-
公开(公告)号：CN117495905A
公开(公告)日：2024-02-02
申请号：CN202311466190.1
申请日：2023-11-06
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06T7/70 , G06T7/90 , G06N3/0464 , G06N3/08
Abstract: 一种基于跟踪置信度分析与自适应尺度处理的抗遮挡目标跟踪方法，根据目标不同跟踪状态，采取不同的特征融合方式，得到目标融合特征；根据相关滤波响应，计算目标跟踪置信度，以反映目标处于正常跟踪、轻微遮挡或严重遮挡的状态；当目标被严重遮挡、出视野或发生大幅形变时，进行中心扩散搜索，以前一帧目标位置为中心生成一系列候选区域，计算相关响应，得到遮挡处理的最佳目标位置；在非正常跟踪情况下，采用动态学习率调整方法，以确保中心扩散搜索的有效性，并提高处理速度；应用边框相关滤波提取边界框，并采用自适应尺度处理方法得到最终目标框，实现目标跟踪。本发明可实现对视频图像中遮挡目标的跟踪，降低了计算成本且目标跟踪精度较高。
-
公开(公告)号：CN117495720A
公开(公告)日：2024-02-02
申请号：CN202311464041.1
申请日：2023-11-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度边缘保持模型的去雾方法，该方法首先在HSV空间通过小波变换对亮度分量V进行分解，在低频图像中使用Retinex理论进行去雾，在高频图像中使用侧窗滤波增强细节，进而对高低频分量进行小波逆变换得到增强V分量，由于亮度分量V和饱和度分量S遵循V‑S模型，因此需要对S分量进行调整，最后将图像转换到RGB空间对去雾图像进行色彩恢复得到最终清晰图像。本发明对雾天图像对比度的提高和细节信息的恢复两方面具有良好的效果。
-
公开(公告)号：CN116091330A
公开(公告)日：2023-05-09
申请号：CN202211093047.8
申请日：2022-09-08
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的图像修复方法，本发明利用生成对抗网络和多尺度注意力机制的方法对具有大面积丢失的图像进行修复。具体方法包括：首先使用真实图像对生成对抗网络进行训练；然后提取训练好的生成器作为图像修复的网络结构；最后将受损图像通过图像修复网络，从而获得图像修复结果。
-
公开(公告)号：CN113902658A
公开(公告)日：2022-01-07
申请号：CN202111020790.6
申请日：2021-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于密集多尺度网络的RGB图像到高光谱图像重建方法，构建的改进的残差网络模型；输入图像经过1×1卷积层进行特征提取，获得特征图；在所述残差网络模型的特征映射部分，采用转换层和主网络两条支路分别对特征图进行处理；其中，转换层是在快捷连接的基础上，添加两组3×3卷积直接对特征图进行特征提取，获得第一输出特征图；所述主网络在最后一个残差块后面添加跨通道融合感受野模块，对特征图进行特征提取，获得第二输出特征图；将第一输出特征图和第二输出特征图相加，获得重建后的高光谱图像。本发明实现了RGB图像到高光谱图像的重建，重建效果优于传统算法，能够有效扩大网络的感受野，从而取得良好的重建效果。
-
公开(公告)号：CN113902973B
公开(公告)日：2025-04-08
申请号：CN202111122594.X
申请日：2021-09-24
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种自编码器和低维流形建模的高光谱异常检测方法，通过原始高光谱图像对栈式自编码器进行训练，获得训练好的栈式自编码器；通过所述训练好的栈式自编码器对原始高光谱图像进行主要特征提取，以完成数据降维，获得降维后高光谱图像Y；对所述降维后高光谱图像Y进行L次随机采样，获得采样图像#imgabs0#l＝1,2,…,L；通过低维流形建模对所得每一个采样图像#imgabs1#进行重构，获得每一个特征采样图像#imgabs2#的重构背景子图像Xl；将所得重构背景子图像Xl求取平均值#imgabs3#作为原始高光谱图像的重构背景图像#imgabs4#；通过l2范数确定原始高光谱图像和重构背景图像#imgabs5#之间的残差r，以残差r作为最后的异常检测结果。本发明有效减少了冗余计算，提升了算法的整体性能，加快了算法速度。
-
Patent Agency Ranking
公开(公告)号：CN113902630B
公开(公告)日：2025-03-21
申请号：CN202111019818.4
申请日：2021-09-01
Applicant: 西安电子科技大学
IPC: G06T5/77 , G06T5/60 , G06N3/0475 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度纹理特征分支的生成对抗网络图像修复方法，构建包含缺失区域的待修复图像与真实图像对数据集；构建基于多尺度纹理特征分支的生成对抗网络模型；对所述基于多尺度纹理特征分支的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；将包含缺失区域的待修复图像输入到最优的生成器网络模型中，输出最终的修复结果图像。本发明针对图像不规则随机缺失和大面积缺失情况都能得到较好的修复效果，修复图像具有较好的结构和纹理特征。
-
公开(公告)号：CN113902658B
公开(公告)日：2023-02-10
申请号：CN202111020790.6
申请日：2021-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于密集多尺度网络的RGB图像到高光谱图像重建方法，构建的改进的残差网络模型；输入图像经过1×1卷积层进行特征提取，获得特征图；在所述残差网络模型的特征映射部分，采用转换层和主网络两条支路分别对特征图进行处理；其中，转换层是在快捷连接的基础上，添加两组3×3卷积直接对特征图进行特征提取，获得第一输出特征图；所述主网络在最后一个残差块后面添加跨通道融合感受野模块，对特征图进行特征提取，获得第二输出特征图；将第一输出特征图和第二输出特征图相加，获得重建后的高光谱图像。本发明实现了RGB图像到高光谱图像的重建，重建效果优于传统算法，能够有效扩大网络的感受野，从而取得良好的重建效果。
-
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：CN118447399A
公开(公告)日：2024-08-06
申请号：CN202410597341.5
申请日：2024-05-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度频率分解的双路高光谱异常检测方法，首先通过三层卷积提取输入的高光谱数据的特征，然后通过一个多尺度频率分解模块将提取的潜层特征分解为高频数据和低频数据，再分别将低频数据和高频数据送入到低频恢复网络和高频增强网络，得到重构的高频数据和低频数据，最后，通过一层卷积融合重构的高频数据和低频数据得到重构的高光谱数据，在异常检测时，通过马氏距离分别处理高频数据和低频数据，得到最后的检测结果。本发明针对微弱目标等，可以增强目标特征，从而具有较好的检测效果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.021 seconds)
