-
公开(公告)号：CN109784279B
公开(公告)日：2023-04-18
申请号：CN201910045296.1
申请日：2019-01-17
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/24
Abstract: 本发明属于电源故障探测技术领域，公开了一种基于多小波分析及SVM的X射线高压电源故障诊断方法；利用多小波工具对采集到的电源工作信号进行多尺度分解；对获取的多小波高频分量系数进行软阈值处理，去除信号中的噪声；计算不同尺度下高频系数的绝对值之和、能量及能量熵并归一化，然后将多种特征组合成新的特征向量；将特征向量送入训练好的SVM获得最终的诊断结果。本发明克服了单小波在电源工作信号分析中的不足，结合有较强泛化能力的SVM算法进行故障诊断，提高了故障诊断的性能，并且为实现X射线高压电源小型化、高频化和产业化提供技术支撑和理论依据。
-
公开(公告)号：CN110415254B
公开(公告)日：2023-01-03
申请号：CN201910493587.7
申请日：2019-06-06
Applicant: 西安电子科技大学
IPC: G06T7/11
Abstract: 本发明属于图像处理技术领域，公开了一种基于振荡耦合网络的水平集图像分割方法、计算机，包括：输入待分割图像；提取图像特征；初始化相位；使用Kuramoto模型对相位进行迭代演化；根据稳定后的相位获取图像中的目标个数和符合高斯分布的相位图；初始化演化曲线；计算相位图中每个像素的重构误差；累加每个像素的重构误差，构造数据驱动能量项；最小化该能量函数，驱动曲线演化，得到分割结果。相对于传统的有监督的水平集方法，本发明是基于Kuramoto模型得到图像中待分割目标的个数以及符合高斯分布的图像信息。由于高斯分布更符合图像的实际分布，因而，能够更好地实现无监督的多目标图像分割。
-
公开(公告)号：CN107610216A
公开(公告)日：2018-01-19
申请号：CN201710703149.X
申请日：2017-08-16
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于粒子群优化多视角立体点云生成方法及应用的摄像机，包括：初始化信息，提取各图像的SURF特征，对提取的特征进行立体匹配并对特征匹配对施加极线约束，生成特征匹配对对应的初始三维空间面片，使用粒子群优化算法优化初始三维空间面片的参数；将优化后的面片在空间邻域扩张形成密集的点云，对得到的密集点云执行滤波操作；多次执行面片扩张和滤波操作直到满足停止条件。本发明使用SURF特征和极线约束能有效的保证立体匹配的准确度，粒子群优化算法在优化面片参数时能避免陷入局部最优从而得到全局最优解，进一步提高点云重建的质量。
-
公开(公告)号：CN106097290A
公开(公告)日：2016-11-09
申请号：CN201610390224.7
申请日：2016-06-03
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于NMF图像融合的SAR图像变化检测方法，用于解决现有的基于图像融合的SAR图像变化检测方法中存在的准确率低且物理意义不明确的技术问题，实现步骤如下：输入同地域不同时间的两幅原始SAR图像，经去噪处理后构造两基本差异图Xl和Xm；分别对Xl和Xm进行邻域特征描述得到特征描述矩阵XL和XM；利用两特征描述矩阵构造变化检测特征矩阵X；对X进行NMF非负矩阵分解，得到分解后的系数矩阵H；利用系数矩阵得到融合后差异图；利用聚类算法将融合后差异图聚成两类，得到变化检测结果。本发明更好的利用了原始图像的细节信息，且该图像融合方法具有更显著的物理意义，可用于SAR图像变化信息的分析和标注。
-
公开(公告)号：CN104700411A
公开(公告)日：2015-06-10
申请号：CN201510112471.6
申请日：2015-03-15
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稀疏重建的两时相遥感影像变化检测方法，主要解决现有技术去噪后图像信息丢失严重和变化检测精度低的问题。其实现过程为：输入两幅遥感影像并分别对其镜像延拓；将延拓后的两幅遥感影像X1和X2逐像素分别分割为重叠的图像块，构成两个训练样本集合Y1和Y2；通过稀疏字典训练得到两个训练字典D1、D2及其对应的稀疏表示系数S1、S2；由D1S1和D2S2重构出遥感影像和，进而得到差值图和比值图像，并分别进行三层小波分解；对分解后的高频带和低频带的小波系数采用不同的融合算子进行融合和逆变换得融合后的差异图XD；对XD进行聚类得到变化检测结果。本发明能有效地抑制噪声并保持影像边缘清晰度，提高变化检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112784205B
