-
公开(公告)号：CN102081790A
公开(公告)日：2011-06-01
申请号：CN201010564669.5
申请日：2010-11-25
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于非线性Curvelet扩散的噪声图像增强方法，技术特征在于：利用各向同性扩散过程源于自然界中的热扩散，以基于偏微分方程(Partial Differential Equation，PDE)的方法，避免各向同性扩散中出现的边缘模糊和定位问题。该方法可同步实现噪声消除和边缘保持，但对噪声非常敏感。本发明针对噪声图像，提出一种结合镜像扩展Curvelet(Mirror-extended Curvelet，ME-Curvelet)变换和非线性扩散的增强方法，该方法在对图像的边缘特征和对比度增强的同时，对其中的噪声进行抑制，并能有效消减伪Gibbs效应，进一步提高图像质量。
-
公开(公告)号：CN101847259A
公开(公告)日：2010-09-29
申请号：CN201010013647.X
申请日：2010-01-21
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于加权信息熵和马尔可夫随机场的红外目标分割方法，技术特征在于：首先利用加权信息熵得到感兴趣区域，继而利用高斯马尔可夫随机场在感兴趣区域内建模来捕捉图像的上下文信息，并在迭代中采用ICM优化算法，使得解空间大大减小、噪声干扰大大降低，从而迭代步数减少、分割精度有明显的改善、分割速度大大提高。许多红外目标分割实验，都验证了本发明的有效性。
-
公开(公告)号：CN114283331B
公开(公告)日：2025-04-25
申请号：CN202111459379.9
申请日：2021-12-02
Applicant: 西安邮电大学 , 西安空间无线电技术研究所 , 西北工业大学
IPC: G06V20/10 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/084 , G06V10/46 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于条带剪枝的轻量化SAR图像船舶检测方法，属于图像处理技术领域。利用基于条带卷积的轻量化残差卷积网络提取不同深度的特征图；利用跳跃连接特征金字塔网络对不同深度特征进行融合，得到不同尺度的融合深度特征图；利用基于关键点的回归模型预测每个特征点对应位置的可能性概率和特征点位置到目标边缘的垂直距离，最终得到目标位置和概率。本方法利用基于条带卷积的轻量化残差卷积网络通过一次端对端的训练得到轻量化的残差卷积网络提升了模型的训练效率和模型鲁棒性；条带剪枝增加了剪枝的维度，进一步压缩了模型的参数量和计算量。
-
公开(公告)号：CN111191566B
公开(公告)日：2022-05-17
申请号：CN201911366599.X
申请日：2019-12-26
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于像素分类的光学遥感图像多目标检测方法，首先通过卷积神经网络对光学遥感图像进行特征提取，得到图像的特征图。之后是特征融合部分，使用了ASPP网络获得了不同感受野的特征，再结合通道注意力机制对不同通道的特征分配权重，之后对特征图进行上采样并将不同层的特征合并。在上采样后的特征图上的每一个像素点上进行目标的检测。本发明只预测了每个目标的一个中心点及其对应的目标框，没有多余的目标框生成，所以最后不需要通过非极大值抑制来合并多余的目标框，在速度上有很大优势。
-
公开(公告)号：CN109740448B
公开(公告)日：2022-05-10
申请号：CN201811542513.X
申请日：2018-12-17
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于相关滤波和图像分割的航拍视频目标鲁棒跟踪方法，通过使用基于相关滤波和图像分割的跟踪方法，结合方向梯度直方图特征和颜色属性特征，使得跟踪结果对于光照变化、噪声、遮挡等因素具有很强的鲁棒性，尤其是当目标当发生遮挡或者旋转等情况而发生外观变化时，本发明利用图像分割操作周期性地调整目标的外观；另外，本发明利用基于SI的策略实现高置信度的模型更新策略，使相关滤波模型更加鲁棒，而且，本发明能有效地满足航拍视频跟踪对算法实时性的要求。
-
Patent Agency Ranking
公开(公告)号：CN108596055B
公开(公告)日：2022-02-11
申请号：CN201810315813.8
