-
公开(公告)号：CN113068044B
公开(公告)日：2022-01-11
申请号：CN202110312680.0
申请日：2021-03-24
Applicant: 西安电子科技大学
IPC: H04N19/42 , G06K9/62 , H04N19/103 , H04N19/91
Abstract: 本发明公开了一种基于低秩表示的迭代高光谱图像无损压缩方法，解决了传统压缩方法忽略了图像空间的相关性，聚类结果不稳定，模块之间无联系的问题。实现步骤包括：定义光谱角相似性度量方法；对原始图像粗略聚类；低秩表示求解粗略聚类块系数矩阵；对系数矩阵再聚类得到初始聚类结果；对初始聚类结果迭代优化得到最终聚类块的预测系数与预测残差；接着进行熵编码，得到待传输的码流文件；熵解码后在解码端对码流文件解压缩，得到无损压缩后的高光谱图像。本发明定义光谱角相关性度量方法，增加对空间相关性的利用；低秩表示与子空间聚类相结合，增加聚类结果稳定性；通过迭代优化关联各个模块，增加了结果压缩比。应用于影像压缩领域。
-
公开(公告)号：CN108846426B
公开(公告)日：2022-01-11
申请号：CN201810539758.0
申请日：2018-05-30
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。
-
公开(公告)号：CN113068044A
公开(公告)日：2021-07-02
申请号：CN202110312680.0
申请日：2021-03-24
Applicant: 西安电子科技大学
IPC: H04N19/42 , G06K9/62 , H04N19/103 , H04N19/91
Abstract: 本发明公开了一种基于组低秩表示的迭代高光谱图像无损压缩方法，解决了传统压缩方法忽略了图像空间的相关性，聚类结果不稳定，模块之间无联系的问题。实现步骤包括：定义光谱角相似性度量方法；对原始图像粗略聚类；低秩表示求解粗略聚类块系数矩阵；对系数矩阵再聚类得到初始聚类结果；对初始聚类结果迭代优化得到最终聚类块的预测系数与预测残差；接着进行熵编码，得到待传输的码流文件；熵解码后在解码端对码流文件解压缩，得到无损压缩后的高光谱图像。本发明定义光谱角相关性度量方法，增加对空间相关性的利用；低秩表示与子空间聚类相结合，增加聚类结果稳定性；通过迭代优化关联各个模块，增加了结果压缩比。应用于影像压缩领域。
-
公开(公告)号：CN106971402B
公开(公告)日：2020-03-17
申请号：CN201710267557.5
申请日：2017-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于光学辅助的SAR图像变化检测方法，属于图像处理技术领域，主要解决SAR图像噪声影响大，分辨率不高，分类不精确的问题。其过程为：用两幅不同时刻的SAR图像构造差异图，应用FCM将像素分为严变、严不变与中间3类。根据每个像素邻域的严变、严不变像素个数，及光学图像各通道拉成列，作为辅助特征，进行聚类，有效克服了SAR图像分类方法杂点过多的缺陷。本发明具有噪声小，分类精确的优点，有助于后续的分类。
-
公开(公告)号：CN108495132B
公开(公告)日：2019-10-11
申请号：CN201810110020.2
申请日：2018-02-05
Applicant: 西安电子科技大学
IPC: H04N19/122 , H04N19/124 , H04N19/25 , H04N19/48 , G06K9/00 , G06K9/62 , G06N3/04 , H04N7/20
Abstract: 本发明公开了一种基于轻量级深度卷积网络的遥感影像大倍率压缩方法，其步骤为：1.搭建一个7层的轻量级深度卷积网络；2.选取遥感影像训练样本；3.生成训练数据集；4.训练轻量级深度卷积网络；5.压缩待测试遥感影像；6.解压待测试遥感影像的大倍率压缩文件。本方法设计了一种新的7层的轻量级深度卷积网络，该方法的模型轻巧，压缩解压缩时间短，可实现大倍率压缩，优化了反量化过程，提高了神经网络的精度，提升了复原遥感影像的质量，可以保留更多的遥感影像的边缘纹理信息。
-
Patent Agency Ranking
公开(公告)号：CN108846426A
公开(公告)日：2018-11-20
申请号：CN201810539758.0
申请日：2018-05-30
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。
-
公开(公告)号：CN108495132A
公开(公告)日：2018-09-04
申请号：CN201810110020.2
申请日：2018-02-05
Applicant: 西安电子科技大学
IPC: H04N19/122 , H04N19/124 , H04N19/25 , H04N19/48 , G06K9/00 , G06K9/62 , G06N3/04 , H04N7/20
Abstract: 本发明公开了一种基于轻量级深度卷积网络的遥感影像大倍率压缩方法，其步骤为：1.搭建一个7层的轻量级深度卷积网络；2.选取遥感影像训练样本；3.生成训练数据集；4.训练轻量级深度卷积网络；5.压缩待测试遥感影像；6.解压待测试遥感影像的大倍率压缩文件。本方法设计了一种新的7层的轻量级深度卷积网络，该方法的模型轻巧，压缩解压缩时间短，可实现大倍率压缩，优化了反量化过程，提高了神经网络的精度，提升了复原遥感影像的质量，可以保留更多的遥感影像的边缘纹理信息。
-
公开(公告)号：CN108388901A
公开(公告)日：2018-08-10
申请号：CN201810112593.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间-语义通道的协同显著目标检测方法。本发明通过模拟人类视觉，根据图像间的协同辅助规则，对待检测的群组图像中彩色图和图像深度图，进行空间协同和语义协同双通道并行处理，利用协同显著性先验获得两种初步协同显著图，融合两个初步协同显著图，得到最终的协同显著图，实现复杂场景群组图像中共同的显著目标的检测，有效地突出了群组图像的共同显著目标并且抑制了复杂的背景噪声，使得本发明具有较好的检测结果，提高了检测的准确率和召回率。
-
公开(公告)号：CN105069478B
公开(公告)日：2018-04-17
申请号：CN201510511885.6
申请日：2015-08-19
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于超像素张量稀疏编码的高光谱遥感地物分类方法，克服了现有技术中不能充分利用高光谱图像的空间信息进行分类和分类速度慢的缺点。本发明实现的步骤是：(1)输入待分类的高光谱图像；(2)构建层次空间相似度矩阵；(3)获得超像素集；(4)构造标记样本字典；(5)求解稀疏系数矩阵；(6)超像素分类；(7)输出待分类高光谱图像的分类结果。本发明具有保持高光谱图像同质区域的空间一致性和分类速度快的优点，可用于高光谱图像的快速分类。
-
公开(公告)号：CN107240138A
公开(公告)日：2017-10-10
申请号：CN201710378830.1
申请日：2017-05-25
Applicant: 西安电子科技大学
IPC: G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
CPC classification number: G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
Abstract: 本发明提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明压缩重构图像的PSNR指标和主观视觉评价高。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.032 seconds)
