-
公开(公告)号：CN102905137B
公开(公告)日：2015-09-09
申请号：CN201210431230.4
申请日：2012-11-01
Applicant: 重庆邮电大学
IPC: H04N19/124
Abstract: 本发明提出了一种基于差值矢量量化的超光谱信号快速压缩方案。在哈达玛域中，构造初次矢量量化的初始码书，快速聚类，生成初次矢量量化的最终码书和索引；将初次矢量量化恢复的图像与原图像获得差值图像数据作为差值矢量量化的输入矢量，对其进行哈达玛变换，构造差值矢量量化的初始码书，快速聚类，生成差值矢量量化的最终码书和索引。本发明提供的超光谱图像压缩方案，结合Hadamard变换性质和差值矢量量化减小量化误差的特点，与传统的LBG算法相比，在压缩比相同的情况下，不仅能够大幅减少计算量，而且可以提高图像恢复质量，达到快速压缩编码的目的。
-
公开(公告)号：CN103440505A
公开(公告)日：2013-12-11
申请号：CN201310422632.2
申请日：2013-09-16
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明针对现有高光谱遥感图像分类技术，在图像分类结果存在“杂点”的问题上，提出了一种空间邻域信息加权的高光谱遥感图像分类方案。首先对预处理后的图像数据进行部分主成分分析，获取变换后的特征矩阵，然后对特征矩阵利用空间邻域信息加权的FCM算法实施快速聚类，得到高光谱图像的分类结果。本发明提供的高光谱遥感图像分类方案，充分结合了主成分分析特征降维的功效和高光谱图像丰富的空间邻域信息，在保证算法效率的同时，提高了高光谱图像的分类效果，与传统方法法相比，不仅能够降低计算量，而且可以改善分类效果，克服“同物异谱”和噪声引起的“杂点”现象，获得很好的分类效果。
-
公开(公告)号：CN102905137A
公开(公告)日：2013-01-30
申请号：CN201210431230.4
申请日：2012-11-01
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于差值矢量量化的超光谱信号快速压缩方案。在哈达玛域中，构造初次矢量量化的初始码书，快速聚类，生成初次矢量量化的最终码书和索引；将初次矢量量化恢复的图像与原图像获得差值图像数据作为差值矢量量化的输入矢量，对其进行哈达玛变换，构造差值矢量量化的初始码书，快速聚类，生成差值矢量量化的最终码书和索引。本发明提供的超光谱图像压缩方案，结合Hadamard变换性质和差值矢量量化减小量化误差的特点，与传统的LBG算法相比，在压缩比相同的情况下，不仅能够大幅减少计算量，而且可以提高图像恢复质量，达到快速压缩编码的目的。
-
公开(公告)号：CN119989350A
公开(公告)日：2025-05-13
申请号：CN202510170736.1
申请日：2025-02-17
Applicant: 重庆邮电大学
IPC: G06F21/56 , G06F18/25 , G06F8/53 , G06V10/44 , G06N3/042 , G06F18/24 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于多模态特征融合的恶意APP家族的识别方法，属于信息安全技术领域。该方法对安卓APK进行数据预处理，包括解包和反编译操作，得到字节码文件和smali代码文件。分别提取字节码图像特征、操作码序列特征和控制流程图特征。字节码图像特征使用EfficientNetV2L卷积神经网络进行提取，操作码序列特征使用k‑Shingles算法和SimHash算法进行提取，控制流程图特征使用静态分析工具和胶囊图神经网络进行提取。将三种特征进行低秩多模态融合，并构建CNN‑BiLSTM‑Attention检测分类模型，实现对恶意APP家族的识别判断。本发明提高了识别的准确性，增强了模型的泛化能力。
-
公开(公告)号：CN118982800A
公开(公告)日：2024-11-19
申请号：CN202411128542.7
申请日：2024-08-16
Applicant: 重庆邮电大学
IPC: G06V20/54 , G06V10/20 , G06V10/42 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/25 , G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于超分辨率和多模态融合的遥感图像车辆检测方法，通过构建增强型超分辨率生成对抗网络对低分辨率的遥感图像进行超分辨率处理，生成高分辨率图像；构建多层混合Transformer编码器从高分辨率图像中提取特征，得到每个模态的多层特征图，从而生成多尺度特征图；对多尺度特征图进行特征编码和多模态特征融合，得到融合特征图；基于RetinaNet算法构建分类子网络和回归子网络，生成检测模型；将融合特征图输入检测模型，对每个锚点的车辆目标及其类别进行检测；通过引入超分辨率生成对低分辨率遥感图像的精细化处理，结合不同模态图像的优点来生成更清晰的目标特征，提高了遥感图像车辆目标检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112015868B
