公开(公告)号：CN104299232A

公开(公告)日：2015-01-21

申请号：CN201410519723.2

申请日：2014-09-30

Applicant: 西安电子科技大学

Inventor： 白静 ,  焦李成 ,  于文倩 ,  王爽 ,  马文萍 ,  马晶晶 ,  侯彪 ,  杨淑媛

IPC: G06T7/00

CPC classification number: G06T7/11 ,  G06T2207/10044

Abstract: 本发明公开了一种基于自适应窗方向波域和改进FCM的SAR图像分割方法，主要解决现有方法分割区域不佳和噪声影响的问题。包括步骤：1)对SAR图像每个像素设置方向窗，两两进行直方图相似性度量；2)设置阈值T，相似度大于T时，以像素为中心2n×2n的窗口进行二层Directionlet变换；小于T时，以n×n的窗口进行变换；3)对当前块变换后低高频系数进行特征提取，作为该像素的特征向量；4)循环步骤1)到3)直至整个图像计算完成；5)对特征向量采用形态相似距离改进的模糊C均值算法进行聚类；6)将分类后的类别赋予相应的灰度值，得到最终分割结果。本发明能提取原始图像更丰富的纹理特征，充分挖掘数据中的相关性。

公开(公告)号：CN104298977A

公开(公告)日：2015-01-21

申请号：CN201410578539.5

申请日：2014-10-24

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  焦李成 ,  贾航华 ,  侯彪 ,  王爽 ,  马文萍 ,  马晶晶 ,  杨淑媛 ,  刘若辰

IPC: G06K9/00 ,  G06K9/66

Abstract: 本发明属于图像处理技术领域，具体公开了一种基于不相关性约束的低秩表示人体行为识别方法，主要用于解决现有技术中对特征的编码方法中没有考虑行为之间的不相关性的问题。其实现步骤为：(1)输入人体行为视频序列,提取初级特征；(2)对初级特征聚类得到字典；(3)对初级特征进行不相关性约束的低秩表示编码；(4)利用稀疏表示分类方法对视频进行分类；(5)输出分类结果。本发明在低秩表示的基础上，加入了人体行为不相关性约束，增强了人体行为视频序列编码的判别性，提高了人体行为识别的准确性，可用于智能监控。

公开(公告)号：CN104268556A

公开(公告)日：2015-01-07

申请号：CN201410465418.X

申请日：2014-09-12

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  焦李成 ,  任宇 ,  刘芳 ,  刘红英 ,  张向荣 ,  侯彪 ,  王爽 ,  程时倩 ,  冯志玺

IPC: G06K9/62

CPC classification number: G06K9/6269

Abstract: 本发明属于图像处理技术领域，具体提供了一种基于核低秩表示图和空间约束的高光谱图像分类方法，其实现步骤是：(1)把高光谱图像所有已知标签的样本作为训练样本，未知标签的样本用作测试样本，按训练样本在前测试样本在后构造样本集；(2)对样本集进行列归一化并作核空间映射；(3)对核映射后的样本集作低秩表示得到低秩表示图；(4)构造样本集的空间信息图；(5)把低秩表示图和空间信息图加和构成新的图；(6)按照图保持标准方法得到测试样本的类别标签。本发明主要解决现有方法中训练样本较少时分类精度较低的不足，同时合理的考虑高光谱图像自身的特点结合空间信息可以得到比较好的分类结果，采用核低秩的方法有更好的鲁棒性和准确率。

公开(公告)号：CN104252178A

公开(公告)日：2014-12-31

申请号：CN201410465895.6

申请日：2014-09-12

Applicant: 西安电子科技大学

Inventor： 于昕 ,  焦李成 ,  张海峰 ,  王爽 ,  缑水平 ,  雷煜华 ,  李阳阳 ,  侯彪 ,  马文萍

IPC: G05D1/12 ,  G05B13/04 ,  G06F19/00

Abstract: 一种基于强机动的目标跟踪方法，包括以下步骤，参数初始化、模型输入交互、判断协方差矩阵、并行滤波、模型概率更新、模型输出交换、固定延迟平滑滤波、状态更新是否完成判断；在IMM算法的基础上，使用了重新计算权重的IMM算法，即RIMM，该方法不仅利用了模型概率，还充分利用了滤波协方差矩阵，使得跟踪精确度更高。另外，在滤波预测阶段使用SRCKF方法，它利用球形积分准则和径向积分准则。相比非线性滤波中使用较广泛的UKF算法，它优化了UKF中的sigma点采样策略和权重分配。同时，SRCKF中引入QR分解，避开了矩阵开方操作，提高了滤波的稳定性。在上述的基础上，本发明又引入了固定延迟平滑滤波，从而进一步提高了目标跟踪的实时性和准确性。

公开(公告)号：CN104239901A

公开(公告)日：2014-12-24

申请号：CN201410462102.5

申请日：2014-09-11

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  文雯 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  李阳阳 ,  刘静

IPC: G06K9/62

Abstract: 本发明公开了一种基于模糊粒子群和目标分解的极化SAR图像分类方法，其实现步骤为：(1)输入极化合成孔径雷达SAR图像数据的相干矩阵；(2)预处理；(3)提取散射特征；(4)初始分类；(5)优化初始类；(6)最终分类；(7)输出分类结果。本发明采用极化SAR图像数据目标分解特征的分类方法，克服了现有技术因不能充分利用其特征信息而产生的极化SAR图像分类边缘模糊，使得本发明分类后的极化合成孔径雷达SAR图像的边缘更加清晰，减少复威舍特Wishart的迭代次数，降低计算复杂度，提高了分类效率。本发明可用于极化SAR图像中不同目标的地物分类。

