-
公开(公告)号：CN103905815A
公开(公告)日：2014-07-02
申请号：CN201410099933.0
申请日：2014-03-19
Applicant: 西安电子科技大学
IPC: H04N17/00
Abstract: 本发明公开了一种基于高阶奇异值分解的视频融合性能评价方法，主要解决现有技术不能对含噪声视频图像的融合性能进行评价的问题。其实现步骤为：分别输入已配准的两个参考视频和一个融合视频；将已输入的视频组成一个四阶张量，并对其进行高阶奇异值分解，得到各自的空间几何特征背景图像和时间运动特征图像；再通过阈值化方法将时间运动特征图像划分为运动目标区域和噪声区域；然后分别设计不同的评价指标对各区域进行评价；最后通过幂指数乘法构建出整体性能评价指标，从而实现对视频图像整体融合性能的评价。本发明能够对噪声环境下视频的融合性能进行有效、准确和客观地评价，可用于监控融合视频图像质量。
-
公开(公告)号：CN103745472A
公开(公告)日：2014-04-23
申请号：CN201410018003.8
申请日：2014-01-15
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于条件三重马尔可夫场的SAR图像分割方法，主要解决现有技术中分割区域一致性不足的问题。其实现步骤是：1.输入SAR图像，并初始化标记场和辅助场；2.提取SAR图像的纹理特征，构建标记场和辅助场联合作用下的联合后验分布；3.利用Gibbs采样对联合后验分布采样，得到标记场和辅助场的几个样本；4.利用最大后验边缘概率MPM准则更新样本，得到更新的标记场和辅助场；5.利用更新前的标记场和辅助场进行参数训练，并判断更新的标记场是否满足退出条件，若满足则输出最终的分割结果，否则返回第3步继续迭代。本发明提高了SAR图像分割区域的一致性及边缘定位的准确性，可用于SAR图像目标检测与识别。
-
公开(公告)号：CN103095996A
公开(公告)日：2013-05-08
申请号：CN201310047223.9
申请日：2013-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时空显著性检测的多传感器视频融合方法。其步骤为：1、分别输入两个已配准的视频；2、利用三维均匀离散曲波3D-UDCT分解获得子带系数；3、将视频区域划分为三种不同的区域；4、对于不同的区域，按照不同的融合策略进行组合，得到融合后视频的高通方向子带系数；5、将低通子带系数进行加权平均，得到融合后视频的低通子带系数；6、进行三维均匀离散曲波3D-UDCT逆变换，得到融合后视频。本发明克服了现有技术中受限于空间信息提取和时空一致性的缺陷，可以更好地提取输入视频图像中的显著的时空特征信息，使得视频具有更高的时空一致性和稳定性，对噪声鲁棒性好，可以用于静态背景的视频图像融合。
-
公开(公告)号：CN102231191A
公开(公告)日：2011-11-02
申请号：CN201110199503.2
申请日：2011-07-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于ASIFT的多模态特征提取与匹配方法，主要解决现有技术所不能解决的多模态图像的点特征提取与匹配问题。其实现步骤是：对ASIFT仿射变换模型倾斜量参数和经度参数进行采样，得到两幅输入图像的两组视图；在这两组视图上，采用高斯差分DoG特征检测方法检测特征点的位置与尺度信息；用平均平方梯度的方法设置特征的主方向且特征向量的幅值采用计数方式设定；计算特征的对称性ASIFT描述符；采用最近邻域方法对特征的对称性ASIFT描述符进行粗匹配以及使用优化随机采样方法去除误匹配特征。本发明能够在多种传感器感知的图像中提取和匹配特征，并且具有完全仿射不变特性，可以应用于目标识别与跟踪，图像配准等领域。
-
公开(公告)号：CN101930598A
公开(公告)日：2010-12-29
申请号：CN201010252202.7
申请日：2010-08-11
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于shearlet域非局部均值的图像去噪方法，主要解决现有的非局部均值方法对被高噪声腐蚀的自然图像去噪效果不佳的问题。其实现步骤为：输入一幅测试图像，加入噪声标准差为50的高斯白噪声；利用拉普拉斯金字塔方法将图像分解为3层，第一层采用非局部均值方法进行去噪处理，第二、第三层先利用shearlet方向滤波器组分别分解成四组shearlet系数，再对每组shearlet系数进行β值的估计，之后，对各组shearlet系数进行广义高斯模型下的非局部均值方法的去噪处理；对去噪结果进行重构，得到最终去噪结果。本发明具有对高噪声腐蚀的自然图像去噪效果好的优点，能恢复出图像原有的特征，可用于变化检测，目标识别时对图像的预处理。
-
Patent Agency Ranking
公开(公告)号：CN101339653B
公开(公告)日：2010-06-02
申请号：CN200810017443.6
