-
公开(公告)号：CN107240138B
公开(公告)日：2019-07-23
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
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。
-
公开(公告)号：CN108388927A
公开(公告)日：2018-08-10
申请号：CN201810250153.X
申请日：2018-03-26
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，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)从对滤波后的待分类极化SAR数据中提取输入特征向量并划分出训练样本集和测试样本集；3)对训练样本集中的样本两两组合得到样本对训练集；4)搭建深度卷积孪生网络并用训练样本集和样本对训练集对其进行训练；5)用训练好的深度卷积孪生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了训练集并提取差异化特征，使模型分类准确率更高，可用于极化SAR图像的目标分类、检测和识别。
-
公开(公告)号：CN107358256A
公开(公告)日：2017-11-17
申请号：CN201710550325.0
申请日：2017-07-07
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/627
Abstract: 本发明公开了一种基于卡方-棋盘距离度量的弱监督极化SAR分类方法，主要解决目前弱监督方法的分类精度低的问题。其实现方案包括：1)读入一幅极化SAR图像，基于Cloude-Pottier目标分解方法，构造具有四维特征的极化矩阵；2)从极化矩阵中选取1％的标记样本作为训练样本；3)分步计算测试样本和训练样本的卡方距离以及空间棋盘距离；4)根据卡方距离和棋盘距离得到组合距离，将其作为最近邻方法评判近邻的标准,实现极化SAR图像分类。本发明仅采用少量训练样本利用最近邻分类器，精确实现了极化SAR的地物分类。
-
公开(公告)号：CN107133649A
公开(公告)日：2017-09-05
申请号：CN201710320669.2
申请日：2017-05-09
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于点‑域距离的增量式极化SAR地物分类方法，主要解决传统的分类方法分类精度低的问题。其方案是：1.对输入的极化SAR图像的极化相干矩阵T进行取实部与归一化处理，得到用于分类的极化SAR数据矩阵X；2.随机选取不同比例的训练样本；3.利用K近邻分类对极化SAR数据矩阵X进行初始分类，并用预测标签矩阵L1表示初始分类结果；4.对于预测标签矩阵L1进行基于点‑域距离的增量式分类结果优化，得到最终的分类结果。本发明将增量式思想运用到极化SAR地物分类中，不断对分类结果进行优化，实现了分类结果的动态的学习更新，使分类精度得到了显著提升。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN108388927B
公开(公告)日：2021-10-29
申请号：CN201810250153.X
申请日：2018-03-26
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，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)从对滤波后的待分类极化SAR数据中提取输入特征向量并划分出训练样本集和测试样本集；3)对训练样本集中的样本两两组合得到样本对训练集；4)搭建深度卷积孪生网络并用训练样本集和样本对训练集对其进行训练；5)用训练好的深度卷积孪生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了训练集并提取差异化特征，使模型分类准确率更高，可用于极化SAR图像的目标分类、检测和识别。
-
公开(公告)号：CN107133649B
公开(公告)日：2019-10-25
申请号：CN201710320669.2
申请日：2017-05-09
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于点‑域距离的增量式极化SAR地物分类方法，主要解决传统的分类方法分类精度低的问题。其方案是：1.对输入的极化SAR图像的极化相干矩阵T进行取实部与归一化处理，得到用于分类的极化SAR数据矩阵X；2.随机选取不同比例的训练样本；3.利用K近邻分类对极化SAR数据矩阵X进行初始分类，并用预测标签矩阵L1表示初始分类结果；4.对于预测标签矩阵L1进行基于点‑域距离的增量式分类结果优化，得到最终的分类结果。本发明将增量式思想运用到极化SAR地物分类中，不断对分类结果进行优化，实现了分类结果的动态的学习更新，使分类精度得到了显著提升。
-
公开(公告)号：CN107358256B
公开(公告)日：2019-07-23
申请号：CN201710550325.0
申请日：2017-07-07
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于卡方‑棋盘距离度量的弱监督极化SAR分类方法，主要解决目前弱监督方法的分类精度低的问题。其实现方案包括：1)读入一幅极化SAR图像，基于Cloude‑Pottier目标分解方法，构造具有四维特征的极化矩阵；2)从极化矩阵中选取1％的标记样本作为训练样本；3)分步计算测试样本和训练样本的卡方距离以及空间棋盘距离；4)根据卡方距离和棋盘距离得到组合距离，将其作为最近邻方法评判近邻的标准,实现极化SAR图像分类。本发明仅采用少量训练样本利用最近邻分类器，精确实现了极化SAR的地物分类。
-
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：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
10
records
(took 0.021 seconds)