申请日：2018-04-10
Applicant: 西北工业大学
IPC: G06V10/764 , G06V20/10 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种复杂背景下高分辨遥感图像的机场目标检测方法，利用全卷积网络对遥感图像进行显著性检测，利用改进的LSD算法提取遥感图像的线特征；提取显著性特征和直线特征分别划分目标候选区域，将同时满足显著性特征和直线特征的区域作为目标候选区域；利用卷积网络提取候选区域对应图像的深度特征，再利用ROI Pooling网络将不同尺寸的二维矩阵特征转化为长度相同的一维特征，通过两个独立的全连接网络计算候选区域的目标概率和位置偏移，检测遥感图像中的机场目标。本方法利用机场显著性和平行直线跑道等先验知识生成少量候选区域，大幅降低了测试的难度，且提取的候选区域更精准，提升了检测的准确度和标记机场区域的位置精度。
-
公开(公告)号：CN108960135B
公开(公告)日：2021-10-12
申请号：CN201810712190.8
申请日：2018-07-03
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于高分辨遥感图像的密集舰船目标精确检测方法，首先通过卷积神经网络对遥感图像进行特征提取，然后通过上采样，和卷积神经网络提取的卷积特征进行特征融合。在特征融合得到的特征图上的每一个点上独立的进行目标预测，具体做法是在得到的特征图上的每个点同时预测属于目标的得分，以及该点到所在目标框四条边的距离和该点所在目标框的角度。当特征图上的某点属于目标的得分大于设定的阈值时，可以通过特征图上点到所在目标框四条边的距离和点所在目标框的角度来计算检测出的目标框。由于是在特征图上的每一个点独立且密集的进行目标预测，因此最后将预测的目标框通过非极大值抑制来得到最终的目标检测结果。
-
公开(公告)号：CN108921799B
公开(公告)日：2021-07-23
申请号：CN201810647393.3
申请日：2018-06-22
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于多尺度协同学习卷积神经网络的遥感图像薄云去除方法，将训练数据进行尺度变换后输入到不同尺度的网络结构中，依次从粗粒度到细粒度，逐级提取不同尺度的特征进行融合，以实现从粗到精的多尺度学习，最终获得有云、无云数据之间的映射关系，有效移除云成分，恢复图像细节，达到薄云去除的目的。实验结果表明，本发明与传统的薄云去除方法相比，能够消除传统方法带来的人为痕迹，准确的恢复图像中有云区域的信息，而且能够维持无云区域的保真度，薄云去除效果更好、精度更高。
-
公开(公告)号：CN107203783B
公开(公告)日：2020-09-01
申请号：CN201710371308.0
申请日：2017-05-24
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于自适应卷积核卷积神经网络的遥感图像像素级分类方法，用于解决现有遥感图像像素级分类方法自适应性差的技术问题。技术方案是首先计算数据点的密度和距离值，然后自适应选取聚类中心为卷积核，最后将学习到的卷积核加入CNN对网络的softmax层进行训练，对训练好的网络进行遥感图像像素级分类。本发明将改进的基于快速寻找和找到密度峰值的聚类算法MCFSFDP，聚类得到自适应卷积核，代入基于预训练卷积核的CNN结构。相对基于K‑means聚类人工设定聚类类别预学习的卷积核的CNN结构相比，自适应学习到的卷积核能够有效表征数速记据信息特点并且提高了遥感图像像素级分类效果。
-
公开(公告)号：CN111260687A
公开(公告)日：2020-06-09
申请号：CN202010028112.3
申请日：2020-01-10
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于语义感知网络和相关滤波的航拍视频目标跟踪方法，针对相关滤波算法不易解决的目标模糊和遮挡问题，本发明引入了检测模块和分割模块，在第一帧记录目标的类别信息，在后续帧中对目标候选区域进行检测和语义分割，得到该区域内相同类别的目标候选框和分割掩膜，再融合候选框和掩膜对相关滤波算法的响应图进行处理，对响应图中响应值较大的非目标区域进行裁剪，得到准确的目标定位。得益于以上措施，本发明可以在多种具有挑战性的航拍场景下取得非常鲁棒的结果。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.028 seconds)
