-
公开(公告)号：CN104299201A
公开(公告)日：2015-01-21
申请号：CN201410571138.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于遗传稀疏优化和贝叶斯估计模型的图像重构方法,主要解决现有方法对压缩感知图像的分块重构中，存在的边界模糊和块效应明显的问题。本发明将图像块分为光滑和非光滑两类，分别对其建模重构；根据光滑块的统计特性，直接采用伪逆解对其直流分量和变化分量进行快速重构；对于非光滑块，利用遗传算法在PCA字典中选择一组原子来对其进行最优重构。实验结果表明，利用本发明重构的图像比传统的正交匹配追踪方法OMP和统计压缩感知方法SCS具有更好的边界和区域一致性，细节信息更加清晰，并且块效应明显减少，可用于低采样率下图像获取中的重构。
-
公开(公告)号：CN104284339A
公开(公告)日：2015-01-14
申请号：CN201410570851.X
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: H04W16/10
CPC classification number: H04L5/0032 , H04W72/04
Abstract: 本发明公开一种认知无线电频谱分配方法，主要解决现有技术中通信用户之间相互干扰较大，通信容量较低的问题。其方法步骤为(1)通信用户分配无线电通信频谱；(2)更新通信用户无线电通信频谱；(3)建立通信矩阵；(4)对通信矩阵进行迭代更新；(5)寻找评价值最高的通信矩阵(6)分配无线电通信频谱。本发明结合了博弈论方法与进化计算方法，降低了通信用户之间的信号干扰，增加了通信系统的总信道容量，同时本发明可快速输出无线电通信频谱分配方法，满足了快速分配无线电频谱的需求。
-
公开(公告)号：CN104268629A
公开(公告)日：2015-01-07
申请号：CN201410468395.8
申请日：2014-09-15
Applicant: 西安电子科技大学
IPC: G06N3/12
Abstract: 本发明属于进化计算和复杂网络社区挖掘技术领域，具体公开了一种基于先验信息和网络固有信息的复杂网络社区检测方法，主要用于复杂网络的社区划分问题。其过程为：构建网络邻接矩阵；使用邻接矩阵信息初始化种群；根据邻接矩阵固有的信息进行预处理操作，减少无效搜索；优化模块度函数Q；采用基因交叉操作和变异操作；使用基于变异和网络固有信息的局部搜索方法LSMM；使用评价函数NMI测试社区划分结果。本发明充分利用先验知识和网络邻接矩阵所包含固有信息对社区网络进行检测。本发明采用基于变异和网络固有信息的局部搜索算法，更有效的得到最优解。本发明方法比一般遗传算法能更好的发现真实世界网络和人工合成网络的社区结构。
-
公开(公告)号：CN102915543B
公开(公告)日：2015-01-07
申请号：CN201210336421.2
申请日：2012-09-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于提取函数和三通道分离的人物运动变化检测方法。主要解决现有技术对人物运动变化检测方法有限且轮廓不完整的问题。其实现过程为：首先对一段人物运动视频的前100帧图像采用均值法建立其灰度图背景和YUV三通道背景；用提取函数法处理待检测图像的灰度图和灰度图背景，得到提取函数法结果；再将待检测图像进行YUV三通道分离得到三幅单通道图像，分别将它们和其对应通道的背景求绝对差；用大津阈值法对这三个绝对差进行二值化处理得到三幅单通道结果图，通过三选二的机制将三者融合为一幅图，再与提取函数法的结果进行或运算，得到最终结果。本发明算法简单、人物轮廓完整，可用于实际监控系统对人物运动的变化检测中。
-
公开(公告)号：CN103971362A
公开(公告)日：2014-08-06
申请号：CN201310733079.4
申请日：2013-12-24
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于直方图和精英遗传聚类算法的SAR图像变化检测，结合了遗传算法的全局搜索能力和模糊聚类算法的局部搜索能力，加快了算法的收敛速度，得到了更优的图像变化检测效果；同时本发明通过使用直方图的思想，有效减少了算法的运算速度。
-
Patent Agency Ranking
公开(公告)号：CN102663499B
公开(公告)日：2014-05-14
申请号：CN201210062622.8
申请日：2012-03-11
Applicant: 西安电子科技大学
IPC: G06N3/12