公开(公告)号：CN104239892A

公开(公告)日：2014-12-24

申请号：CN201410421354.3

申请日：2014-08-25

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  焦李成 ,  高丽萍 ,  张向荣 ,  马文萍 ,  王爽 ,  李卫斌

IPC: G06K9/62

Abstract: 本发明公开了一种基于KSVD算法训练字典的SAR图像混合模型拟合方法，它属于图像处理技术领域，主要解决SAR图像杂波分布模型种类繁多且对实际地物的建模能力有限的问题。其拟合过程为：基于对数正态分布和威布尔分布的概率密度函数，建立初始化分布模型字典；对图像中的每一类提取训练数据；利用KSVD算法训练初始化分布模型字典，得到新的字典集合；对图像中的每一类提取测试数据；用测试数据和新的字典集合作为OMP算法的输入来重构测试数据的稀疏系数；用字典集合中的字典乘以与其对应的稀疏系数就可得到测试数据的概率密度，从而得到其拟合直方图。本发明具有拟合精度高的优点，可用于SAR图像统计模型的拟合。

公开(公告)号：CN104217436A

公开(公告)日：2014-12-17

申请号：CN201410472497.7

申请日：2014-09-16

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  古晶 ,  马文萍 ,  杨淑媛 ,  刘红英 ,  熊涛 ,  侯彪 ,  王爽 ,  霍丽娜

IPC: G06T7/00

Abstract: 本发明公开了一种基于多特征联合稀疏图的SAR图像分割方法，主要解决现有方法对分割结果产生不利影响以及图像规模增大影响计算复杂度的问题。其实现步骤为：1)输入待分割图像；2)将待分割图像进行过分割得到超像素；3)提取超像素的四个特征集；4)对四个特征集进行联合稀疏表示得到四个稀疏表示系数；5)将四个稀疏表示系数融合为一个全局稀疏表示系数；6)计算超像素的局部空间邻域相关性；7)将全局稀疏表示系数与局部空间邻域相关性相结合生成联合稀疏图；8)使用谱聚类算法分割联合稀疏图的顶点得到最终的分割结果。本发明能有效分割SAR图像并不受噪声影响，可用于SAR图像的自动目标识别。

公开(公告)号：CN102945553B

公开(公告)日：2014-12-17

申请号：CN201210493436.X

申请日：2012-11-27

Applicant: 西安电子科技大学

Inventor： 李阳阳 ,  焦李成 ,  王爽 ,  武小龙 ,  马文萍 ,  马晶晶 ,  李玲玲

IPC: G06T7/00

Abstract: 本发明公开了一种基于自动差分聚类算法的遥感图像分割方法，主要解决现有图像分割技术中计算复杂度较高、分割效果不好的问题。其实现步骤为：(1)输入待分割图像，提取待分割图像特征；(2)产生聚类数据；(3)随机抽取聚类数据初始化种群；(4)根据个体的标签位激活聚类中心；(5)根据激活的聚类中心，计算个体适应度值；(6)用改进的差分进化方法进化种群；(7)对进化后种群进行类别数振荡操作；(8)利用FCM更新质心；(9)利用更新后质心判断终止条件，并记录最优个体；(10)对最优个体解码，分配类别标号并输出分割图像。本发明具有分割精度高、边缘定位准确的优点，可用于目标识别。

公开(公告)号：CN104199033A

公开(公告)日：2014-12-10

申请号：CN201410469466.6

申请日：2014-09-15

Applicant: 西安电子科技大学

Inventor： 熊涛 ,  刘红英 ,  李宁 ,  王爽 ,  侯彪 ,  马文萍 ,  杨淑媛 ,  张向荣

IPC: G01S13/90

CPC classification number: G01S13/9035 ,  G01S7/40 ,  G01S2013/9047

Abstract: 本发明公开一种基于搜索SAR图像相位梯度自聚焦运动补偿方法，解决了现有技术相位梯度自聚焦运动补偿方法存在的熵值收敛速度慢，且对具有极少孤立强散射点的图像聚焦效果较差甚至不能聚焦的问题。本发明的步骤为：(1)输入图像域数据信号矩阵；(2)获取距离单元数据信号矩阵；(3)循环移位；(4)加窗处理；(5)校正相位误差；(6)判断是否满足熵值收敛条件；(7)输出相位校正数据信号矩阵。本发明相比现有技术相比，加快了熵值收敛的速度，提高了相位误差校正的效率，并且对具有极少孤立强散射点的图像有良好的聚焦效果。

公开(公告)号：CN104166859A

公开(公告)日：2014-11-26

申请号：CN201410395368.2

申请日：2014-08-13

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  刘芳 ,  刘宸荣 ,  马文萍 ,  马晶晶 ,  王爽 ,  侯彪 ,  李阳阳

IPC: G06K9/62

Abstract: 本发明的目的是提供一种基于SSAE和FSALS-SVM的极化SAR图像分类方法。它利用栈式稀疏自动编码器(SSAE)的多隐层结构，获得具有对原始数据更本质的刻画能力并且更适合分类的深度特征，并用能够获得问题稀疏解的快速稀疏逼近最小二乘支持向量机(FSALS-SVM)代替传统深度学习中常用的Softmax，与SSAE相结合，提高了对极化SAR图像的分类精度，并在一定程度上克服了传统基于像素的极化SAR图像分类方法受相干斑噪声影响大的缺点，保证了分类结果图中匀质区域的连贯性。