-
公开(公告)号：CN119695513A
公开(公告)日：2025-03-25
申请号：CN202411862377.8
申请日：2024-12-17
Applicant: 西安电子科技大学 , 上海宇航系统工程研究所
Abstract: 本发明公开了一种反射面天线薄膜电极面定位连接和可调式张紧装置，包括电极面均匀张紧装置，布置在薄膜电极面上，通过呈弓形结构的移动组件连接薄膜电极面、肋板条和肋条，用于实现薄膜电极面与索网定位连接，将薄膜电极面张紧为抛物面；索膜连接装置，通过子扣、母扣将反射面限位索段、竖向索段和横向索段夹合为一个整体，用于将薄膜电极面与肋板条定位和薄膜电极面可调式均匀张紧，形成理想抛物面。本发明能够实现径向肋薄膜反射面天线薄膜电极面的可靠定位连接与可调式均匀张紧，保证薄膜电极面的平整，提高对薄膜反射面的静电力控制精度。
-
公开(公告)号：CN109948527B
公开(公告)日：2022-12-02
申请号：CN201910205485.0
申请日：2019-03-18
Applicant: 西安电子科技大学
IPC: G06V20/52 , G06V10/46 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
-
公开(公告)号：CN108388901B
公开(公告)日：2020-06-16
申请号：CN201810112593.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间‑语义通道的协同显著目标检测方法。本发明通过模拟人类视觉，根据图像间的协同辅助规则，对待检测的群组图像中彩色图和图像深度图，进行空间协同和语义协同双通道并行处理，利用协同显著性先验获得两种初步协同显著图，融合两个初步协同显著图，得到最终的协同显著图，实现复杂场景群组图像中共同的显著目标的检测，有效地突出了群组图像的共同显著目标并且抑制了复杂的背景噪声，使得本发明具有较好的检测结果，提高了检测的准确率和召回率。
-
公开(公告)号：CN109495744A
公开(公告)日：2019-03-19
申请号：CN201811270154.7
申请日：2018-10-29
Applicant: 西安电子科技大学
IPC: H04N19/124 , H04N19/13
Abstract: 本发明公开了一种基于多结构生成对抗网络的大倍率遥感影像压缩方法，解决了传统方法未挖掘影像像素间相关性及大倍率压缩下视觉保真度下降的技术问题。实现步骤有：对遥感影像数据集预处理；预处理后的遥感影像数据集输入联合生成对抗网络训练得到训练好的网络模型；用训练得到的网络进行大倍率遥感影像压缩得到编码文件；对网络编码结果做熵编码得到待传输的码流文件；用解码网络进行码流文件的解压缩得到原始遥感影像。本发明使用联合生成对抗网络遥感影像建立模型进行大倍率压缩，该网络将编解码网络对称结构分别进行对抗训练，通过训练使得模型同时提取影像本身的相关性和遥感影像之间的相关性，提高了大倍率压缩下视觉保真度。
-
公开(公告)号：CN106023098B
公开(公告)日：2018-11-16
申请号：CN201610312527.7
申请日：2016-05-12
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于张量结构多字典学习与稀疏编码的图像修补方法，主要步骤包括：根据张量的方向性和近邻结构信息对张量样本进行分类，每一类分别构造张量字典，对待修补图像张量采用同样的方式分类，用与之类别标签对应的张量字典对其进行修补，对每类字典下的重建结果进行加权求和，得到最终的待修补图像的重建结果。本发明根据张量的方向性和近邻结构信息对张量进行有效、确定性的分类，能区别具有不同细节的张量，在对待修补张量重建时，利用重建误差对每类字典下的重建结果进行加权求和，克服了单个字典表达能力有限的缺点，对自然图像的修补，能恢复更为清晰的边缘细节，进一步提高了修补质量。用于受损图像的修补。
-
Patent Agency Ranking
公开(公告)号：CN105139028B
公开(公告)日：2018-05-25
申请号：CN201510497374.3
申请日：2015-08-13
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于分层稀疏滤波卷积神经网络的SAR图像分类方法。其步骤为：1.划分SAR数据库样本集为训练数据集和测试样本集；2.从训练数据集学习第一层稀疏字典；3.利用第一层稀疏字典提取第一层稀疏特征图并进行非线性变换；3.从第一层非线性变换特征图学习第二层稀疏字典；4.利用第二层稀疏字典提取第二层稀疏特征图并进行非线性变换；5.级联第一，二层非线性变换特征训练SVM分类器；6.利用第一，二层稀疏字典抽取测试集的稀疏特征，用SVM分类器进行分类。本发明解决了现有技术设计复杂，普适性和抗噪性差，分类精度低的问题，可用目标识别。
