-
公开(公告)号：CN108090485A
公开(公告)日：2018-05-29
申请号：CN201711216652.9
申请日：2017-11-28
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
CPC classification number: G06K9/3233 , G06K9/342 , G06K9/4604 , G06K9/6221 , G06K9/6269 , G06T3/4053
Abstract: 本发明公开了一种基于多视角融合的图像前景自动提取方法，主要解决现有基于技术提取过程繁琐和提取前景边缘不精确的问题。其实现方案是：先对SVM分类器进行训练，再获取待提取图像的灰度图像；通过训练好的SVM分类器在灰度图像中检测包含前景的子图像；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视角下的图像；将超像素视角下的图像和像素视角下的提取结果进行融合，得到待提取图像前景提取结果。本发明简化了前景提取过程，提高了提取的效率和精度，可用于立体视觉、图像语义识别，三维重建和图像搜索。
-
公开(公告)号：CN113808219B
公开(公告)日：2024-05-14
申请号：CN202111117899.1
申请日：2021-09-17
Applicant: 西安电子科技大学
IPC: G06T7/80 , G06T7/246 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的雷达辅助相机标定方法，解决了从雷达点迹到图像目标框转换的技术问题。实现步骤：数据采集形成雷达点迹和图像目标框数据；采集时间对齐；雷达点迹数据形成训练输入数据集；转换后的图像目标框数据形成训练输出数据集；构建并训练深度神经网络模型；获得相机标定函数。本发明利用含有跨层链接的深度神经网络模型将雷达点迹数据转换为图像目标框数据构成标定函数，减小了人为误差和标定过程的额外工作，提高了相机标定的灵活性和效率；计算量小，标定准确率高。用于多传感器融合目标检测，更具体地用在雷达和相机摄像头同时进行目标检测的情况下的相机标定。
-
公开(公告)号：CN112668494A
公开(公告)日：2021-04-16
申请号：CN202011617116.1
申请日：2020-12-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于多尺度特征提取的小样本变化检测方法，解决了现有技术中，存在特征提取不充分，遥感影像数据利用率不高等问题。实现包括：对原始遥感影像数据采集预处理，生成训练，验证，测试数据集；构建基于多尺度特征提取的小样本变化检测模型；并对检测模型进行训练；测试阶段对检测模型进行简化，得到输出的二值变化图。本发明不仅能够捕获输入遥感影像的多尺度信息，提高了遥感图像变化检测的特征提取能力。同时由于本发明中增加了遥感图像上层语义信息，减轻了遥感图像中变化区域太少网络所面临的过拟合风险。显著提高了在小样本训练条件下遥感图像变化检测的性能。可用在遥感图像变化检测电台技术领域中。
-
公开(公告)号：CN107169945B
公开(公告)日：2019-06-21
申请号：CN201710278782.9
申请日：2017-04-25
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于稀疏张量和多视图特征的遥感图像融合方法，其实现步骤为：(1)输入待融合图像。(2)获得低通系数和带通系数。(3)获得图像边缘特征。(4)构成图像多视图特征。(5)计算特征接近度。(6)构成多模字典。(7)张量稀疏表示。(8)融合系数。(9)逆变换后输出融合后图像。本发明利用了低分辨多光谱图像多视图特征矩阵和全色图像多视图特征矩阵和张量基追踪方法对融合后图像空谱信息进行增强，提高了融合图像的清晰度并光谱扭曲，克服了现有图像融合技术处理视角过于单一和欠缺对于多光谱图像谱间关系考虑的缺点。
-
公开(公告)号：CN106971402A
公开(公告)日：2017-07-21
申请号：CN201710267557.5
申请日：2017-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于光学辅助的SAR图像变化检测方法，属于图像处理技术领域，主要解决SAR图像噪声影响大，分辨率不高，分类不精确的问题。其过程为：用两幅不同时刻的SAR图像构造差异图，应用FCM将像素分为严变、严不变与中间3类。根据每个像素邻域的严变、严不变像素个数，及光学图像各通道拉成列，作为辅助特征，进行聚类，有效克服了SAR图像分类方法杂点过多的缺陷。本发明具有噪声小，分类精确的优点，有助于后续的分类。
-
Patent Agency Ranking
公开(公告)号：CN112784690B
公开(公告)日：2022-12-27
申请号：CN202011623078.0
申请日：2020-12-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN113808219A
公开(公告)日：2021-12-17
申请号：CN202111117899.1
申请日：2021-09-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的雷达辅助相机标定方法，解决了从雷达点迹到图像目标框转换的技术问题。实现步骤：数据采集形成雷达点迹和图像目标框数据；采集时间对齐；雷达点迹数据形成训练输入数据集；转换后的图像目标框数据形成训练输出数据集；构建并训练深度神经网络模型；获得相机标定函数。本发明利用含有跨层链接的深度神经网络模型将雷达点迹数据转换为图像目标框数据构成标定函数，减小了人为误差和标定过程的额外工作，提高了相机标定的灵活性和效率；计算量小，标定准确率高。用于多传感器融合目标检测，更具体地用在雷达和相机摄像头同时进行目标检测的情况下的相机标定。
-
公开(公告)号：CN112865915A
公开(公告)日：2021-05-28
申请号：CN202110005855.3
申请日：2021-01-05
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
公开(公告)号：CN109495744B
公开(公告)日：2019-12-24
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：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。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
