-
公开(公告)号：CN112784921A
公开(公告)日：2021-05-11
申请号：CN202110150081.3
申请日：2021-02-02
Applicant: 西北工业大学
Abstract: 本发明提供了一种任务注意力引导的小样本图像互补学习分类算法。首先，设计了一个双分支的多部位互补特征学习模块，融合多个显著部位的判别特征，使网络深度探索和利用特征图的整个空间区域，从而获取更多的判别信息；然后，引入了任务相关的注意力引导模块，通过强化或抑制元学习者提供的部分知识，找出与当前任务相关的代表性特征，通过这种方法使神经网络获得区分当前输入类别的最重要特征的能力。通过将多部位互补特征学习模块和任务相关的注意力模块相结合，可以深入挖掘与当前输入类别最相关的互补特征，提高网络的鉴别能力，在少量训练样本的条件下实现较高的分类精度，具有较高的分类准确度和较好的鲁棒性。
-
公开(公告)号：CN103345511B
公开(公告)日：2016-08-10
申请号：CN201310280249.8
申请日：2013-07-04
Applicant: 西北工业大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于稀疏表达的遥感图像检索方法，技术特征在于：首先对查询图像提取底层特征并使用在线字典学习方法训练过完备字典，然后将查询图像的底层特征使用由查询图像与数据库图像的过完备字典构成的联合字典稀疏编码并计算重构误差，根据重构误差投票，计算出查询图像与数据库中图像的相似度，最后根据相似度的降序排列得到最终的排序检索结果。利用本发明方法，可以实现遥感图像快速、有效地检索，提高检索质量，且具有较好的鲁棒性。
-
公开(公告)号：CN102945378B
公开(公告)日：2015-06-10
申请号：CN201210408888.3
申请日：2012-10-23
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于监督方法遥感图像目标潜在区域检测方法，可以应用于复杂背景下的遥感图像多类感兴趣目标区域检测和定位。特征在于：在对遥感图像多类目标潜在区域进行检测时，首先提取相应的显著性特征分量，然后利用训练样本中的显著性特征进行训练得出SVM分类器参数，再将训练好的分类器用于测试图像中得到测试图像的显著图，最后利用自适应阈值分割方法对显著图进行分割，得出目标潜在区域的二值图。该方法具有较高的检测精度和较低的虚警率，与现有方法相比具有明显优势。
-
公开(公告)号：CN102867195A
公开(公告)日：2013-01-09
申请号：CN201210300645.8
申请日：2012-08-22
Applicant: 西北工业大学
IPC: G06K9/66
Abstract: 本发明涉及一种基于稀疏表示字典学习的遥感图像多类目标检测和识别的方法。技术特征在于：首先对预处理后的训练数据使用基于稀疏表示字典训练方法训练出字典；然后对测试图像中的子图像块使用训练所得到的字典进行稀疏编码，求出其稀疏表示系数进而得出子图像块的重构误差，通过对重构误差的阈值化处理，确定候选目标区域；最后经过后期处理实现对遥感图像多类目标的精确检测和识别。利用本发明方法，可以从复杂背景下的遥感图像中检测并识别出多种类型的目标。本发明具有较高的检测识别精度和较低的虚警率。
-
公开(公告)号：CN102831402A
公开(公告)日：2012-12-19
申请号：CN201210282568.8
申请日：2012-08-09
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于稀疏编码和视觉显著性的红外遥感图像检测机场的方法，首先对原始遥感图像进行降采样，对于降采样后的遥感图像，采用LSD算法进行直线检测；采用FT算法计算图像显著性。然后采用滑动窗口目标检测器进行机场的检测。首先判断滑动窗口中是否存在直线段，如果不存在，继续滑动窗口，如果存在直线段，则用遥感图像机场目标图像构造好的字典对窗口进行稀疏编码，然后结合本窗口的显著值对稀疏编码进行筛选，从而获得窗口的稀疏表达特征。最后采用SVM二值分类器对滑动窗口的稀疏编码特征进行判别，判断窗口中是否存在机场，最终实现机场目标的检测。与其他发明技术相比，本发明检测机场准确率高，虚警率低。
-
Patent Agency Ranking
公开(公告)号：CN102800101A
公开(公告)日：2012-11-28
申请号：CN201210280777.9
申请日：2012-08-09
Applicant: 西北工业大学
IPC: G06T7/00
Abstract: 本发明涉及一种星载红外遥感图像的机场ROI快速检测方法。首先，将红外遥感图像从RGB颜色空间转换到Lab颜色空间；接着为避免噪声的影响对遥感图像进行高斯滤波，然后，对于滤波之后的图像，求每一个像素值与图像像素平均值的差值，得到遥感图像差值图，最后在遥感图像差值图上作k均值聚类分割，得到机场ROI。实验结果表明，本发明速度快，鲁棒性高，有效降低了遥感图像的处理难度，对于遥感图像机场目标的实时检测具有较大的价值和意义。
-
公开(公告)号：CN102542295A
公开(公告)日：2012-07-04
申请号：CN201210004751.1
申请日：2012-01-08
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明涉及一种采用图像分类技术从遥感图像中进行滑坡检测的方法，首先采用基于重叠的面积均分法对预处理后的遥感图像进行分块，得到面积相等的正方形图像块，并将得到的图像块分成两个集合——训练集和测试集；其次，提取训练集和测试集中所有图像块的SIFT特征，对训练集中的SIFT特征采用k-means聚类方法得到单词和词典；然后，用BoVW模型表示训练集和测试集中的每个图像块；最后，利用pLSA模型提取每个图像块的主题，并用KNN分类器将测试集中的图像块分成滑坡和非滑坡两类，从而实现对遥感图像的滑坡检测。该方法运算量小、检测效率高，同时又具有很高的检测正确率。
-
公开(公告)号：CN102063713B
公开(公告)日：2012-06-06
申请号：CN201010544858.6
申请日：2010-11-11
Applicant: 西北工业大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。
-
公开(公告)号：CN102063713A
公开(公告)日：2011-05-18
申请号：CN201010544858.6
申请日：2010-11-11
Applicant: 西北工业大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于邻域归一化梯度和邻域标准差的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差的融合方法，可以最大限度的保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。
-
公开(公告)号：CN101968883A
公开(公告)日：2011-02-09
申请号：CN201010527509.3
申请日：2010-10-28
Applicant: 西北工业大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于小波变换和邻域特征的多聚焦图像融合方法。首先利用小波变换对图像进行多尺度分解，获得图像在不同分辨率和不同方向下的低频和高频信息；然后根据低频和高频信息的各自特性，采用不用的融合规则进行处理，其中，对低频子图像采用基于邻域归一化梯度加权平均的融合方法，克服了传统的低频分量融合方法忽略边缘信息的缺点，对高频子图像采用基于邻域标准差加权平均的融合方法，可以最大限度地保留图像的细节信息；最后进行小波重构得到融合图像。本发明克服了传统的融合算法存在的边缘失真现象，使融合后的图像质量和清晰度均有明显提高，可以应用于各类军用或民用的多聚焦图像融合系统。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.045 seconds)
