-
公开(公告)号：CN102360496B
公开(公告)日：2013-06-26
申请号：CN201110318739.3
申请日：2011-10-19
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于GMM参数迁移聚类的SAR图像分割技术方法，主要解决现有技术分割结果不稳定、精度和区域一致性不理想的问题。其实现过程是：1)输入图像，确定分割类数；2)提取特征；3)设置初始参数；4)对样本聚类7次，得到7组聚类结果；5)求聚类一致性值；6)根据聚类一致性值把样本划分成源域和目标域；7)用EM算法对源域进行参数估计；8)寻找目标域样本在源域样本中的K近邻点并求出这些点的聚类一致性值；9)根据K近邻点的一致性值和源域参数，求目标域的新参数；10)根据新参数求目标域每个样本的概率值，得到图像最终分割结果。本发明具有分割效果稳定良好、区域一致性好的优点，可用于雷达目标检测和识别。
-
公开(公告)号：CN102360496A
公开(公告)日：2012-02-22
申请号：CN201110318739.3
申请日：2011-10-19
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于GMM参数迁移聚类的SAR图像分割技术方法，主要解决现有技术分割结果不稳定、精度和区域一致性不理想的问题。其实现过程是：1)输入图像，确定分割类数；2)提取特征；3)设置初始参数；4)对样本聚类7次，得到7组聚类结果；5)求聚类一致性值；6)根据聚类一致性值把样本划分成源域和目标域；7)用EM算法对源域进行参数估计；8)寻找目标域样本在源域样本中的K近邻点并求出这些点的聚类一致性值；9)根据K近邻点的一致性值和源域参数，求目标域的新参数；10)根据新参数求目标域每个样本的概率值，得到图像最终分割结果。本发明具有分割效果稳定良好、区域一致性好的优点，可用于雷达目标检测和识别。
-
公开(公告)号：CN108736157B
公开(公告)日：2020-08-21
申请号：CN201810715841.9
申请日：2018-06-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于声学驻波谐振结构的小型化低频/甚低频发射天线，由声学驻波谐振结构和电小天线组成，其中，声学驻波谐振结构由压电驱动、压电换能、电极组成。本发明的天线在低频/甚低频段，声学驻波谐振结构的尺度可以做到十厘米以内，相比传统电学匹配下电小天线十分之一辐射波长的尺寸，基于声学驻波谐振结构的天线尺寸可以缩小到千分之一辐射波长，从而真正实现低频/甚低频天线的小型化。
-
公开(公告)号：CN108736157A
公开(公告)日：2018-11-02
申请号：CN201810715841.9
申请日：2018-06-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于声学驻波谐振结构的小型化低频/甚低频发射天线，由声学驻波谐振结构和电小天线组成，其中，声学驻波谐振结构由压电驱动、压电换能、电极组成。本发明的天线在低频/甚低频段，声学驻波谐振结构的尺度可以做到十厘米以内，相比传统电学匹配下电小天线十分之一辐射波长的尺寸，基于声学驻波谐振结构的天线尺寸可以缩小到千分之一辐射波长，从而真正实现低频/甚低频天线的小型化。
-
公开(公告)号：CN102436645A
公开(公告)日：2012-05-02
申请号：CN201110346656.5
申请日：2011-11-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习采样谱聚类的图像分割方法，主要解决现有谱聚类方法分割结果不稳定的问题。其实现过程是：(1)对待分割的图像进行特征提取，并将提取的特征数据归一化到[0，1]之间，以去除数据间量级的影响；(2)用MOD字典学习方法对归一化后的特征数据进行学习，得到字典D；(3)计算特征数据与字典原子的欧氏距离，并取距离小的前l个数据作为采样子集S，l取300；4)利用方法，从选出的采样子集S得到所有特征数据的特征向量；(5)对前k个特征值对应的特征向量进行k-means聚类，得到最终的图像分割结果。本发明与现有的技术相比图像分割结果稳定、准确度高，可用于目标检测和目标识别。
-
Patent Agency Ranking
公开(公告)号：CN116010840A
公开(公告)日：2023-04-25
申请号：CN202211446534.8
申请日：2022-11-18
