-
公开(公告)号：CN101483777B
公开(公告)日：2010-08-25
申请号：CN200810232708.4
申请日：2008-12-19
Applicant: 西安电子科技大学
Abstract: 本文公开了一种基于自适应多尺度Bandelet包的SAR图像去噪压缩方法，它涉及遥感图像处理技术领域。其实现过程是：1)读入复值SAR图像的模值图像M进行对数变换，得到对数变换后的图像M′＝log(M+1)；2)将M′进行自适应多尺度Bandelet包变换，并进行软阈值法滤除斑点噪声，得到滤除噪声后的系数；3)将滤波后的系数进行逆自适应多尺度Bandelet包变换得到M″，再进行反对数变换得到去噪后的图像Mdenoise＝eM″-1；4)对去噪后的图像Mdenoise再执行自适应多尺度Bandelet包变换，得到Bandelet系数；5)对Bandelet系数先进行量化和编码，再进行逆自适应多尺度Bandelet包变换，得到去噪压缩后的SAR图像。本发明具有压缩后图像峰值信噪比、等效视数和边缘保持系数高，有效保持了SAR图像高频纹理信息和目标几何结构，以及复杂度低、实现快速等优点；在保证图像质量不影响后续分析与解译的前提下，能获得较高的压缩比，可用于高分辨SAR图像的存储与传输处理。
-
公开(公告)号：CN101483777A
公开(公告)日：2009-07-15
申请号：CN200810232708.4
申请日：2008-12-19
Applicant: 西安电子科技大学
Abstract: 本文公开了一种基于自适应多尺度Bandelet包的SAR图像去噪压缩方法，它涉及遥感图像处理技术领域。其实现过程是：1)读入复值SAR图像的模值图像M进行对数变换，得到对数变换后的图像M′＝log(M+1)；2)将M′进行自适应多尺度Bandelet包变换，并进行软阈值法滤除斑点噪声，得到滤除噪声后的系数；3)将滤波后的系数进行逆自适应多尺度Bandelet包变换得到M″，再进行反对数变换得到去噪后的图像Mdenoise＝eM″－1；4)对去噪后的图像Mdenoise再执行自适应多尺度Bandelet包变换，得到Bandelet系数；5)对Bandelet系数先进行量化和编码，再进行逆自适应多尺度Bandelet包变换，得到去噪压缩后的SAR图像。本发明具有压缩后图像峰值信噪比、等效视数和边缘保持系数高，有效保持了SAR图像高频纹理信息和目标几何结构，以及复杂度低、实现快速等优点。
-
公开(公告)号：CN113808219B
公开(公告)日：2024-05-14
申请号：CN202111117899.1
申请日：2021-09-17
Applicant: 西安电子科技大学
IPC: G06T7/80 , G06T7/246 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的雷达辅助相机标定方法，解决了从雷达点迹到图像目标框转换的技术问题。实现步骤：数据采集形成雷达点迹和图像目标框数据；采集时间对齐；雷达点迹数据形成训练输入数据集；转换后的图像目标框数据形成训练输出数据集；构建并训练深度神经网络模型；获得相机标定函数。本发明利用含有跨层链接的深度神经网络模型将雷达点迹数据转换为图像目标框数据构成标定函数，减小了人为误差和标定过程的额外工作，提高了相机标定的灵活性和效率；计算量小，标定准确率高。用于多传感器融合目标检测，更具体地用在雷达和相机摄像头同时进行目标检测的情况下的相机标定。
-
公开(公告)号：CN112465880A
公开(公告)日：2021-03-09
申请号：CN202011355669.4
申请日：2020-11-26
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种多源异构数据认知融合的目标检测方法，用于解决现有技术中存在的图像中包含被遮挡的目标导致目标检测精度较低的技术问题，实现步骤为：数据预处理；获取训练数据集和测试数据集；构建基于多源异构数据认知融合的目标检测模型H；对基于多源异构数据认知融合的目标检测模型H进行迭代训练；获取目标检测结果。本发明在目标检测网络的基础上，通过融合输入的光学遥感图像和SAR图像、融合提取特征后的光学遥感特征图和SAR特征图、融合光学遥感图像和SAR图像的检测结果，使得目标检测模型既学习到SAR图像的特征，又学习到光学遥感图像的特征，解决了包含被遮挡目标的图像的检测精度较低的技术问题。
