-
公开(公告)号：CN106843955A
公开(公告)日：2017-06-13
申请号：CN201710030226.X
申请日：2017-01-17
Applicant: 西安电子科技大学
IPC: G06F9/445
CPC classification number: G06F9/44505
Abstract: 本发明提出了一种基于文件压缩及非接触式的FPGA动态配置方法，用于解决现有动态配置中存在的硬件复杂度高、配置速度低和灵活性差的技术问题，实现步骤为：构建内部固化有无线接收模块、数据解压缩模块、在系统编程模块和配置文件载入模块程序的目标FPGA；外部处理设备将目标FPGA的配置文件进行无损压缩；通过无线方式将压缩后配置文件发送到目标FPGA；无线接收模块将接收到的压缩后配置文件存到内部RAM中；数据解压缩模块将压缩后配置文件从RAM中读出，进行解压缩后写入配置FLASH；外部处理设备发送配置文件载入命令和热启动地址；配置文件载入模块从配置FLASH的热启动地址开始载入配置文件，完成动态配置。
-
公开(公告)号：CN106162752A
公开(公告)日：2016-11-23
申请号：CN201610561324.1
申请日：2016-07-17
Applicant: 西安电子科技大学
CPC classification number: H04W28/08 , H04W40/10 , H04W40/24 , H04W40/244
Abstract: 本发明公开了一种适用于空地一体化网络的负载均衡路由方法。其具体实现步骤是，首先形成新的路由判据公式，采用该公式对空地一体化网络的链路进行度量得到链路权值，并存入链路权值表；然后相邻节点之间不断的交换自己的链路权值表，使得空地一体化网络中的每个节点都获得全网链路的权值，并从该全网链路权值表中为到达其他任意一个节点选出3条路径；最后选择具有最大转移概率的路径作为工作路径来传输数据包。本发明选择的工作路径接近全局最优，且能根据空地一体化网络负载的变化自适应的调整工作路径，降低了网络拥塞的可能性。
-
公开(公告)号：CN103985096A
公开(公告)日：2014-08-13
申请号：CN201410217499.1
申请日：2014-05-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于离线训练的高光谱图像回归预测压缩方法，包括如下步骤：读入m幅高光谱图像，对每幅图像分别用k-means聚类，得到m幅聚类索引图后；对m幅聚类索引图每个波段的进行离线回归训练，计算预测系数读入压缩图像；对于第一波段进行帧内预测；对其他波段中的每个像素值使用S2步骤中离线训练得到的预测系数进行预测，所有像素预测完成后，得预测图像；用原始图像和预测图像做差，得到残差图像；对残差图像采用Range Coder编码方法进行编码，输出文件，传送到解码器。本发明可应用于高复杂度多幅高光谱图像实现快速压缩要求的压缩技术中，压缩效率高。
-
公开(公告)号：CN102629378B
公开(公告)日：2014-08-06
申请号：CN201210051379.X
申请日：2012-03-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多特征融合的遥感图像变化检测方法，主要解决现有变化检测方法漏检较多及变化检测整体精度不高的问题。其实现过程是：首先输入两时相遥感图像差值得到灰度差异图，计算灰度差异图的方差并设定阈值以决定是否对两时相图进行形态学预处理；接着计算邻域差分图和Gabor纹理特征差异图，使用Treelet算法融合三组差异图，对融合后的差异图像进行最大熵分割得到初始检测结果；最后通过面积阈值法去除部分孤立伪变化信息得到最终的检测结果图。实验表明，本发明能够较好的保持变化区域的边缘特征，在降低漏检率的同时有效抑制噪声的干扰，可用于环境保护、城市规划建设、自然灾害检测领域。
-
公开(公告)号：CN102254323A
公开(公告)日：2011-11-23
申请号：CN201110155652.9
申请日：2011-06-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于treelet融合和水平集分割的遥感图像变化检测方法，主要解决现有变化检测方法存在较多伪变化信息的问题。其实现过程是：输入两时相遥感图像，对每幅图像分别进行均值漂移滤波，得到两时相滤波后图像并分别对其进行3次不同层数下的二维平稳小波分解，对相同分解层数对应方向子带的小波系数矩阵做差；采用sobel算子对得到的水平、垂直方向小波系数差矩阵进行增强并进行二维小波逆变换重构；采用treelet算法融合不同分解层数的重构图像得到最终的差异图，对该差异图进行水平集分割得到变化检测结果。本发明能够有效提高变化检测结果的精度，同时较好的保持变化区域的边缘特征，可用于对自然灾害的分析、土地资源监测等领域。
-
Patent Agency Ranking
公开(公告)号：CN101915875A
公开(公告)日：2010-12-15
申请号：CN201010243491.4
申请日：2010-07-30
Applicant: 西安电子科技大学
