公开(公告)号：CN102024262B

公开(公告)日：2012-07-04

申请号：CN201110001586.X

申请日：2011-01-06

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  刘娟 ,  沈彦波 ,  焦李成 ,  尚荣华 ,  李阳阳 ,  马文萍 ,  王爽 ,  公茂果

IPC: G06T7/00

Abstract: 本发明公开了一种利用流形谱聚类进行图像分割的方法，主要解决现有方法的存储规模大、计算效率和分割精度低的问题。实现步骤为：(1)输入一幅图像，提取输入图像的颜色和纹理特征，并利用分水岭算法获得输入图像的流形集；(2)计算流形特征集，构造距离矩阵，由弗洛伊德算法得流行距离矩阵；(3)计算相似度矩阵，进而构造度矩阵以及归一化拉普拉斯矩阵；(4)特征分解归一化拉普拉斯矩阵，进而构造谱矩阵；(5)对谱矩阵进行归一化，得到归一化谱矩阵，由k均值算法得流形集的标签向量，输出分割结果。本发明存储规模小、计算效率和分割精度高，可应用于医学图像检测病灶区、精密零件表面缺陷检测、卫星拍摄的地形地貌照片的处理。

公开(公告)号：CN102324045A

公开(公告)日：2012-01-18

申请号：CN201110257384.1

申请日：2011-09-01

Applicant: 西安电子科技大学

Inventor： 苗启广 ,  刘娟 ,  陈为胜 ,  许鹏飞 ,  王一丁 ,  史俊杰 ,  李伟生 ,  王煦

IPC: G06K9/66

Abstract: 本发明公开了基于Radon变换和极谐波变换的不变矩目标识别方法。其步骤为：(1)输入待识别图像；(2)图像预处理；(3)Radon变换；(4)仿射变换；(5)构造不变矩；(6)提取不变特征；(7)特征模型；(8)图像目标识别；(9)输出图像目标识别结果。本发明成功构造出Radon复指数不变矩、Radon正余弦不变矩和极地复指数实虚不变矩三个新的不变矩，通过提取不变矩的实部和虚部作为不变特征，能够有效地解决噪声干扰的问题，更好的体现图像的真实性，提高图像目标识别的准确率。本发明具有较好的适用性和稳定性，提高了不变矩的整体性能以及图像目标识别的适用性和稳定性。

公开(公告)号：CN109831806B

公开(公告)日：2021-07-06

申请号：CN201910169065.1

申请日：2019-03-06

Applicant: 西安电子科技大学

Inventor： 衣孟杰 ,  张琰 ,  刘娟 ,  王玺钧 ,  孙婉莹 ,  闫朝星

IPC: H04W28/14 ,  H04L29/08 ,  G06F16/2455

Abstract: 本发明提出了一种在密集场景下面向用户优先级的基站协同缓存方法，主要解决现有技术中用户请求内容在基站缓存器中命中率低及因用户请求被无差异化服务导致高优先级用户被不公平对待的问题。其实现方案是：先根据所有用户的请求信息和基站缓存器中的信息建立基站协同缓存的深度强化学习模型；再对该模型进行离线训练和学习，得到学习好的深度强化学习模型；最后利用该学习好的深度强化学习模型在宏基站处进行在线的基站协同缓存决策。本发明不仅增大了用户的请求内容在基站缓存器中的命中率，而且可对不同优先级的用户提供差异化的服务，既能满足不同用户的上网需求，又能给运营商带来更大的利益，可用于用户在无线网络中对资源的访问。

公开(公告)号：CN102024262A

公开(公告)日：2011-04-20

申请号：CN201110001586.X

申请日：2011-01-06

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  刘娟 ,  沈彦波 ,  焦李成 ,  尚荣华 ,  李阳阳 ,  马文萍 ,  王爽 ,  公茂果

IPC: G06T7/00

Abstract: 本发明公开了一种利用流形谱聚类进行图像分割的方法，主要解决现有方法的存储规模大、计算效率和分割精度低的问题。实现步骤为：(1)输入一幅图像，提取输入图像的颜色和纹理特征，并利用分水岭算法获得输入图像的流形集；(2)计算流形特征集，构造距离矩阵，由弗洛伊德算法得流行距离矩阵；(3)计算相似度矩阵，进而构造度矩阵以及归一化拉普拉斯矩阵；(4)特征分解归一化拉普拉斯矩阵，进而构造谱矩阵；(5)对谱矩阵进行归一化，得到归一化谱矩阵，由k均值算法得流形集的标签向量，输出分割结果。本发明存储规模小、计算效率和分割精度高，可应用于医学图像检测病灶区、精密零件表面缺陷检测、卫星拍摄的地形地貌照片的处理。

公开(公告)号：CN102324045B

公开(公告)日：2013-06-12

申请号：CN201110257384.1

申请日：2011-09-01

Applicant: 西安电子科技大学

Inventor： 苗启广 ,  刘娟 ,  陈为胜 ,  许鹏飞 ,  王一丁 ,  史俊杰 ,  李伟生 ,  王煦

IPC: G06K9/66

Abstract: 本发明公开了基于Radon变换和极谐波变换的不变矩目标识别方法。其步骤为：(1)输入待识别图像；(2)图像预处理；(3)Radon变换；(4)仿射变换；(5)构造不变矩；(6)提取不变特征；(7)特征模型；(8)图像目标识别；(9)输出图像目标识别结果。本发明成功构造出Radon复指数不变矩、Radon正余弦不变矩和极地复指数实虚不变矩三个新的不变矩，通过提取不变矩的实部和虚部作为不变特征，能够有效地解决噪声干扰的问题，更好的体现图像的真实性，提高图像目标识别的准确率。本发明具有较好的适用性和稳定性，提高了不变矩的整体性能以及图像目标识别的适用性和稳定性。

