-
公开(公告)号：CN113936136A
公开(公告)日：2022-01-14
申请号：CN202111122583.1
申请日：2021-09-24
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/143 , G06V10/80 , G06K9/62 , G06N3/04
Abstract: 本申请公开了一种基于深度学习融合通道混洗的红外目标检测方法，该方法包括：将原始图像输入预设网络，提取原始图像的特征图；将特征图输入候选框生成层；将特征图输入RPN网络，确定候选框，并输出候选框至候选框生成层；候选框生成层将候选框在输入特征图进行映射，得到候选框特征图；将候选框特征图通过池化层调整为固定大小的固定特征图；将固定特征图输入至完全连接层，固定特征图通过softmax层输出类别，固定特征图通过线性回归层输出对应的边界框，得到原始图像的目标检测结果图。该方案在提高检测速度的同时保证了检测的精度。
-
公开(公告)号：CN115393711A
公开(公告)日：2022-11-25
申请号：CN202210972870.X
申请日：2022-08-15
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于高光谱图像的异常检测方法，本发明基于空‑谱联合显著性特征表达的方法对高光谱图像进行异常检测。具体方法包括：首先通过联合双窗结构与改进光谱距离计算的光谱特征提取方法完成光谱特征的提取，同时通过基于数据降维与曲率滤波的空间特征提取方法完成空间特征的提取，其次联合两种不同属性特征获得空‑谱初始特征。最后通过基于前后文感知的高光谱显著性检测方法进行异常检测，从而获得异常检测结果。
-
公开(公告)号：CN115358978A
公开(公告)日：2022-11-18
申请号：CN202210964927.1
申请日：2022-08-12
Applicant: 西安电子科技大学
Abstract: 本发明涉及基于新型多元偏态t分布模型的高光谱图像异常检测方法，利用自编码器和新型多元偏态t分布模型建模的方法实现对高光谱图像进行异常检测。具体方法包括：首先使用RX算法对原始高光谱图像进行预处理，选取结果的背景部分输入到栈式降噪自编码器网络中进行训练；然后将原始高光谱图像输入到训练好的栈式降噪自编码器中，输出得到重建的高光谱图像；最后将重建高光谱图像与原始高光谱图像相减得到重建误差，再用多元偏态t分布模型对重建误差进行建模，计算异常评分从而获得异常检测结果。
-
公开(公告)号：CN115330653A
公开(公告)日：2022-11-11
申请号：CN202210982221.8
申请日：2022-08-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边窗滤波的多源图像融合方法，本发明利用边窗滤波、稀有度颜色统计联合梯度能量优化的显著性检测方法及多层次融合策略的方法对红外和可见光图像进行融合。具体方法包括：对待融合的红外和可见光图像首先使用边窗滤波分别进行多尺度分解，生成基础层与细节层图像；通过稀有度颜色统计联合梯度能量优化的显著性检测方法生成分别对红外和可见光图像进行显著性检测得到显著图；接着，通过显著性比较以及滤波优化得到融合权重图；其次，使用融合权重指导基础层图像融合得到融合基础层；同时，采用一种多层次融合策略对细节层进行融合；最后，将融合基础层和融合细节层进行重构得到融合后的图像。
-
公开(公告)号：CN116091330A
公开(公告)日：2023-05-09
申请号：CN202211093047.8
申请日：2022-09-08
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的图像修复方法，本发明利用生成对抗网络和多尺度注意力机制的方法对具有大面积丢失的图像进行修复。具体方法包括：首先使用真实图像对生成对抗网络进行训练；然后提取训练好的生成器作为图像修复的网络结构；最后将受损图像通过图像修复网络，从而获得图像修复结果。
-
Patent Agency Ranking
公开(公告)号：CN113902896A
公开(公告)日：2022-01-07
申请号：CN202111122570.4
申请日：2021-09-24
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/143 , G06V10/80 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于扩大感受野的红外目标检测方法，构建用于提取特征的基础网络结构；将图像输入所述基础网络结构，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图；通过在低层特征分支后添加设计构建的感受野模块RFB‑d与RFB‑w进行处理来扩大感受野，获得语义信息丰富的低层特征图；对所述语义信息丰富的低层特征图和高层特征图分别预测该特征图上每个网格对应的每个预测框所属的分类与边界框；通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。本发明在提高检测算法速度的同时，有效地提高了检测精度。
-
公开(公告)号：CN113902630B
公开(公告)日：2025-03-21
申请号：CN202111019818.4
申请日：2021-09-01
Applicant: 西安电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/0475 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度纹理特征分支的生成对抗网络图像修复方法，构建包含缺失区域的待修复图像与真实图像对数据集；构建基于多尺度纹理特征分支的生成对抗网络模型；对所述基于多尺度纹理特征分支的生成对抗网络模型进行训练，获得最优的生成对抗网络模型；将包含缺失区域的待修复图像输入到最优的生成器网络模型中，输出最终的修复结果图像。本发明针对图像不规则随机缺失和大面积缺失情况都能得到较好的修复效果，修复图像具有较好的结构和纹理特征。
-
公开(公告)号：CN113902896B
公开(公告)日：2025-02-07
申请号：CN202111122570.4
申请日：2021-09-24
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/143 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于扩大感受野的红外目标检测方法，构建用于提取特征的基础网络结构；将图像输入所述基础网络结构，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图；通过在低层特征分支后添加设计构建的感受野模块RFB‑d与RFB‑w进行处理来扩大感受野，获得语义信息丰富的低层特征图；对所述语义信息丰富的低层特征图和高层特征图分别预测该特征图上每个网格对应的每个预测框所属的分类与边界框；通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。本发明在提高检测算法速度的同时，有效地提高了检测精度。
-
公开(公告)号：CN115424102A
公开(公告)日：2022-12-02
申请号：CN202210953758.1
申请日：2022-08-10
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于各向异性引导滤波的多聚焦图像融合方法。该发明首先对源图像提取显著性特征，针对传统特征提取方法中易引入噪声的缺陷，采用基于差异性引导框架的显著性特征提取方法，然后针对融合权重构造过程中聚焦区域连续性差的问题，联合梯度特征与强度方差算子对图像进行复合聚焦度测量，得到粗融合权重图，再采用形态学滤波与各向异性引导滤波对其进行优化以使聚焦区域边界与散焦区域边界对齐，得到最终融合权重图，最后进行多聚焦图像融合。
-
公开(公告)号：CN115424049A
公开(公告)日：2022-12-02
申请号：CN202211026537.6
申请日：2022-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于优化K‑means聚类和C‑V模型的红外林火检测方法，首先采用最大中值滤波算法对红外图像进行噪声抑制预处理，然后结合粒子群优化与K‑means聚类算法对红外图像中的火灾目标区域进行粗分割，并将粗分割结果作为初始轮廓线，使用基于变分水平集的C‑V模型实现对火灾目标边界的优化，最终根据红外火灾目标特性对疑似区域进行特征判别，以得到最终的检测结果。本发明针对红外森林火灾图像中火灾区域边缘模糊、分散并存在烟雾的红外辐射阴影等问题，可以有效地消除干扰物，解决火焰内部漏检问题，具有较好的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
