公开(公告)号：CN104270640A

公开(公告)日：2015-01-07

申请号：CN201410455209.7

申请日：2014-09-09

Applicant: 西安电子科技大学

Inventor： 吴家骥 ,  白静 ,  任改玲 ,  张敏 ,  焦李成 ,  张向荣 ,  王爽 ,  熊涛 ,  刘红英

IPC: H04N19/50 ,  H04N19/59

CPC classification number: G06K9/6269 ,  G06K9/6218

Abstract: 本发明属于光谱遥感技术领域，提供了基于支持向量回归的光谱图像无损压缩方法，包括如下步骤：(1)导入原图像；(2)选择聚类算法，对光谱图像进行分类预处理，获得相应的聚类索引；(3)选择预测算法，进行预测模型的设计，依据得到的聚类索引和预测模型，对整幅光谱图像的每个像素进行预测，得到预测图像；(4)对原图像和预测图像进行做差得残差图像；(5)对残差图像采用算术编码，同时对经预测模型预测时得到的预测系数及聚类算法获得的聚类索引进行编码，得到码流文件。该发明通过对读入的图像进行聚类，对每类分别建立预测模型，对残差图像及边信息进行编码的方式，实现基于支持向量回归的光谱无损压缩，达到较好的无损压缩效果，预测准确度高，残差小。

公开(公告)号：CN102254323B

公开(公告)日：2013-02-27

申请号：CN201110155652.9

申请日：2011-06-10

Applicant: 西安电子科技大学

Inventor： 王桂婷 ,  焦李成 ,  张敏 ,  钟桦 ,  张小华 ,  田小林 ,  公茂果 ,  王爽

IPC: G06T7/00 ,  G06T5/00

Abstract: 本发明公开了一种基于treelet融合和水平集分割的遥感图像变化检测方法，主要解决现有变化检测方法存在较多伪变化信息的问题。其实现过程是：输入两时相遥感图像，对每幅图像分别进行均值漂移滤波，得到两时相滤波后图像并分别对其进行3次不同层数下的二维平稳小波分解，对相同分解层数对应方向子带的小波系数矩阵做差；采用sobel算子对得到的水平、垂直方向小波系数差矩阵进行增强并进行二维小波逆变换重构；采用treelet算法融合不同分解层数的重构图像得到最终的差异图，对该差异图进行水平集分割得到变化检测结果。本发明能够有效提高变化检测结果的精度，同时较好的保持变化区域的边缘特征，可用于对自然灾害的分析、土地资源监测等领域。

公开(公告)号：CN117197665B

公开(公告)日：2025-05-16

申请号：CN202311137313.7

申请日：2023-09-05

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  霍豫 ,  董优强

IPC: G06V20/10 ,  G06V10/58 ,  G06V10/774 ,  G06V10/80 ,  G06V10/77 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于低秩和稀疏先验约束自编码器的高光谱异常检测方法，主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括：1)构建两个共享编码器的自编码器；2)建立目标函数，将高光谱图像分解成低秩成分、稀疏成分和残差成分；3)利用低秩成分和稀疏成分作为标签，分别计算两个自编码器的重构损失；4)将高光谱图像分解和自编码器训练整合到统一框架，以端到端方式联合优化；5)利用RX检测器对重构结果处理并进行融合，得到最终检测结果。本发明通过结合基于线性的低秩和稀疏模型与基于非线性的自编码器的优势，并以端到端的方式进行联合优化，避免模型陷入局部最优，有效提升了高光谱异常检测性能。

公开(公告)号：CN114758226B

公开(公告)日：2024-09-27

申请号：CN202210273865.X

申请日：2022-03-19

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  周科学 ,  李松霖 ,  王梁 ,  徐麦平 ,  杨笑天

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/28 ,  G06V10/764 ,  G06V10/772 ,  G06V10/82

Abstract: 本发明提出了一种两阶段决策引导双字典构建的高光谱图像异常检测方法，主要解决现有方法中潜在异常字典纯度低、检测效果不佳的问题。包括：对高光谱图像进行超像素分割，根据超像素设计内外窗进行显著性检测，并对检测结果进行后处理得到粗糙二值图；搭建背景估计网络并训练和推理，以推理误差进行背景建模，计算每个像素的马氏距离作为异常判别标准，对计算结果进行后处理得到精细二值图；以粗糙二值图、精细二值图及超像素共同构建背景字典和潜在异常字典；构建基于双字典的低秩和稀疏表示模型并进行优化求解，得到最终检测结果。本发明能够获取纯净的潜在异常字典，利于更好地描述异常特性，有效提升了高光谱图像异常检测效果。

公开(公告)号：CN114005044B

公开(公告)日：2024-09-27

申请号：CN202111273588.4

申请日：2021-10-29

Applicant: 西安电子科技大学

Inventor： 王海 ,  林生 ,  张敏 ,  成曦 ,  周科学

IPC: G06V20/13 ,  G06V10/28 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明提出了一种基于超像素和渐进式低秩表示的高光谱图像异常检测方法，主要针对现有低秩表示过程中构建的背景字典纯净度低且不全面，检测结果不佳的问题。包括：采用基于正交投影散度的超像素分割法对待测高光谱图像进行分割，得到同质区域集；再以所得同质区域的质心为原子构建背景字典，然后对图像进行低秩表示，并以获取的异常部分计算检测结果，最后以该检测结果为基准筛选纯净同质区域，以其质心为原子构成新背景字典，继续低秩表示操作；重复上述过程直到检测结果不变，即获得最终检测结果。本发明能够获取纯净且全面的背景字典，有利于更好地描述背景特性，从而获取更具有区分性的异常部分，进而有效提升了高光谱图像异常检测效果。