公开(公告)号：CN102496027B

公开(公告)日：2013-04-17

申请号：CN201110356014.3

申请日：2011-11-10

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  焦李成 ,  沈彦波 ,  刘娟 ,  侯彪 ,  王爽 ,  张向荣 ,  公茂果

IPC: G06K9/62

Abstract: 本发明公开了一种基于约束自适应传递的半监督图像分类方法，主要解决现有半监督图像分类方法的分类精度低，存在信息缺陷，运行时间不稳定的问题。其实现步骤是：(1)输入待分类的图像和对式约束集合；(2)构造最近邻集合；(3)构造相似度矩阵；(4)构造拉普拉斯矩阵；(5)构造对式约束权值矩阵；(6)解半正定规划；(7)聚类并输出结果。本发明具有分类精度较高，运行时间稳定的优点，有效的克服了现有半监督图像分类方法存在的核矩阵信息缺陷问题。

公开(公告)号：CN102930301B

公开(公告)日：2015-05-20

申请号：CN201210393790.5

申请日：2012-10-16

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  简萌 ,  焦李成 ,  刘兵 ,  沈彦波 ,  刘娟

IPC: G06K9/66

Abstract: 本发明公开一种基于特征权重学习与核稀疏表示的图像分类方法。主要解决现有技术缺少特征层判别能力的问题。实现步骤为：将训练样本与测试样本映射到核空间；在核空间中构造结构化的字典，用该字典对训练样本和测试样本进行稀疏表示；通过Fisher判别准则，利用训练集的稀疏系数求解每类子字典的权重及对应重构误差的权重；根据字典权重和重构误差权重计算测试样本的重构误差；从各类子字典对测试样本的重构误差中选择最小值，将其对应子字典的类作为测试样本的分类结果。本发明可增强字典及重构误差在特征层的类判别能力，提高基于图像重构的分类器的性能，可用于人脸识别，图像分类，图像标记，图像检索和图像分割。

公开(公告)号：CN102930301A

公开(公告)日：2013-02-13

申请号：CN201210393790.5

申请日：2012-10-16

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  简萌 ,  焦李成 ,  刘兵 ,  沈彦波 ,  刘娟

IPC: G06K9/66

Abstract: 本发明公开一种基于特征权重学习与核稀疏表示的图像分类方法。主要解决现有技术缺少特征层判别能力的问题。实现步骤为：将训练样本与测试样本映射到核空间；在核空间中构造结构化的字典，用该字典对训练样本和测试样本进行稀疏表示；通过Fisher判别准则，利用训练集的稀疏系数求解每类子字典的权重及对应重构误差的权重；根据字典权重和重构误差权重计算测试样本的重构误差；从各类子字典对测试样本的重构误差中选择最小值，将其对应子字典的类作为测试样本的分类结果。本发明可增强字典及重构误差在特征层的类判别能力，提高基于图像重构的分类器的性能，可用于人脸识别，图像分类，图像标记，图像检索和图像分割。

公开(公告)号：CN109831806A

公开(公告)日：2019-05-31

申请号：CN201910169065.1

申请日：2019-03-06

Applicant: 西安电子科技大学

Inventor： 衣孟杰 ,  张琰 ,  刘娟 ,  王玺钧 ,  孙婉莹 ,  闫朝星

IPC: H04W28/14 ,  H04L29/08 ,  G06F16/2455

Abstract: 本发明提出了一种在密集场景下面向用户优先级的基站协同缓存方法，主要解决现有技术中用户请求内容在基站缓存器中命中率低及因用户请求被无差异化服务导致高优先级用户被不公平对待的问题。其实现方案是：先根据所有用户的请求信息和基站缓存器中的信息建立基站协同缓存的深度强化学习模型；再对该模型进行离线训练和学习，得到学习好的深度强化学习模型；最后利用该学习好的深度强化学习模型在宏基站处进行在线的基站协同缓存决策。本发明不仅增大了用户的请求内容在基站缓存器中的命中率，而且可对不同优先级的用户提供差异化的服务，既能满足不同用户的上网需求，又能给运营商带来更大的利益，可用于用户在无线网络中对资源的访问。

公开(公告)号：CN102663757A

公开(公告)日：2012-09-12

申请号：CN201210118455.4

申请日：2012-04-20

Applicant: 西安电子科技大学

Inventor： 郑喆坤 ,  焦李成 ,  朱孝华 ,  鞠军委 ,  刘娟 ,  沈彦波 ,  侯彪 ,  公茂果

IPC: G06T7/00

Abstract: 本发明公开一种基于核传递的半自动图像分割方法，主要解决现有交互式图像分割方法不能保持数据一致性，分割结果不稳定和边缘不清晰的问题。其实现步骤为：输入一幅待分割图像，利用均值漂移方法获得输入图像的超像素集，计算超像素颜色直方图特征集；采用Bhattacharyya系数公式构造相似度矩阵W；用户在预分割之后的图像上交互操作，得到种子超像素集合，构造must-link约束集合M和cannot-link约束集合C；利用核传递方法将约束信息M和C传递到整个核空间，获得核矩阵R；由k均值聚类方法对核矩阵R聚类，获得聚类标记向量，输出显示分割结果。本发明具有数据一致性好，分割结果稳定，操作简单且边缘清晰的优点，可用于图像检索，2D转3D技术，目标检测与跟踪及医学图像分析。