公开(公告)日：2022-08-26
申请号：CN202010937656.1
申请日：2020-09-07
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱补全的问答方法，属于自然语言处理领域，包括以下步骤：S1：将输入的Q划分为词或短语；S2：利用字向量模型BERT将词表征为向量，得到矩阵作为模型输入；S3：利用实体识别技术识别Q中的实体，获取候选实体集；S4：查询eKGs的类别，用c替换Q中的实体；S5：构建声明式查询cyher，获取候选三元组集，从而获取到候选关系集；S6：基于Qc和rij的关系链接；S7：在KGs中，如果eKGs和rij之间缺少关系；S8：学习实体eKGs和eKGs邻域内实体的新的向量表示；S9：估计中心实体邻域内实体的重要性；S10：基于现存的相关的三元组执行关系预测；S11：基于实体和关系的知识图推理，获得答案A。
-
公开(公告)号：CN111782769A
公开(公告)日：2020-10-16
申请号：CN202010628423.3
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于关系预测的知识图谱智能问答方法，属于自然语言处理领域。该方法包括步骤：S1：输入问题Q，对问题进行预处理；S2：利用实体识别技术识别问题中的实体equestion,并将实体equestion映射到KGs中对应的实体eKGs；S3：查询KGs中实体eKGs的类别c，用类别c替换问题Q中的实体equestion，标记为Qc；S4：从Qc中映射出关系r；S5：在KGs中，如果实体eKGs和关系r之间缺少联系；S6：学习中心实体eKGs的新的向量表示；S7：基于已有的相关三元组推断KGs中隐藏的关系；S8：基于实体和关系的知识图推理，获得答案A。本发明能找到“问句实体--知识图实体”的对应关系，以及“问句自然语言描述——知识图语义关系”的对应关系。
-
公开(公告)号：CN103442236A
公开(公告)日：2013-12-11
申请号：CN201310420156.0
申请日：2013-09-16
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于多级分维矢量量化的高光谱信号编码方法。对第一级矢量量化的输入矢量首先进行去均值操作，构造第一级矢量量化的初始码书，并生成第一级矢量量化的最终码书和编码；由第一级矢量量化的重构图像和原去均值图像，构成矢量进行分维处理，分维后每一个部分的数据作为第二级矢量量化的输入矢量，构造第二级矢量量化的初始码书，同时利用快速搜索算法，实施快速聚类，生成每一个部分数据的第二级矢量量化的最终码书和索引。本发明结合去均值、矢量分维和多级矢量量化达到减小量化误差的目标，不仅能够提高压缩比和图像恢复质量，而且可以大幅降低算法的计算复杂度，达到对高光谱遥感信号快速压缩编码的目的。
-
公开(公告)号：CN118865132A
公开(公告)日：2024-10-29
申请号：CN202410981812.2
申请日：2024-07-22
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V20/13 , G06V10/74 , G06V10/82 , G06T3/4053 , G06T3/4046 , G06T5/60 , G06T5/70 , G06T7/11 , G06T7/136 , G06T5/30 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于超分辨率增强的卫星图像道路提取方法、设备和介质，构建超分辨率模型，根据上下文特征聚合网络和频分远距离残差块和高质量重建网络对低分辨率图像进行增强；对增强后的图像采用卷积神经网络预测图像中每个像素与相邻像素的像素相似度；构建第一损失函数和复合损失函数对像素相似度进行多重优化，基于优化后的像素相似度从卫星图像中提取道路图像；并对图像进行去噪处理，得到道路数据。通过将低分辨率的图像输入超分辨率模型增强后，利用卷积神经网络对图像进行分割，构建损失函数提高提取的图像的精度，进行图像细化以提取道路中心线，转化为道路图，完成对超分辨卫星图像道路的提取，提高卫星图像的道路识别精度和效率。
-
公开(公告)号：CN113298720A
公开(公告)日：2021-08-24
申请号：CN202110430956.5
申请日：2021-04-21
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种自适应的重叠图像旋转方法，在使用A‑KAZE特征提取算法和双向KNN特征匹配算法作为图像配准的基础上，通过检测两幅图像的特征匹配对之间是否存在交叉来判断两幅图像的重叠区域是否存在相对旋转；再通过限定图像的配准区域来实现图像的旋转，同时减少不必要区域的配准时间；调整图像的旋转角度，得到重叠区域平行的有序图像。本发明选取右图作为待旋转图像，左图作为参考图像，能够将待旋转图像旋转到其重叠区域与参考图像平行的位置，实现任意拍摄角度下的图像自适应的旋转。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.027 seconds)
