-
公开(公告)号：CN116170266A
公开(公告)日：2023-05-26
申请号：CN202310065870.6
申请日：2023-01-16
Applicant: 西安电子科技大学
IPC: H04L27/26
Abstract: 本发明在滤波处理之前，根据当前子载波的实数数据进行PTS，选取PAPR值最小时对应的相位因子。对更新后的实数数据进行滤波操作，转换为复数数据得到发送信号。当处理数据为实数数据块时，不会出现因为叠加而使得信号相消的问题，确保了信号的完整性，优化了系统的性能；本发明通过将FBMC‑OQAM符号为单位代替以数据块为单位可以将备选数据序列增多，PAPR抑制性能将越好。每个FBMC‑OQAM符号选择最优相位因子时都将做出当前环境下的最优选择。此外本发明考虑信号之间的重叠问题，在计算每组序列的PAPR值时，不仅计算当前符号周期内PAPR值的大小还考虑之前数据块由于叠加现象造成的对当前符号的影响。
-
公开(公告)号：CN109829853B
公开(公告)日：2022-12-23
申请号：CN201910046773.6
申请日：2019-01-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种无人机航拍图像拼接方法，涉及图像处理技术领域，本发明包括如下步骤：S1：输入两幅待拼接的无人机航拍图像分别作为参考图像和待配准图像；S2：运用FAST特征点检测算法对参考图像和待配准图像进行处理，得到参考图像和待配准图像的FAST特征点；S3：提取参考图像和待配准图像FAST特征点处的BRISK特征及FREAK特征；S4：利用HAMMING距离度量准则和BF搜索策略分别匹配BRISK特征及FREAK特征，得到M个最优的特征点对；S5：利用RANSAC算法对特征点对进行筛选，计算得到特征点对之间的坐标变换矩阵；S6：利用坐标变换矩阵对待配准图像进行坐标变换，使之与参考图像进行加权融合，得到拼接后的图像，本发明具有效率高、鲁棒性强、拼接结果准确的优点。
-
公开(公告)号：CN115100574A
公开(公告)日：2022-09-23
申请号：CN202210851338.2
申请日：2022-07-19
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 一种基于融合图卷积网络与Transformer网络的动作识别方法及系统，属于计算机视觉等技术领域，解决现有技术只浅层使用图卷积网络提取空间特征，其局部时空特征建模能力差的问题。本发明对获取的人体骨架序列数据进行预处理，并引入关节速度信息，得到引入关节速度信息的人体骨架序列；基于引入关节速度信息的人体骨架序列构建时空骨架图；构建时空骨架图的自适应时空图卷积单元模块并进行堆叠，堆叠后得到时空图卷积网络；通过融合层将时空图卷积网络和视觉Transformer网络进行融合得到动作识别模型并进行训练；将待预测的人体动作骨架序列处理后送入训练好的动作识别模型进行预测，预测得到动作类别。本发明用于动作识别。
-
公开(公告)号：CN110097575B
公开(公告)日：2022-07-01
申请号：CN201910348414.6
申请日：2019-04-28
Applicant: 电子科技大学
IPC: G06T7/246 , G06T7/269 , G06V10/80 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于局部特征及尺度池的目标跟踪方法，属于灰度图像目标跟踪技术领域，解决光照变化、尺度变化与背景干扰等复杂环境下目标跟踪算法精确度差的问题。本发明第一帧图像根据初始信息获取目标，基于目标的两种特征训练分类器，得到目标模型及分类器回归系数再初始化，第二帧图像利用尺度池获得不同尺度的目标，并提取特征一和特征二；基于初始化后的目标模型及分类器回归系数得到两种特征的多层核相关滤波响应图，再线性插值到一致大小后加权融合得到多层核相关滤波响应图，进而得到目标的预测位置及预测尺度，即完成一次目标跟踪，若跟踪未结束，实现第二帧图像到第三帧图像的跟踪，直到循环至最后一帧图像。本发明用于目标跟踪。
-
公开(公告)号：CN111027493B
公开(公告)日：2022-05-20
申请号：CN201911284456.4
申请日：2019-12-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习多网络软融合的行人检测方法，涉及图像处理、目标检测及深度学习技术领域；其包括S1：输入待处理图像；S2：将待处理图像输入一个以Darknet‑53为基础网络的YOLO v3行人候选区生成器中，生成行人候选区；S3：将待处理图像输入前端预测模块，输出C个特征图；S4：将C个特征图输入语义分割系统，输出C个包含上下文信息的特征图；S5：将语义分割系统的结果与行人候选区生成器产生的行人候选结果进行融合；S6：输出检测图像。本发明并行软融合行人候选区生成器和语义分割两个系统，高效地检测各种挑战场景下的行人，同时提高了对小目标的检测能力。