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种多源域样本重加权的EEG信号跨设备解码方法，包括：获取采集多个受试者的MI EEG信号得到的多源域样本数据集及采集目标受试者的MI EEG信号得到的目标域样本数据集；利用两者对预设的SRENet网络进行训练得到训练完成的目标SRENet网络；利用目标SRENet网络得到待测样本的解码结果；其中，预设的SRENet网络包括特征提取器、样本重加权分类器和条件重加权判别器；在网络训练过程中通过样本重加权分类器和条件重加权判别器对特征提取器提取的特征进行易迁移性度量，对更易于迁移至目标域的源域样本赋以更高的训练权重。本发明能提高跨设备的MI EEG信号的解码性能。
-
公开(公告)号：CN115357113A
公开(公告)日：2022-11-18
申请号：CN202210800745.0
申请日：2022-07-08
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06K9/00 , G06F3/04815 , G06T15/80 , G06N3/04
Abstract: 本发明公开了一种动态背景下SSVEP脑机接口刺激调制与解码方法，调制方法包括在动态背景多个预设位置上分别悬浮设置预设形状的SSVEP刺激块；利用预设的前景调制方法和/或背景调制方法改变各SSVEP刺激块与相应背景区域的对比度，利用采样正弦编码平滑改变刺激块的透明度使刺激块基于各自频率持续闪烁以刺激受试者产生SSVEP的EEG信号，能提高刺激块与背景区域对比度，避免淹没于背景中，便于受试者观看。解码方法对已采集的受试者的SSVEP的EEG信号进行预处理，利用预设的DBDN网络对其进行解码，得到该SSVEP的EEG信号对应的SSVEP刺激块的属性信息，能针对动态背景的SSVEP范式下提高解码精度。
-
公开(公告)号：CN102436584B
公开(公告)日：2013-09-25
申请号：CN201110346515.3
申请日：2011-11-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习的胃部CT图像感兴趣区域检测方法，主要解决现有胃部CT图像中包含无关信息较多的问题。整个系统包括：训练单元和测试单元；训练单元，首先生成训练图像块，再对训练图像块提取特征值组成感兴趣矩阵和不感兴趣矩阵，最后采用字典学习方法训练得到感兴趣字典和不感兴趣字典；测试单元，先输入待测试图像，再对待测试图像进行脂肪组织的检测，并去除脂肪组织边缘，最后对脂肪组织中的淋巴结空洞进行填充，得到包含淋巴结的感兴趣区域，并输出检测结果。本发明能有效去除胃部CT图像的无关信息，保留医生感兴趣的淋巴结，可用于医学图像的处理。
-
公开(公告)号：CN102436645B
公开(公告)日：2013-08-14
申请号：CN201110346656.5
申请日：2011-11-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习采样谱聚类的图像分割方法，主要解决现有谱聚类方法分割结果不稳定的问题。其实现过程是：(1)对待分割的图像进行特征提取，并将提取的特征数据归一化到[0，1]之间，以去除数据间量级的影响；(2)用MOD字典学习方法对归一化后的特征数据进行学习，得到字典D；(3)计算特征数据与字典原子的欧氏距离，并取距离小的前l个数据作为采样子集S，l取300；4)利用方法，从选出的采样子集S得到所有特征数据的特征向量；(5)对前k个特征值对应的特征向量进行k-means聚类，得到最终的图像分割结果。本发明与现有的技术相比图像分割结果稳定、准确度高，可用于目标检测和目标识别。
-
公开(公告)号：CN115631352A
公开(公告)日：2023-01-20
申请号：CN202211174426.X
申请日：2022-09-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于相似度对比的目标检测方法及其装置，涉及图片处理技术领域，包括：基于目标图片样本，生成候选框；基于候选框，进行目标特征提取，构建待选特征数据库；基于已有的图片样本，进行目标特征提取，构建标准特征数据库；从待选特征数据库中，获取置信度最高的候选框，将该候选框与标准特征数据库进行相似度对比，得到分数最高的标准特征数据库图片，并记录其类别信息；将分数最高的标准特征数据库图片与待选特征数据库进行相似度对比，得到分数最高的待选特征数据库图片，并记录其位置信息；将类别信息和位置信息映射到目标图片样本，得到待检测目标的检测结果。本申请能够提高目标定位的准确率，提高目标检测的效果。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.026 seconds)