-
公开(公告)号：CN105163121B
公开(公告)日：2018-04-17
申请号：CN201510524105.1
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: H04N19/154 , H04N19/42 , H04N19/146
Abstract: 本发明公开了一种基于深度自编码网络的大压缩比卫星遥感图像压缩方法，主要解决现有技术压缩比低的问题。其实现步骤为：将多个自编码器级联堆叠构成深度自编码网络；输入一组训练图像数据到深度自编码网络，训练该网络获得优化的网络参数，得到深度压缩网络和深度解压网络；待压缩的遥感图像送入深度压缩网络，得到高阶稀疏特征，对特征量化和编码得到最终压缩码流；对接收到的码流反量化和编码，得到高阶稀疏特征并送入深度解压网络，网络的最终输出为解压的遥感图像。本发明结合图像处理与深度学习技术，实现卫星遥感数据的大倍率压缩；因压缩与解压过程只需进行简单的前向传递操作，实时性好；减轻了海量遥感数据的存储与传输负担。
-
公开(公告)号：CN107527054A
公开(公告)日：2017-12-29
申请号：CN201710844379.8
申请日：2017-09-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多视角融合的前景自动提取方法，用于解决现有基于图切割的前景提取方法中，提取过程比较繁琐和提取的前景边缘不精确的技术问题。本发明首先对SVM分类器进行训练，然后对待提取图像进行灰度化，得到灰度图像，通过训练的SVM分类器，在灰度图像中检测包含前景的子图像，并将子图像在待提取图像中的位置坐标，作为GrabCut算法的输入，对待提取图像进行前景提取，得到待提取图像的像素视角下的提取结果，以SLIC算法对待提取图像生成超像素图像，通过融合超像素图像和像素视角下的提取结果，得到待提取图像的精确的前景提取结果。本发明可用于立体视觉、图像语义识别，三维重建、图像搜索等的应用与研究。
-
公开(公告)号：CN107230201A
公开(公告)日：2017-10-03
申请号：CN201710340278.7
申请日：2017-05-15
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于样本自标定ELM的在轨SAR图像变化检测方法，提升了检测精度，扩大了方法的实际应用范围。步骤包括：对两幅配准相的SAR图像对，计算获得对数差分图DI；用PCA获取DI的主分量；利用样本自标定策略获得归一化后对数差分图的主分量的严格变化区域和严格未变化区域；从中提取部分样本的邻域特征，将其作为训练样本训练ELM；将待检测的对数差分图中每个样本的邻域送入训练好的ELM中，获得变化检测结果图。本发明从待检测差分图中自动提取训练样本，消除了训练数据对方法检测能力的限制，扩大了方法的实际应用范围，避免了人工的参与，降低了噪声的干扰，提升了方法的检测正确率，具备稳定可靠的检测能力。
-
公开(公告)号：CN106023098A
公开(公告)日：2016-10-12
申请号：CN201610312527.7
申请日：2016-05-12
Applicant: 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/005 , G06T2207/10004 , G06T2207/20081
Abstract: 本发明公开了一种基于张量结构多字典学习与稀疏编码的图像修补方法，主要步骤包括：根据张量的方向性和近邻结构信息对张量样本进行分类，每一类分别构造张量字典，对待修补图像张量采用同样的方式分类，用与之类别标签对应的张量字典对其进行修补，对每类字典下的重建结果进行加权求和，得到最终的待修补图像的重建结果。本发明根据张量的方向性和近邻结构信息对张量进行有效、确定性的分类，能区别具有不同细节的张量，在对待修补张量重建时，利用重建误差对每类字典下的重建结果进行加权求和，克服了单个字典表达能力有限的缺点，对自然图像的修补，能恢复更为清晰的边缘细节，进一步提高了修补质量。用于受损图像的修补。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.032 seconds)