-
Patent Agency Ranking
公开(公告)号：CN108065934B
公开(公告)日：2021-01-12
申请号：CN201711179629.7
申请日：2017-11-23
Applicant: 西安电子科技大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于LME模型的减重手术引起大脑结构变化的影像学统计分析方法，我们选择T1结构像的成像方式研究肥胖病人在减重手术干预下大脑皮层结构的变化，更加直观；本发明的方法在实验设计上更新颖，较以往减重手术研究中单一手术组自身前后的对比分析设计，增加了肥胖对照组，充分考虑了肥胖病人在没有手术干预下一个月是否也有大脑结构变化的因素，使得实验设计更加严谨，保证了数据的测量与重复测量；本发明的方法采用LME模型研究减重手术引起肥胖病人大脑结构变化的研究，改善了单一组配对T检验统计方法忽略肥胖病人组自身的时间效应的缺点，使得结果更加鲁棒。
-
公开(公告)号：CN109872337A
公开(公告)日：2019-06-11
申请号：CN201910210543.9
申请日：2019-03-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于快速均值移位的眼底图像视盘分割方法，属于图像处理技术领域，解决现有技术中，视盘分割方法准确率不高、鲁棒性不高和分割效率较低的问题。本发明输入原眼底图像，进行预处理，其中，原眼底图像为待分析眼底图像；利用多光源颜色恒常性算法，对颜色校正后的眼底图像进行颜色校正；结合预处理得到的图像中的血管信息进行视盘定位，再基于颜色校正后的眼底图像，利用快速均值移位分割出视盘区域，得到视盘图像。本发明用于眼底图像的视盘分割。
-
公开(公告)号：CN109829853A
公开(公告)日：2019-05-31
申请号：CN201910046773.6
申请日：2019-01-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种无人机航拍图像拼接方法，涉及图像处理技术领域，本发明包括如下步骤：S1：输入两幅待拼接的无人机航拍图像分别作为参考图像和待配准图像；S2：运用FAST特征点检测算法对参考图像和待配准图像进行处理，得到参考图像和待配准图像的FAST特征点；S3：提取参考图像和待配准图像FAST特征点处的BRISK特征及FREAK特征；S4：利用HAMMING距离度量准则和BF搜索策略分别匹配BRISK特征及FREAK特征，得到M个最优的特征点对；S5：利用RANSAC算法对特征点对进行筛选，计算得到特征点对之间的坐标变换矩阵；S6：利用坐标变换矩阵对待配准图像进行坐标变换，使之与参考图像进行加权融合，得到拼接后的图像，本发明具有效率高、鲁棒性强、拼接结果准确的优点。
-
公开(公告)号：CN108065934A
公开(公告)日：2018-05-25
申请号：CN201711179629.7
申请日：2017-11-23
Applicant: 西安电子科技大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于LME模型的减重手术引起大脑结构变化的影像学统计分析方法，我们选择T1结构像的成像方式研究肥胖病人在减重手术干预下大脑皮层结构的变化，更加直观；本发明的方法在实验设计上更新颖，较以往减重手术研究中单一手术组自身前后的对比分析设计，增加了肥胖对照组，充分考虑了肥胖病人在没有手术干预下一个月是否也有大脑结构变化的因素，使得实验设计更加严谨，保证了数据的测量与重复测量；本发明的方法采用LME模型研究减重手术引起肥胖病人大脑结构变化的研究，改善了单一组配对T检验统计方法忽略肥胖病人组自身的时间效应的缺点，使得结果更加鲁棒。
-
公开(公告)号：CN115100574B
公开(公告)日：2025-01-07
申请号：CN202210851338.2
申请日：2022-07-19
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 一种基于融合图卷积网络与Transformer网络的动作识别方法及系统，属于计算机视觉等技术领域，解决现有技术只浅层使用图卷积网络提取空间特征，其局部时空特征建模能力差的问题。本发明对获取的人体骨架序列数据进行预处理，并引入关节速度信息，得到引入关节速度信息的人体骨架序列；基于引入关节速度信息的人体骨架序列构建时空骨架图；构建时空骨架图的自适应时空图卷积单元模块并进行堆叠，堆叠后得到时空图卷积网络；通过融合层将时空图卷积网络和视觉Transformer网络进行融合得到动作识别模型并进行训练；将待预测的人体动作骨架序列处理后送入训练好的动作识别模型进行预测，预测得到动作类别。本发明用于动作识别。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.031 seconds)