公开(公告)日：2024-12-13
申请号：CN202110131994.0
申请日：2021-01-30
Applicant: 西安电子科技大学
IPC: G06F17/13
Abstract: 本发明属于从数据中学习系统隐含的偏微分方程处理技术领域，公开了一种偏微分方程数据处理方法、系统、存储介质、设备及应用，利用注意力机制对时空间数据采样；利用先验知识和基函数表示法构建微分项备选库；由多个单层回归网络组成深度网络学习备选库中微分项对应系数；损失函数中加入正则化，通过稀疏回归减少干扰项，得到最终的偏微分方程。本发明能够充分地利用观测数据的空间和时间信息，减少模型所需数据量，在保证效率的同时提升学习到的偏微分方程的精度；解决传统的通过人工经验和实验验证来学习系统隐含的偏微分方程的方法效率太低，易受人的主观因素影响，且难以找到复杂系统背后的机制的问题。
-
公开(公告)号：CN114819141A
公开(公告)日：2022-07-29
申请号：CN202210360695.9
申请日：2022-04-07
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种用于深度网络压缩的智能剪枝方法和系统，该方法包括：获取训练样本集以及未经训练的待压缩卷积神经网络；根据神经元的睡眠与清醒机制，利用训练样本集对卷积神经网络进行训练，在训练过程中同时更新卷积神经网络中每一层卷积层中每一个滤波器的信息熵，得到训练完成的卷积神经网络；根据训练完成的卷积神经网络中每一层卷积层的滤波器的信息熵大小排序，以及预设的剪枝比例对每一层卷积层的滤波器进行剪枝处理，得到训练完成且压缩好的压缩卷积神经网络。本发明的方法得到的压缩卷积神经网络，可以避免安检图像分类过程中的运算冗余，节约运算时间，而且压缩后的卷积神经网络能运行于计算资源受限的平台上。
-
公开(公告)号：CN107992891B
公开(公告)日：2022-01-25
申请号：CN201711246727.8
申请日：2017-12-01
Applicant: 西安电子科技大学
IPC: G06V10/762 , G06V10/77 , G06V10/80 , G06K9/62 , G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，公开了一种基于光谱矢量分析多光谱遥感图像变化检测方法，输入同一地域不同时间经过预处理的两幅多光谱遥感图像，利用主成分分析方法对利用变化向量分析法构建的差异空间降维处理并取第一主成分得到第一幅差异图；求解双时相遥感图像光谱矢量之间夹角信息得到第二幅差异图；分别求解两幅差异图信息熵，进而通过计算得到融合权重，利用加权求和的方式融合得到更优差异图；进行空间特征描述；采用谱聚类方式进行聚类分析，得到变化检测结果。本发明有效抑制由于光照、辐射等因素对变化信息的干扰，有效抑制图像背景信息的同时大大增强感兴趣区域，提高检测准确率。
-
公开(公告)号：CN105389797B
公开(公告)日：2018-05-25
申请号：CN201510672286.2
申请日：2015-10-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于超分辨率重建的无人机视频小目标检测方法，选取一幅输入图像作为参考帧，并取随后的3帧图像与参考图像进行亚像素位移估计；然后将这4帧图像的位移估计结果放入高分辨率图像网格；估计高分辨率图像网格内缺失的像素，得到较高分辨率目标图像。接着，在目标图像中提取目标模板，并求取目标模板的特征，然后对重建后的目标图像进行分割，得到多个目标区域块；对所有的目标区域块，依次进行特征提取及识别，完成目标的初步检测；随后进行虚假目标剔除，得到最终的检测结果。
-
公开(公告)号：CN107609552A
公开(公告)日：2018-01-19
申请号：CN201710727461.2
申请日：2017-08-23
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于马尔可夫吸收模型的显著性区域检测方法，本发明的步骤为：(1)生成超像素标签矩阵；(2)生成超像素的特征值；(3)构建超像素映射图像的图模型；(4)筛选转移节点和背景吸收点；(5)生成马尔可夫吸收链模型的转移矩阵；(6)生成马尔可夫吸收模型显著特征图；(7)生成全局特征图；(8)获得特征叠加图；(9)获得显著区域检测图。本发明采用了筛选转移节点和背景吸收点法，获得真正属于背景的超像素作为背景吸收点，提高了显著性检测的准确性。本发明通过计算全局特征图进行特征叠加，可以获得均匀且边界完整的目标。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.032 seconds)