IPC: G01R25/00
Abstract: 本发明公开了一种相同周期信号相位差测量电路，包括128个IODELAY(Xilinx FPGA专用可编程输入输出延迟单元)，1个D触发器，128个6位计数器，1个逻辑控制电路，两路被测同周期信号：第一路周期信号CLK1，第二路周期信号CLK2。本发明提出了一种高精度测量同周期信号相位差的方法：CLK1送给IODELAY的输入端，经过IODELAY逐级延迟，输入D触发器的D端；CLK2通过FPGA的全局时钟网络输入到D触发器的CLK端和计数器的CLK端；并通过检测D触发器输出端Q值的变化，得到延迟后的CLK1和CLK2的边沿重合信息，可以根据IODELAY延迟量达到测量同周期信号相位差的目的。
-
公开(公告)号：CN118711053A
公开(公告)日：2024-09-27
申请号：CN202410728919.6
申请日：2024-06-06
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/762 , G06V10/74
Abstract: 本发明公开了一种基于低秩表示和协同表示的高光谱异常检测方法，主要解决现有异常检测方法对高光谱图像的全局和局部信息综合利用不足，以及背景字典不可靠的问题。方案包括：1)构建基于低秩表示的渐进式背景字典，建立低秩表示模型，并对其优化求解得到背景部分和异常部分；2)以渐进式背景字典为基础，构建基于相似度的局部背景字典，建立协同表示模型，对其优化求解并计算得到各像素协同表示的重构残差；3)将低秩表示获得的异常部分和协同表示获得的重构残差以哈达玛积方式融合，得到最终的异常检测结果。本发明通过结合低秩表示与协同表示，能够充分考虑高光谱图像的全局‑局部信息，有效提升了高光谱异常检测性能，降低了虚警率。
-
公开(公告)号：CN118711052A
公开(公告)日：2024-09-27
申请号：CN202410728917.7
申请日：2024-06-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于曲率滤波权重双协同表示的高光谱目标检测方法，主要解决现有检测方案在复杂应用场景下背景误检率高的问题。包括：1)将高光谱图像转换到多个分数阶傅里叶域上并分别计算傅里叶熵，选择傅里叶熵最大的分数阶傅里叶域作为最优分数阶；2)将原域高光谱图像与先验目标光谱均转换到最优分数阶上；3)在最优分数阶上对待测像素的字典增加曲率滤波权重；4)构建全局协同表示和局部协同表示的双协同表示检测器；5)将待测像素输入双协同表示检测器，获取最终检测结果。本发明通过引入曲率滤波权重加强字典的利用程度，利用全局和局部协同表示的空间优势构建双协同表示检测器，有效提升了高光谱异常检测性能。
-
公开(公告)号：CN117333774A
公开(公告)日：2024-01-02
申请号：CN202311370000.6
申请日：2023-10-23
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0985 , G06N3/084
Abstract: 本发明提出了一种基于深度自表示学习框架的高光谱异常检测方法，主要解决现有方法检测效果不佳的问题。方案包括：1)提取高光谱图像的多尺度空间特征；2)对每一个超像素块分别构建子空间复原自编码器SRAE网络模型，并针对模型设计联合损失函数；3)利用基于鲁棒性主成分分析法的交替优化方式训练模型，得到多尺度重构高光谱图像；4)对多尺度的重构图像利用RX算法进行异常得分评估，得到不同尺度初始检测结果，并对该结果进行两阶段的像素级相加和像素级相乘操作融合，获得检测结果。本发明将可靠先验知识和局部空间信息整合到自编码器模型中，提高背景的表征能力并削弱对异常的表征能力，有效提升了高光谱图像异常检测的精度。
-
公开(公告)号：CN117197665A
公开(公告)日：2023-12-08
申请号：CN202311137313.7
申请日：2023-09-05
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/58 , G06V10/774 , G06V10/80 , G06V10/77 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于低秩和稀疏先验约束自编码器的高光谱异常检测方法，主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括：1)构建两个共享编码器的自编码器；2)建立目标函数，将高光谱图像分解成低秩成分、稀疏成分和残差成分；3)利用低秩成分和稀疏成分作为标签，分别计算两个自编码器的重构损失；4)将高光谱图像分解和自编码器训练整合到统一框架，以端到端方式联合优化；5)利用RX检测器对重构结果处理并进行融合，得到最终检测结果。本发明通过结合基于线性的低秩和稀疏模型与基于非线性的自编码器的优势，并以端到端的方式进行联合优化，避免模型陷入局部最优，有效提升了高光谱异常检测性能。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.033 seconds)
