确而导致去雾效果不理想的问题。其技术方案为:1)使用相机采集单幅有雾图像;2)对有雾图像的边缘进行分类,获取有雾图像的深度边缘;3)根据深度边缘将有雾图像划分为深度边缘区域和非深度边缘区域;4)利用深度边缘控制,在深度边缘区域和非深度边缘区域采用不同的方式计算有雾图像的修正暗原色值;5)根据有雾图像的修正暗原色值计算有雾图像的优化透射率;6)根据有雾图像的优化透射率获取恢复图像。本发明得到的透射率更加准确,恢复图像去雾效果明显,具有对比度增强,色调真实自然的优点。可用于户外成像系统。
-
公开(公告)号:CN106650562A
公开(公告)日:2017-05-10
申请号:CN201610421286.X
申请日:2016-06-14
Applicant: 西安电子科技大学
CPC classification number: G06K9/00369 , G06K9/4638 , G06K9/6218
Abstract: 本发明公开了一种基于Kinect的在线连续人体行为识别方法,包括以下步骤:a)从Kinect采集到的RGB‑D图像中提取人体骨架信息,计算各关节点的归一化相对方位特征;b)利用基于特征序列势差的在线分割方法对特征序列进行在线动态分割,得到姿态特征片段和动作特征片段;c)从分割得到的姿态特征片段和动作特征片段中分别提取关键姿态和原子动作;d)把分割得到的特征片段与离线训练得到的关键姿态或原子动作进行在线模式匹配,计算得到该特征片段被识别成某类行为的关键姿态或原子动作的似然概率;e)基于计算得到的似然概率,利用变长最大熵马尔科夫模型进行人体行为识别。与已知算法相比,本发明不需要事先检测各个人体行为的开始和结束时间点,可以在线实时执行。
-
公开(公告)号:CN103780904B
公开(公告)日:2016-11-09
申请号:CN201410032531.9
申请日:2014-01-23
Applicant: 西安电子科技大学
IPC: H04N19/103 , H04N19/105 , H04N19/13
Abstract: 本发明公开了一种基于边缘的高光谱图像自适应无损预测编码系统与方法,主要解决现有技术在去相关时由于未考虑高光谱图像的边缘信息,导致压缩去相关不彻底,使得压缩比受限制的问题。其实现过程是:1)利用基于对角的中值预测算法对高光谱图像进行谱内预测,得到谱内预测残差;2)利用基于边缘的谱间预测算法对高光谱图像进行谱间预测,得到谱间预测残差;3)通过比较两种预测模式的预测残差,为每一谱段选择最终预测模式;4)对最终预测模式对应的预测残差进行熵编码,得到无损压缩码流。本发明充分利用图像边缘信息,使去相关更彻底,获得较高的无损压缩比,适用于高光谱数据处理及传输。
-
公开(公告)号:CN103441952B
公开(公告)日:2016-10-05
申请号:CN201310365607.5
申请日:2013-08-20
Applicant: 西安电子科技大学
IPC: H04L12/861 , H04L12/883
Abstract: 本发明公开了一种基于多核或众核嵌入式处理器的网络数据包处理方法,包括:1)将多核或众核嵌入式处理器中的核划分为数据接收核和数据处理核,所述的数据接收核对共享内存区域进行缓冲区分配,且数据处理核向所述的数据接收核进行分发策略注册,确定每个数据处理核所要处理的数据包特征;2)数据接收核依据从网络硬件接收的数据包头部信息,将数据包存放至相应的缓冲区内;3)数据接收核依据数据处理核所注册的分发策略,向所述的数据处理核发送消息,所述的数据处理核根据所述的消息,读取缓冲区中的数据包进行处理,并向所述的数据接收核发送处理状态信息。
-
公开(公告)号:CN103297775B
公开(公告)日:2016-02-10
申请号:CN201310185304.5
申请日:2013-05-17
Applicant: 西安电子科技大学
IPC: H04N19/146 , H04N19/60 , H04N19/154
Abstract: 本发明公开了一种基于联合码率分配和控制的多光谱图像压缩系统与方法,主要解决现有技术对多光谱图像压缩时码率分配不均导致重构质量不稳定及JPEG-LS码率控制不准确的问题。其实现过程是:对多光谱图像进行KL变换,得到变换后分量;将变换后分量进行数据重组,得到重组后分量;先将重组后分量的所有行数据进行第一次量化步长调整和量化编码,再对最后若干行的量化步长进行二次迭代调整,并根据量化步长进行量化编码,得到码流。本发明通过分量数据重组和统一量化步长调整,将码率分配和码率控制结合,同时解决了码率分配和码率控制的问题,码率控制精确且小于目标码率,各谱段重构质量均匀稳定,整体性能最优,适用于各种星上多光谱图像处理及传输。
-
公开(公告)号:CN105205794A
公开(公告)日:2015-12-30
申请号:CN201510705402.6
申请日:2015-10-27
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种低照度图像的同步增强去噪方法,使用考虑噪声的雾天图像退化模型,结合迭代的联合双边滤波将低照度图像的对比度增强操作和噪声去除操作同时进行;在迭代的初始化阶段使用暗原色先验理论得到低照度图像反转图像的全局大气光、透射率和场景光的初始估计值;然后使用迭代的联合双边滤波方法进行雾图参数的交替修正,对各轮迭代的结果通过商值图像进行细节补偿;迭代的联合双边滤波方法在第一轮迭代时,导向图为噪声图像自身,在以后的迭代过程中,将每一轮迭代的结果作为下一轮迭代的导向图;最后通过对迭代结果进行再次反转操作获得增强后的复原图像;本发明能同时提高低照度图像可视化效果及去除图像噪声,具有良好的视觉效果。
-
-
-
-
-
-
-
-
-