公开(公告)号：CN118643460A

公开(公告)日：2024-09-13

申请号：CN202410681658.7

申请日：2024-05-29

Applicant: 西安电子科技大学

Inventor： 张敏 ,  张虎 ,  黄荣辉 ,  王海 ,  赵少博 ,  林生

IPC: G06F18/25 ,  G06F18/24 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态融合与多任务优化的自动调制识别方法，主要解决现有技术识别准确率不佳的问题。包括：1)获取信号的I/Q序列，并计算得到信号的A/P信息；2)通过动态多域权重分配的LSTM模型提取时序模态特征；3)采用马尔可夫图像编码对原始信号数据进行重构，将序列转换为二维图像，作为图像模态特征提取网络的输入；4)使用基于焦点调制网络的模型提取图像特征，再将时序和图像两种模态特征进行融合；5)并将融合特征作为主任务、图像特征作为辅助任务进行识别，获取最终识别结果。本发明充分考虑到了不同模态特征之间的的差异性和互补性，并设计了多任务损失函数优化模型对其进行改善，有效提升整体识别准确率。

公开(公告)号：CN118539993A

公开(公告)日：2024-08-23

申请号：CN202410640983.9

申请日：2024-05-22

Applicant: 西安电子科技大学

Inventor： 王海 ,  陈刘靖妍 ,  张敏 ,  董优强 ,  赵少博

IPC: H04B17/00 ,  H04B17/391 ,  H04L1/00 ,  H04L25/03 ,  H04L27/00 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer架构的解调方法，主要解决现有方法难以解调多种调制信号，适用信道环境受限，无法适应不同输入数据长度的问题。包括：1)对多种非理想特性进行仿真，并构建解调数据集；2)分别构建Patch Embedding模块、互补前馈编码器、循环解码器和共享分类器，搭建整体解调网络；3)使用数据集对解调网络进行训练和验证，得到最终的解调网络，并利用此网络对接收信号进行解调。本发明实现了对多种调制方式的统一解调，有效提升了系统解调准确性、普适性和灵活性，能够实现对噪声、射频损伤和信道衰落等多种系统非理想因素的自补偿以及对不同输入数据长度的自适应。

公开(公告)号：CN118429806A

公开(公告)日：2024-08-02

申请号：CN202410562601.5

申请日：2024-05-08

Applicant: 西安电子科技大学

Inventor： 王海 ,  霍豫 ,  张敏 ,  成曦 ,  林生 ,  赵少博

IPC: G06V20/10 ,  G06V10/764 ,  G06N3/048 ,  G06N3/0455 ,  G06V10/82 ,  G06V10/762 ,  G06V10/74

Abstract: 本发明提出了一种基于记忆驱动的自编码模型高光谱异常检测方法，主要解决现有方法检测效果不佳的问题。方案包括：1)由编码器模块、记忆模块和解码器模块构建自编码模型；2)设计超像素引导的自适应权重计算法，通过考虑重构误差的上下文信息为每个样本生成自适应权重；3)采用样本属性挖掘法确定样本属性，并将挖掘到的背景和异常样本分别送入不同网络进行训练；4)引入基于熵的稀疏寻址方式为记忆模块生成稀疏寻址权重；5)对模型分两阶段进行训练，并利用训练好的模型得到重构图像，获取最终检测结果。本发明通过聚焦背景样本的学习，增强背景重构能力的同时抑制并弱化异常样本的重构，能够有效提升了高光谱异常检测性能。

公开(公告)号：CN118366041A

公开(公告)日：2024-07-19

申请号：CN202410617455.1

申请日：2024-05-17

Applicant: 西安电子科技大学

Inventor： 张敏 ,  穆瑞琦 ,  王海 ,  成曦 ,  赵少博

IPC: G06V20/10 ,  G06V10/772 ,  G06V10/74

Abstract: 本发明公开了一种自适应字典和双图正则化低秩表示的高光谱异常检测方法，主要解决现有检测方案空谱信息利用不足以及字典构建无法自适应的问题。包括：1)输入高光谱图像；2)将背景字典建模为高光谱图像的线性表示，构建基于自适应字典的低秩表示模型；3)构建基于像素的空间图和基于波段的光谱图；4)利用空间图和光谱图建立双图正则化策略；5)将双图正则化项整合到基于自适应字典的低秩表示模型中得到最终的目标函数；6)对目标函数求解并根据重构背景完成异常检测，获取最终检测结果。本发明将低秩表示模型与包含空谱信息的双图正则化项结合，同时构建自适应更新的背景字典，有效提高了高光谱异常检测的性能。

公开(公告)号：CN115471750A

公开(公告)日：2022-12-13

申请号：CN202211123551.8

申请日：2022-09-15

Applicant: 西安电子科技大学

Inventor： 王海 ,  成曦 ,  张敏 ,  林生 ,  周科学 ,  李松霖 ,  赵少博

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/77 ,  G06V10/762 ,  G06V10/26

Abstract: 本发明提出了一种基于超像素引导判别森林的高光谱异常检测方法，主要解决现有方法中局部异常目标检测性能不佳和高虚警率的问题。方案包括：1)通过主成分分析法提取高光谱图像最主要的三个成分特征，并利用该特征进行多个不同尺度超像素分割，以获取多尺度且含所有波段的超像素特征；2)构建基于多个波段增益准则的判别森林模型对每个超像素块特征进行训练和测试，产生多个尺度的初始检测图；3)通过基于引导滤波的多尺度融合模型对所有初始检测图融合优化，获取最终检测结果。本发明将基于空间的超像素分割和基于多个光谱波段的判别森林进行结合，有效地挖掘高光谱图像的空间和光谱信息，增强模型对异常像素识别能力以提升其检测性能。