-
公开(公告)号：CN115393297A
公开(公告)日：2022-11-25
申请号：CN202210973587.9
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差异加权局部对比度的红外弱小目标检测方法，本发明利用多尺度局部差异因子和改进的多尺度相对局部对比图得到不同尺度下的局部对比度显著图，利用自适应均值方差的阈值分割法得到检测结果。具体方法包括：首选在各个尺度下计算局部差异因子和改进的相对局部对比度；然后筛选出全部尺度下的局部差异因子和相对局部对比度的最大值和最小值，将他们进行归一化后相结合得到不同尺度下的局部对比显著图；最后通过最大池化操作用最大的局部对比度作为最终显著图，再利用自适应均值方差的阈值分割法得到最终检测结果。
-
公开(公告)号：CN113989129A
公开(公告)日：2022-01-28
申请号：CN202111019820.1
申请日：2021-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于门控和上下文注意力机制的图像修复方法，对所采用的可见光数据集图像及其轮廓图像乘以二进制掩膜M，分别得到降质后的缺失图像和辅助信息图像；通过所述降质后的缺失图像和额外的辅助信息图像构建包含真实图像、缺失图像和辅助信息图像的数据集；通过添加感受野模块和损失函数对上下文注意力模块进行改进，构建基于门控卷积和上下文注意力机制的改进的生成对抗网络模型；通过所述缺失图像和辅助信息图像对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；将待修复输入到最优的生成对抗网络模型中，获得有效修复图像。本发明相较于传统算法在大区域或不规则区域缺失的图像修复问题上具有明显的进步。
-
公开(公告)号：CN113902972A
公开(公告)日：2022-01-07
申请号：CN202111122569.1
申请日：2021-09-24
Applicant: 西安电子科技大学
Abstract: 本申请公开了一种基于低维流形建模和协同表示的高光谱图像异常检测方法，该方法包括：获取原始高光谱图像的采样图像；根据采样图像，确定背景图像；基于原始高光谱图像的每一个像元，在背景图像对应位置像元的周围构建背景字典；基于背景字典，确定原始高光谱图像的每一个像元的重构像元；确定重构像元与原始高光谱图像对应像元的残差，根据残差与预设阈值判定像元类别，得到检测结果。该方案的基于低维流形建模和协同表示的高光谱图像异常检测方法可以有效检测出高光谱图像中的异常点目标，并且可以更高的抑制背景信息。
-
公开(公告)号：CN113989129B
公开(公告)日：2024-11-22
申请号：CN202111019820.1
申请日：2021-09-01
Applicant: 西安电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/0475 , G06N3/045 , G06N3/0442 , G06N3/094
Abstract: 本发明公开一种基于门控和上下文注意力机制的图像修复方法，对所采用的可见光数据集图像及其轮廓图像乘以二进制掩膜M，分别得到降质后的缺失图像和辅助信息图像；通过所述降质后的缺失图像和额外的辅助信息图像构建包含真实图像、缺失图像和辅助信息图像的数据集；通过添加感受野模块和损失函数对上下文注意力模块进行改进，构建基于门控卷积和上下文注意力机制的改进的生成对抗网络模型；通过所述缺失图像和辅助信息图像对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；将待修复输入到最优的生成对抗网络模型中，获得有效修复图像。本发明相较于传统算法在大区域或不规则区域缺失的图像修复问题上具有明显的进步。
-
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。
-
Patent Agency Ranking
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：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。
-
公开(公告)号：CN115424028A
公开(公告)日：2022-12-02
申请号：CN202211029799.8
申请日：2022-08-25
Applicant: 西安电子科技大学
IPC: G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种基于特征增强的轻量化SSD的红外目标检测方法，构建用于提取特征的基础网络结构；该方法包括：将原始图像输入预设网络，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PAC特征增强模块进行处理来进行特征加强，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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