-
公开(公告)号：CN109948527A
公开(公告)日：2019-06-28
申请号：CN201910205485.0
申请日：2019-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
-
Patent Agency Ranking
公开(公告)号：CN108282263A
公开(公告)日：2018-07-13
申请号：CN201711345300.3
申请日：2017-12-15
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于一维深度残差轻量网络的编码调制联合识别方法，其实现步骤为：(1)生成29种编码调制联合信号和2种调制信号；(2)生成训练样本集和测试样本集；(3)构建一维深度残差轻量网络模型；(4)训练一维深度残差轻量网络模型；(5)将测试样本集输入到训练好的一维深度残差轻量网络模型中进行测试，获得识别准确率，评估网络性能。本发明是一种通用的无线电信号特征提取方法，具有普适性好、鲁棒性强、识别准确率高、网络参数少、识别信号类型多的优点，可用于实际复杂通讯环境下的无线电信号的编码与调制方式的联合识别。
-
公开(公告)号：CN105405140B
公开(公告)日：2018-07-06
申请号：CN201510770957.9
申请日：2015-11-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于初始素描图的胃部CT图像淋巴结检测系统，该检测系统包括8个功能模块。其中灰度值统计模块对CT图像中像素点的灰度值进行统计；素描线预处理模块对素描线进行预处理；基于素描线的自适应窗口确定模块是提取素描线的自适应窗口；疑似淋巴结图像块序列提取模块是基于素描线和自适应窗口提取图像块序列；基于行列切图的淋巴结检测模块是对图像块序列大于11×11的疑似淋巴结进行跟踪判定；低秩分解模块和质心跟踪模块是对图像块序列不大于11×11的疑似淋巴结进行跟踪判定；素描线标记模块是对跟踪过的疑似淋巴结围成的素描线标记为已处理。本发明利用CT图像的素描信息，提高了淋巴结的检测速度、降低了虚警率，可用于医学图像的处理。
-
-
公开(公告)号：CN103760527B
公开(公告)日：2015-12-09
申请号：CN201410032063.5
申请日：2014-01-23
Applicant: 西安电子科技大学
IPC: G01S7/02
Abstract: 本发明属于雷达技术领域，公开了一种单基地MIMO雷达相干源波达方向估计方法，可用于任意阵列流形的单基地MIMO雷达的目标定向和追踪。其实现步骤是：步骤1，根据阵列流形写出单基地MIMO雷达的导向矢量；步骤2，设置M维范德蒙向量，求出转换矩阵G；步骤3，由平滑变换矩阵F得到变换后的导向矢量；步骤4，对MIMO雷达的接收数据进行匹配滤波，匹配滤波后的接收数据记为X(k)，通过转换矩阵G和平滑变换矩阵F获得变换后的数据Y(k)=FGX(k)，然后形成自相关矩阵；步骤5，对自相关矩阵进行特征分解，形成噪声子空间；步骤6，利用噪声子空间形成空间零谱函数；步骤7，采用多项式求根方法得到目标方位角。
-
公开(公告)号：CN105023239A
公开(公告)日：2015-11-04
申请号：CN201510508697.8
申请日：2015-08-18
Applicant: 西安电子科技大学
IPC: G06T3/00
CPC classification number: G06T3/0031
Abstract: 本发明公开了一种基于超像素和最大边界分布的高光谱数据降维方法，克服了现有技术因缺乏足够空域和谱域信息，波段间相关性大的缺点。本发明实现的步骤是：(1)划分样本集合；(2)生成正则矩阵；(3)生成判别矩阵；(4)求解最优投影矩阵；(5)投影降维。本发明具有保持近邻样本空间和谱间一致性，减少冗余的波段的优点，可用于高光谱遥感影像的降维。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.035 seconds)
