-
公开(公告)号：CN112561838B
公开(公告)日：2024-01-30
申请号：CN202011392344.3
申请日：2020-12-02
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于残差自注意力和生成对抗网络的图像增强方法，通过残差自注意力模块对低质量红外图像进行红外图像特征提取，获得低级红外特征图；通过增强模块对提取到的低级红外特征图进行多尺度深层次细节特征提取，获得高级红外特征图；低级特征图与高级特征图进行卷积合并生成增强红外图像，将增强红外图像和与低质量红外图像配对的高质量红外图像输入判别器，在生成对抗网络的生成器和判别器的训练过程中，确定两幅图像的纹理损失、内容损失、全变分损失，对比度损失，引导生成器与判别器的参数更新方向，不断提高增强红外图像的细节特征，获得质量相对最优的增强红外图像。
-
公开(公告)号：CN115828590A
公开(公告)日：2023-03-21
申请号：CN202211536446.7
申请日：2022-12-01
Applicant: 西安电子科技大学
IPC: G06F30/20
Abstract: 一种处理器辐照效应模型建模与仿真系统构建方法，先选择或设计处理器，获取处理器指令集数据与架构数据；再根据处理器指令集数据与架构数据提取处理器内核数据，根据处理器内核数据建立处理器内核模型；然后根据处理器指令集数据与架构数据提取处理器外设数据，根据处理器外设数据建立处理器外设模型；再实现处理器内核模型与外设模型时间同步与数据传输功能，完成处理器常态模型建模与仿真系统构建；然后根据辐照效应引发的故障处理器类型，修改处理器内核模型与处理器外设模型；最后根据辐照效应故障发生位置与概率函数，建立处理器辐照效应模型；本发明反应处理器的行为特性，简化模型复杂度，实现模拟辐照效应带来的处理器器件退化的功能。
-
公开(公告)号：CN114862690A
公开(公告)日：2022-08-05
申请号：CN202210278178.7
申请日：2022-03-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种用于红外图像超分辨率增强的图像盲退化方法，方法包括：获取红外图像；在1至N之间生成一个随机数R，其中，N为退化方式的总数量；从N种所述退化方式中随机选取R种所述退化方式；对R种所述退化方式进行随机排序；按照随机排序的顺序，依次利用R种所述退化方式对所述红外图像进行处理，得到处理后的红外图像；对步骤5处理后的红外图像添加椒盐噪声，以得到红外退化图像。本发明由于采用多种模糊方式与噪声方式(含椒盐噪声)进行红外图像退化模拟，比现有所采用方法得到的红外图像退化方式更为实际，同时本发明对红外图像退化过程采用重随机排序操作，大幅扩展了红外图像的退化空间，弥补了现有方法退化单一的不足。
-
公开(公告)号：CN111157114A
公开(公告)日：2020-05-15
申请号：CN201911361649.5
申请日：2019-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置，将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像；再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像；通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像；通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像；通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建，获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分，基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性，得到更高分辨率和信噪比的光谱图像。
-
公开(公告)号：CN103236586A
公开(公告)日：2013-08-07
申请号：CN201310090842.6
申请日：2013-03-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种小型圆极化喇叭天线，主要解决现有技术难以同时满足大功率、高增益、宽频带、圆极化的问题。该发明包括同轴-圆波导转换器（1）、圆极化器（2）、圆锥喇叭（3）、介质透镜（4）和圆波导（7）构成。圆极化器（2）安装于圆波导（7）的内部，圆锥喇叭（3）与圆波导（7）直接相连，介质透镜（4）固定在圆锥喇叭（3）的前方，同轴-圆波导转换器安装于圆波导（7）的侧壁上。其中圆极化器（2）由固定在圆波导（7）内部的对称六边形介质插片（5）和两个矩形的补偿槽（6）构成，该两个对称开在圆波导（7）内部介质插片（5）的正上方和正下方。本发明具有频带宽、稳定性好、增益高、功率容量大、圆极化特性好的优点。
