-
公开(公告)号：CN101667245B
公开(公告)日：2011-08-24
申请号：CN200910024049.X
申请日：2009-09-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于支持矢量新颖检测分类器级联的人脸检测方法，主要解决的是人脸检测过程中计算复杂度过大导致检测时间过长的问题，其检测过程是：训练样本集的预处理及提取样本特征；利用支持矢量新颖检测算法对已提取特征的训练样本进行训练，并得到分类器模型；根据在已有测试集的检测的正检和误检率来优化算法参数并挑选合适三个合适的子分类器级联成一个强分类器；用此级联强分来器对灰度图片进行人脸的检测并标出。本发明具有检测速度快的优点，可用于机器学习和模式识别范畴内的人脸检测。
-
公开(公告)号：CN101576997B
公开(公告)日：2011-07-20
申请号：CN200910022987.6
申请日：2009-06-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于二次三维区域生长的腹部器官分割方法，属于医学图像处理领域。该方法首先结合感兴趣器官的解剖位置、灰度值分布等先验知识，自动地提取初始种子点，并结合Canny边缘检测算法提取的图像边缘，对图像进行第一次三维区域生长；然后提取第一次生长后得到的分割结果图的三维形态学边缘；最后结合提取的三维形态学边缘和原图像的Canny边缘，对原图像进行第二次三维区域生长，并对第二次三维区域生长得到的分割结果做三维形态学膨胀，得到最终的腹部感兴趣器官分割结果。本发明有效地抑制了传统的三维区域生长法存在的过分割现象，能准确地提取出腹部CT图像中的感兴趣器官，适用于辅助进行临床医疗诊断。
-
公开(公告)号：CN101551906A
公开(公告)日：2009-10-07
申请号：CN200910022495.7
申请日：2009-05-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于三维区域分水岭的腹部CT图像主要血管提取方法，主要解决现有血管分割方法计算复杂度大，不能很好利用CT图像之间的第三维信息等缺点。其实现步骤为：(1)读取一套腹部CT图像，按成像顺序排列得到腹部三维数据体；(2)对三维数据体中的多个小立方体进行三维分水岭分割，并对分割后的各小立方体进行连通处理以从三维数据体中提取腹部CT图像主要血管及相连器官；(3)从三维数据体中提取腹部主要器官；(4)对步骤(2)和步骤(3)得到的结果进行相减，并对相减结果进行后处理得到最终的腹部CT图像主要血管。本发明能够较快、较完整的得到腹部CT图像主要血管，可用于对腹部主要血管的辅助诊断。
-
公开(公告)号：CN101488188A
公开(公告)日：2009-07-22
申请号：CN200810232209.5
申请日：2008-11-10
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于小波特征的混合核函数的SVM分类器的SAR图像分类方法，它属于图像处理技术领域，主要解决图像特征提取有效性不足的问题。其步骤为：1输入训练及测试样本图像，对该样本图像进行归一化和标识；2对归一化后的样本图像进行小波分解，并对分解后的各个子带分别提取多个特征，并且将各种特征按结构体Tl×r形式存储；3根据提取的各个子带的多个特征，构建SVM分类器的基于小波特征的混合核函数(式见右下)，式中，Xi，Xj分别是指第i和第j个样本图像，i，j≤l，Xik，Xjk分别是指第i和第j个样本图像的第k个特征，ρk是凸组合系数；4通过对该混合核函数中凸组合系数的优化，完成对图像特征的分类。该方法具有图像分类识别率高的优点，可用于机器学习和模式识别。
-
公开(公告)号：CN101594352A
公开(公告)日：2009-12-02
申请号：CN200910023169.8
申请日：2009-07-02
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于新颖发现和窗函数的分类融合入侵检测方法，主要解决现有支持向量机分类方法检测率低，复杂度高的问题。其实现步骤为：(1)采集主机网络行为数据集，处理数据集得到特征向量；(2)选择非入侵行为的正常数据集作为训练样本集，训练生成第一分类器；(3)重新采集数据集，计算决策函数f并将它转换成概率估计形式；(4)用PARZEN窗函数方法训练第二分类器；(5)对步骤3中的数据集进行概率密度分布估计，并根据贝叶斯决策设定概率密度阈值；(6)将第一分类器与第二分类器的输出结果进行加权融合：(7)根据加权融合的结果y(x)对网络行为采取预警或重复步骤(3)。本发明具有检测率高、虚警率低的优点，适用于网络入侵检测。
-
Patent Agency Ranking
