-
公开(公告)号：CN106060509A
公开(公告)日：2016-10-26
申请号：CN201610334492.7
申请日：2016-05-19
Applicant: 西安电子科技大学
IPC: H04N13/00
CPC classification number: H04N13/122 , H04N13/111
Abstract: 本发明公开了一种引入颜色校正的自由视点图像合成方法，主要解决现有自由视点合成技术中合成图像颜色不连续和空洞边缘模糊的问题。其实现步骤为：输入左、右视点视图及各自对应的深度图，经过3D变换得到左、右虚拟视图；依据位置关系由左、右虚拟视图合成中间虚拟视图的非闭塞区域；用虚拟视图背景区域间的颜色差异替代虚拟视图闭塞区域间的颜色差异，并利用直方图匹配算法得到经过颜色校正的闭塞区域；融合非闭塞区域和经过颜色校正的闭塞区域，得到有空洞点的中间视点图像；对有空洞点的中间视点图像进行逐层的空洞填充，得到最终的合成虚拟视图。本发明提高了合成虚拟图像的质量，提升了3D视频的观看舒适度，可用于立体多媒体。
-
公开(公告)号：CN105913090A
公开(公告)日：2016-08-31
申请号：CN201610230172.7
申请日：2016-04-14
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于SDAE?SVM的SAR图像目标分类方法。主要解决现有方法中普通堆栈自编码器提取到的SAR图像特征鲁棒性差，softmax分类器微调深度网络分类准确率低的问题。其步骤为：(1)读入数据；(2)分割操作；(3)旋转操作；(4)确定SAR图像的目标切片；(5)目标切片向量化；(6)构建一个四层的初始栈式去噪自编码器SDAE；(7)训练初始栈式去噪自编码器SDAE；(8)微调；(9)计算测试准确率；本发明具有提取得到的SAR图像目标特征鲁棒性高、能够提高SAR图像目标分类正确率的优点。
-
公开(公告)号：CN105894018A
公开(公告)日：2016-08-24
申请号：CN201610188365.0
申请日：2016-03-29
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明提出了一种基于深度多示例学习的极化SAR图像分类方法，用于解决现有极化SAR图像分类方法中存在特征提取不足导致的分类精度低的技术问题。包括如下步骤：对极化SAR图像进行滤波；选取训练样本集合；提取样本特征；初始化卷积神经网络CNN和深度置信网DBN；归一化样本特征，训练卷积神经网络CNN和深度置信网DBN；提取联合特征；输入联合特征到SVM分类器中训练；利用训练好的SVM分类器进行极化SAR图像分类；输出分类结果，并计算分类精度。本发明将图像空间邻域特征与极化特征进行有效的结合，提高了极化SAR图像分类精度，可用于对极化SAR图像的地物分类和目标识别。
-
公开(公告)号：CN105069480A
公开(公告)日：2015-11-18
申请号：CN201510512624.6
申请日：2015-08-19
Applicant: 西安电子科技大学
CPC classification number: G06K9/6267 , G06K9/66 , G06T5/00 , G06T2207/10044 , G06T2207/20172
Abstract: 本发明公开了一种基于高斯滤波和PSO的极化SAR地物分类方法，主要解决了现有基于单像素点分类方法的分类精度低的问题。其实现步骤为：先输入待分类极化SAR图像的相关信息和用现有基于单像素点方法对该极化SAR图像的分类结果，构造类别图；再将类别图分成子类别图，对每幅子类别图构建目标函数，将其通过PSO算法优化获得最优方差，用最优方差构建高斯滤波器；之后对子类别图进行高斯滤波，得到每幅子图的分类结果；最后将每幅子图的分类结果进行合并获得整个待分类极化SAR图像的分类结果。本发明提高了极化SAR地物分类的精度，可用于地物分类与目标识别。
-
公开(公告)号：CN112101190B
公开(公告)日：2023-11-03
申请号：CN202010955163.0
申请日：2020-09-11
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/10 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种遥感图像分类方法、存储介质及计算设备，创建遥感图像集，对遥感图像集进行标准化处理，得到训练样本集和测试样本集；设置多尺度特征提取模块，通过在两个并行的卷积模块中设置不同的空洞卷积，生成两个尺度的特征图；设置自适应特征融合模块，自适应特征融合模块能够自适应的选择生成的两个不同尺度的特征中的有用信息并进行融合；搭建整个神经网络模型；使用训练样本集对整个神经网络模型进行迭代训练；在测试样本中随机选择样本作为位置类别样本，利用训练好的神经网络对对需要预测的未知样本进行分类。本发明减少冗余信息，更灵活的选择多尺度特征，提升网络的稳定性，进而提升网络模型的分类能力。