Abstract: 本发明公开了一种基于模拟退火遗传算法的网络社区划分方法，主要解决现有遗传算法中搜索能力较弱和划分效率低下的问题。其实现步骤是：(1)读入一幅网络图；(2)根据网络图，生成邻接矩阵；(3)初始化遗传算法参数；(4)对染色体进行解码，并计算目标函数值；(5)选择目标函数值较大的染色体构成父代种群；(6)对染色体进行交叉和变异，产生新的染色体构成子代种群；(7)初始化模拟退火法参数，进行局部搜索；(8)获得下一代父代种群并进行迭代；(9)判断迭代代数是否达到最大代数Gmax若达到，则终止迭代，输出目标函数值最大的染色体，输出的染色体中对各个节点的划分即为社区中节点的最终划分结果。本发明具有搜索能力强和准确率高的优点。
-
公开(公告)号：CN103353989A
公开(公告)日：2013-10-16
申请号：CN201310241980.X
申请日：2013-06-18
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06K9/0063
Abstract: 本发明公开了一种基于先验和融合灰度与纹理特征的SAR图像变化检测方法，主要解决用高斯模型不能完全拟合差异图的分布及只利用SAR图像的像素灰度信息所导致的变化检测准确率低的问题。其实现步骤是：(1)读入两幅已配准、已校正的两时相SAR图像；(2)对两幅图像采用小波融合策略构造差异图；(3)对差异图求类别的先验概率；(4)融合差异图的灰度与纹理信息求得观测量似然概率；(5)由类别先验概率与观测量似然概率计算后验概率；(6)由最大后验概率准则将差异图分为变化类与非变化类；(7)重复步骤(3)到步骤(6)直到满足终止条件，输出最终的变化检测结果。本发明方法具有对SAR图像变化检测精度高的优点，可用于提取和获得SAR图像的变化细节信息。
-
公开(公告)号：CN102426700B
公开(公告)日：2013-10-16
申请号：CN201110346512.X
申请日：2011-11-04
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于局部和全局区域信息相结合的水平集SAR图像分割方法，主要解决现有水平集方法受SAR相干斑噪声影响和难以分割灰度不均匀的SAR图像的问题。其实现步骤包括：首先初始化水平集函数φ，将SAR图像分成内部区域Ω1和外部区域Ω2；其次应用高斯核函数对图像内外区域的强度信息作卷积，作为局部区域信息，构造基于局部区域的能量项；接着求这两个内外区域的强度均值c1和c2以及概率密度p1和p2，构造全局区域能量项；最后加入水平集长度的约束项L(φ)和避免重新初始化的惩罚项P(φ)，构造总能量函数ESAR，应用变分法求梯度下降流方程，并更新水平集φ，得到新的分割区域和。实验结果表明本发明的分割方法能得到比较理想的分割效果，可用于SAR图像的分割和目标识别。
-
公开(公告)号：CN103294792A
公开(公告)日：2013-09-11
申请号：CN201310192057.1
申请日：2013-05-13
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于语义信息和极化分解的极化SAR地物分类方法。其实现包括：对span图进行均值漂移，提取span图的边脊草图，并在边脊草图中用基于语义信息的区域提取技术提取线段聚集区域；基于线段聚集区域并采用临界区域众数投票合并策略和基于极化特征合并策略对span图均值漂移过分割区域进行合并，得到图像分割结果；融合基于语义信息的图像分割结果和基于MRF的H/α-Wishart分类结果，得到最终分类结果。本发明将语义信息、图像处理技术和极化散射特性相结合，主要解决了现有基于极化分解的分类技术对具有聚集特性地物(如森林、建筑群等)的分类结果区域一致性较差的问题，提高了具有聚集特性地物的分类结果的区域一致性和边界保持性。
-
公开(公告)号：CN103208114A
公开(公告)日：2013-07-17
申请号：CN201310030121.6
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种用于脂肪组织提取的交互式分割方法，主要解决现有胃部CT图像中背景信息复杂而造成的人为标记背景区域困难的问题。其实现步骤是对胃部CT图像进行初始分割，并在分割的小区域上标记出小部分脂肪组织信息；将预处理后的图像区域用灰度直方图描述算子描述其图像特征；用Bhattacharyya系数相似性度量算子度量图像区域之间的相似性；根据区域之间的相似性的大小合并区域，将合并后有标记信息的区域作为要提取的脂肪组织。实验表明，本发明能够有效地提取出胃部CT图像中的脂肪组织，可用于对医学图像的处理。
-
-
-
-
-
-
-
-
-
Search Results
637
records
(took 0.036 seconds)