申请日：2008-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于彩色传递与熵信息的红外与彩色可见光图像融合方法。其过程为：对彩色可见光图像的R、G、B三个通道图像求均值，得到灰度可见光图像；采用非采样Contourlet变换对灰度可见光图像及红外图像进行分解；构建基于红外图像与可见光物理特征的低频子带系数融合规则，和基于局部区域方向信息熵与区域能量相结合的带通方向子带系数融合规则，对源图像的变换系数进行组合，并对组合后的变换系数进行非采样Contourlet逆变换得到灰度融合图像；采用基于1αβ颜色空间的彩色传递方法将可见光图像的彩色信息传递到融合图像中，得到彩色融合图像。本发明既可有效提取可见光图像中的丰富背景信息及红外图像中的目标信息，又能够保持可见光图像中的自然彩色信息。
-
公开(公告)号：CN100573584C
公开(公告)日：2009-12-23
申请号：CN200810017326.X
申请日：2008-01-18
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于成像机理与非采样Contourlet变换的图像融合方法。其过程为：首先，采用非采样Contourlet变换对源图像进行多尺度、多方向分解得到不同频域子带系数；其次，针对低频子带系数构建一种基于方向向量范数的融合规则，针对带通方向子带系数构建一种基于局部方向对比度和方向向量标准方差相结合的融合规则；然后，根据构建的融合规则分别对源图像的低频子带系数和各带通方向子带系数进行组合，得到融合图像的非采样Contourlet变换系数；最后，进行非采样Contourlet逆变换重构出融合图像。本发明具有融合效果好，配准误差对融合性能的影响少，能够有效避免将噪声传输到融合图像中之优点，可用于各种成像系统的后续处理和图像显示。
-
公开(公告)号：CN118972913A
公开(公告)日：2024-11-15
申请号：CN202410873393.0
申请日：2024-07-01
Applicant: 国网吉林省电力有限公司 , 国网吉林省电力有限公司信息通信公司 , 西安电子科技大学杭州研究院
Abstract: 本发明属于无人机技术领域，公开了一种电网多制式通信中无人机垂直切换方法。本发明研究了无人机在电网场景中执行检测任务时无线异构网络的垂直切换问题。在该模型中，用于电网巡检的无人机需要规划其飞行轨迹，避开障碍物，并找到到达每个检查点的最佳轨迹。在整个无人机检查过程中，必须确保无人机的通信服务质量。数值结果表明，该方法能够更好地满足无人机检测任务的要求，减少切换次数，从而解决了电网场景中终端垂直切换的问题。
-
公开(公告)号：CN114821508B
公开(公告)日：2024-09-24
申请号：CN202210555478.5
申请日：2022-05-20
Applicant: 西安电子科技大学
IPC: G06V20/56 , G06V20/58 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/044 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于隐式上下文学习的道路三维目标检测方法，主要解决现有方法对距离雷达较远的稀疏点云目标和小目标检测精度低，且容易受背景噪声干扰的问题。其实现方案为：对点云数据体素化；搭建稀疏卷积网络；搭建由现有卷积神经网络和检测网络级联组成的区域建议网络RPN；构建隐式上下文学习模块和注意力融合模块，并与现有的检测网络级联组成RCNN网络；构建由稀疏卷积网络、区域建议网络RPN和RCNN网络组成三维目标检测网络；训练三维目标检测网络；将体素化的点云数据输入训练好的三维目标检测网络中，输出目标检测框，得到目标的具体位置和类别。本发明提高了稀疏点云目标和小目标的检测精度，降低了目标的误检率。
-
公开(公告)号：CN117893761A
公开(公告)日：2024-04-16
申请号：CN202410081388.6
申请日：2024-01-19
Applicant: 西安电子科技大学
IPC: G06V10/26 , G06V10/40 , G06V10/52 , G06V10/25 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了基于跨尺度注意力的SAR图像舰船实例分割方法，将图像及图像中目标真实类别、目标真实坐标、真实目标掩码作为训练样本，从数据集中提取多组训练样本；构建基于跨尺度注意力的CARSNet网络结构；将训练样本输入CARSNet网络结构，得到训练好的CARSNet网络；通过训练好的CARSNet网络结构对SAR图像舰船实例分割。在分割过程中本发明采用了跨尺度注意力模块来为高尺度特征补充稳定的细节信息，提升了算法对舰船目标轮廓上的分割效果。本发明采用了基于高斯分布的正样本采样方法，该方法能够根据舰船目标自身的几何特点自适应产生更多的包含舰船头部和尾部的正样本，有助于网络对舰船整体特征的学习。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.036 seconds)