公开(公告)号：CN101551856A
公开(公告)日：2009-10-07
申请号：CN200910022648.8
申请日：2009-05-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稀疏最小二乘支撑向量机的SAR目标识别方法，它属于图像处理技术领域，主要解决现有方法识别SAR目标时间长的问题。其实现过程为：首先从选定的已知类别信息的目标图像和待识别图像分别进行特征提取，得到训练样本和测试样本；然后对训练样本采用增量学习和逆学习相结合的方法进行迭代训练，选出稀疏的支撑向量集合，得到该集合中支撑向量所对应的拉格朗日乘子和偏斜量；最后根据求出的支撑向量集合，支撑向量所对应的拉格朗日乘子和偏斜量，用分类决策函数对测试样本进行识别。本发明具有在识别精度相当的条件下，减少识别时间的优点，可用于SAR目标的检测和识别。
-
公开(公告)号：CN101216879A
公开(公告)日：2008-07-09
申请号：CN200710300731.8
申请日：2007-12-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Fisher支持向量机的人脸识别方法，它涉及模式识别技术领域。其目的在于采用该方法是把Fisher正则引入到支持向量机方法并用于人脸的识别问题上，以获得对小样本的高维数据有较好的识别率，进而对人脸有较好的识别效果。该方法的实现步骤为：1)对人脸图像的学习过程：首先对训练图像进行处理，然后选择正则因子、核函数及其参数，采用Fisher支持向量机方法来完成对训练样本的学习，以求得假设函数中的待求系数。2)对人脸图像的识别过程：先对每个测试图像做与训练图像相同的处理，最后利用学到的假设函数模型对测试样本进行判决。本发明可用于机器学习和模式识别范畴内，除了图像识别以外，还可用于语音识别及数据挖掘等领域。
-
公开(公告)号：CN101667246B
公开(公告)日：2011-07-20
申请号：CN200910024052.1
申请日：2009-09-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于核稀疏表示的人脸识别方法，主要解决现有方法无法合理求解样本重构系数向量的问题。实现步骤为：(1)将训练样本矩阵和测试样本映射至核空间，然后将映射后的样本随机降维至所需要的维度，并对其进行归一化处理；(2)求解归一化后的训练样本矩阵与测试样本之间的样本重构系数向量，将其代入类别带通函数，对原测试样本进行重构；(3)求得各类别重构样本与原测试样本的残差，并代入类别判定公式得到识别结果。本发明提高了在人脸识别应用中的精度，同时将应用范围推广至低维样本，使其更具有通用性，可用于公共安全，信息安全，金融安全的监督和防护。
-
公开(公告)号：CN101551906B
公开(公告)日：2011-07-20
申请号：CN200910022495.7
申请日：2009-05-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于三维区域分水岭的腹部CT图像主要血管提取方法，主要解决现有血管分割方法计算复杂度大，不能很好利用CT图像之间的第三维信息等缺点。其实现步骤为：(1)读取一套腹部CT图像，按成像顺序排列得到腹部三维数据体；(2)对三维数据体中的多个小立方体进行三维分水岭分割，并对分割后的各小立方体进行连通处理以从三维数据体中提取腹部CT图像主要血管及相连器官；(3)从三维数据体中提取腹部主要器官；(4)对步骤(2)和步骤(3)得到的结果进行相减，并对相减结果进行后处理得到最终的腹部CT图像主要血管。本发明能够较快、较完整的得到腹部CT图像主要血管，可用于对腹部主要血管的辅助诊断。
-
公开(公告)号：CN101571594B
公开(公告)日：2011-06-29
申请号：CN200910022905.8
申请日：2009-06-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于曲线波变换的SAR目标识别方法，它涉及图像处理和目标识别技术领域。主要解决现有SAR目标识别方法识别率低和数据量大的问题。其实现过程为：平滑中值滤波；非线性归一化；窗口滤波后再进行阈值分割；曲线波变换提取低频子带信息以及阈值分割；形态学处理形成精细特征区域；依次进行平滑滤波、非线性归一化、窗口滤波以及曲线波变换提取图像低频子带信息，构成粗糙特征区域；将精细和粗糙特征相结合作为最终目标特征向量训练支撑矢量分类器；利用该训练好的分类器对SAR目标进行识别。本发明具有降低数据量和提高识别率的优点，可用于对SAR地面目标类别的检测。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