-
Patent Agency Ranking
公开(公告)号：CN113096053B
公开(公告)日：2024-02-09
申请号：CN202110287389.2
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度引导滤波的高动态红外图像细节增强方法，对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层；对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层；对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层；最后，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像。本发明能够快速高效地提取更多细节信息，也避免出现梯度翻转问题，细节增强性能和整体视觉效果较优。
-
公开(公告)号：CN112435177B
公开(公告)日：2023-12-08
申请号：CN202011242885.8
申请日：2020-11-10
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于SRU与残差网络的递归红外图像非均匀校正方法，将原始非均匀噪声图与原始非均匀噪声图进行通道数拼接，进行初步特征提取；其次，将初步特征提取结果经过简单递归单元(SRU)完成特征提取；经过多层残差块与卷积层处理，获得一阶段的红外图像非均匀校正结果；将所述一阶段的红外图像非均匀校正结果与原始非均匀噪声图进行通道数拼接，进行下一步特征提取，如此进行共N个阶段，获得最终的红外图像非均匀校正结果。本发明通过残差模块和简单递归单元共同作用，在以6个阶段作为递归的情况下，网络共享每个阶段的参数，大大降低了整体网络参数量，对大多数场景的红外图像都具有良好的非均匀性校正效果。
-
公开(公告)号：CN114742721A
公开(公告)日：2022-07-12
申请号：CN202210278183.8
申请日：2022-03-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于多尺度STL‑SRU残差网络的定标红外非均匀性校正方法，所述定标红外非均匀性校正方法包括：步骤1、获取第一温度和第二温度下的黑体的第一温度图像和第二温度图像，所述第一温度小于所述第二温度；步骤2、利用所述第一温度图像和所述第二温度图像对目标场景图像进行校正处理，得到预处理校正图像；步骤3、将所述预处理校正图像输入训练好的多尺度STL‑SRU残差网络进行深度特征表示提取，将提取的特征表示作为最终的非均匀性校正结果。本发明的定标红外非均匀性校正方法在去除非均匀性噪声的基础上减少校正后图像的细节及对比度损失。
-
公开(公告)号：CN111157114B
公开(公告)日：2022-01-28
申请号：CN201911361649.5
申请日：2019-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于波长转换的长波红外多光谱成像方法及装置，将原始长波红外光谱图像进行分光获得不同光谱通道的长波红外光谱图像；再将所述不同光谱通道的长波红外光谱图像转换成近红外光谱图像；通过基于随机高斯矩阵设计的编码模板对近红外光谱图像完成编码获得光谱图像；通过压缩感知原理从所述光谱图像恢复出原始长波红外光谱图像；通过基于深度学习的SRCNN网络对恢复出的原始长波红外光谱图像WP×Q×l进行超分重建，获得高质量的具有目标长波特性的近红外光谱图像WNP×NQ×l。本发明利用基于深度学习的算法对光谱进行重构和超分，基于深度学习的神经网络能更好的提取光谱图像的空间相关性和谱间相关性，得到更高分辨率和信噪比的光谱图像。
-
公开(公告)号：CN112991173B
公开(公告)日：2024-04-16
申请号：CN202110268450.9
申请日：2021-03-12
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06F17/15 , G06V10/80 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于双通道特征迁移网络的单帧图像超分辨率重建方法，针对深度超分辨率图像重建网络网络深度增加带来的细节信息丢失、局部感受野对于全局‑局部纹理相似性利用不充分的问题进行网络模型设计，整体网络基于残差机制，使用后置上采样模块对图像进行空间尺度的上采样输出超分辨率重建结果y。本发明能够保持空间重复纹理特征的有效分布，并对出事特征使用残差结构进行复用，有效防止了细节特征在网络前向传递的过程中的消失现象，可显著提升单帧图像超分辨率重建质量。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