-
Patent Agency Ranking
公开(公告)号：CN115641465A
公开(公告)日：2023-01-24
申请号：CN202211105685.7
申请日：2022-09-09
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Transformer轻量化模型的遥感图像分类方法，涉及图像分类技术领域，包括：根据实际情况对光学遥感图像进行可视化和预处理；再通过图像编码模块获取光学遥感图像的图像编码信息；然后通过MLP模块对光学遥感图像的图像编码信息进行特征提取，获取信息编码；再通过Attention模块提取信息编码中的特征信息；然后Attention模块提取出的特征信息和MLP模块获取的信息编码经残差模块叠加后，由归一化模块进行归一化处理；最后由归一化模块进行归一化处理后，经FNN模块送入分类模块中，从而得出最终的分类结果；本发明，在中小数据集上的训练效果高于经典Transformer模型，且减少了模型计算量，节省了计算资源，提升了分类速度。
-
公开(公告)号：CN110232738B
公开(公告)日：2022-12-02
申请号：CN201910527646.8
申请日：2019-06-18
Applicant: 西安电子科技大学
IPC: G06T17/05 , G06V10/774 , G06V10/46
Abstract: 本发明公开了一种基于视差图和关键点的多视图遥感图像立体重构方法，主要解决现有技术中遥感图像重构精度不高的缺陷，其实现步骤为：(1)选择图像对；(2)生成地物类别标签；(3)生成融合地物类别标签的视差图；(4)生成每个图像对的数字表面模型DSM；(5)融合每个图像对的数字表面模型DSM；(6)标记关键点；(7)优化融合的数字表面模型DSM；(8)立体重构三维模型。本发明提高了建筑物与地面类别的遥感目标的重构精度，能够自适应地满足不同地物类别标签目标的视差计算精度要求，提高了遥感图像的重构速度。
-
公开(公告)号：CN110211138B
公开(公告)日：2022-12-02
申请号：CN201910494015.0
申请日：2019-06-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于置信点的遥感图像分割方法，主要解决现有技术中高分辨率遥感影像分割精度不高的缺陷。本发明的具体步骤如下：(1)构建卷积神经网络；(2)生成两个训练集；(3)生成两个测试集；(4)对测试集进行地物类别标签预测；(5)标记每个置信点像素；(6)修正建筑物类别；(7)更新植物类别；(8)得到最终的地物类别标签。本发明具有提高植被与建筑物类别精度，不仅对低分辨率的遥感图像有较好的分割效果，而且对高分辨率的遥感图像也具有较好的分割效果。
-
公开(公告)号：CN111222545B
公开(公告)日：2022-04-19
申请号：CN201911348984.1
申请日：2019-12-24
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于线性规划增量学习的图像分类方法，其步骤为：构建卷积神经网络；生成初始训练集；初始训练卷积神经网络；获取初始训练集的类均特征向量；判断待分类图像的类别是否属于初始训练集中的类别，若是，用卷积神经网络分类，否则执行下一步；生成增量训练集；获取增量训练集的类均特征向量；利用线性规划模型求解权值列向量；更新卷积神经网络；用卷积神经网络进行分类。本发明具有自适应能力强，只需要一张图像就能生成增量训练集，只需要很少的计算资源和计算时间就能完成增量学习，对初始训练集和增量训练集中类别分类准确率都很高的优势。
-
公开(公告)号：CN110101970B
公开(公告)日：2021-09-28
申请号：CN201910366340.9
申请日：2019-05-05
Applicant: 西安电子科技大学
Abstract: 本发明属于经颅磁刺激(TMS)治疗领域，公开了一种基于并联机器人的TMS自动治疗仪。并联机器人由6‑UPS并联机构与两自由度云台构成。6‑UPS并联机构由基座、虎克铰、电动缸、复合铰、动平台四部分组成，两自由度云台由行星减速步进电机、方位台、俯仰台、传动齿轮等部分组成。其中，两自由度云台安装于6‑UPS并联机构动平台。并联机器人固定在桁架结构上。在患者面部预置靶点，通过核磁共振影像设备可获得刺激靶点坐标和预置靶点在核磁共振影像设备坐标系中的坐标，再通过双目视觉测量系统可得到预置靶点在双目相机坐标系中的坐标，进一步控制并联机器人末端刺激线圈定位至刺激靶点进行经颅磁刺激治疗。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.036 seconds)
