-
公开(公告)号：CN110197505A
公开(公告)日：2019-09-03
申请号：CN201910460715.8
申请日：2019-05-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度网络及语义信息的遥感图像双目立体匹配方法，主要解决现有遥感图像的立体匹配精度低的问题。其实现过程是：1)收集US3D数据集遥感图像；2)用训练语义分割网络模型获取遥感图像的语义先验；3)用深度网络模型对遥感图像进行立体匹配；4)用传统SGBM算法对遥感图像进行立体匹配；5)用语义先验对3)和4)这两次的匹配结果进行融合，得到融合后的视差图像；6)对融合后的视差图形进行去噪；7)用语义先验对6)去噪后的图形进行修正，得到双目立体匹配结果。本发明相比已有技术，提高了遥感图像双目立体匹配的精度，可用于遥感图像的三维空间立体重建。
-
公开(公告)号：CN110097129A
公开(公告)日：2019-08-06
申请号：CN201910376741.2
申请日：2019-05-05
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于轮廓波分组特征金字塔卷积的遥感目标检测方法，解决了光学遥感图像飞机与舰船在边缘模糊时召回率低、虚警率高的问题。实现步骤：构建测试数据集；构建训练数据集；对数据集进行非轮廓下采样变换；构建基于分组特征金字塔卷积目标检测网络；利用数据集训练基于分组特征金字塔卷积的目标检测网络；用训练好的基于分组特征金字塔卷积的目标检测网络对测试数据集进行目标检测；输出测试结果。本发明用非下采样轮廓边缘加强图像边缘特征，并构建分组卷积和特征金字塔网络，更适于光学遥感图像目标检测，针对边缘模糊的小目标检测准确率明显提高。用于光学遥感图像的地物目标检测。
-
公开(公告)号：CN105930846B
公开(公告)日：2019-05-03
申请号：CN201610207230.4
申请日：2016-04-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于邻域信息和SVGDL的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类过程中字典学习收敛速度慢而导致的运算时间长、计算效率低的问题。本发明的具体步骤如下：(1)输入极化SAR图像；(2)滤波；(3)提取极化邻域特征；(4)降维；(5)选取训练样本和测试样本；(6)训练字典和分类器；(7)测试字典和分类器；(8)上色；(9)输出分类结果图。本发明与现有技术相比，有效地提高了极化SAR图像分类正确率和计算效率。
-
公开(公告)号：CN105868793B
公开(公告)日：2019-04-19
申请号：CN201610237878.6
申请日：2016-04-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度深度滤波器的极化SAR图像分类方法，主要解决现有技术分类精度低的问题，其方案是：输入待分类的极化SAR图像，由极化相干矩阵T求得极化散射矩阵S；对极化散射矩阵S进行Pauli分解，构成基于像素点的特征矩阵F；对F归一化，并对归一化后的特征矩阵F1中的每个元素取块，构成基于图像块的特征矩阵F2；根据F2得到训练数据集的特征矩阵W1和测试数据集的特征矩阵W2；构造基于多尺度深度滤波器的分类模型；用训练数据集的特征矩阵W1对分类模型进行训练；利用训练好的分类模型对测试数据集的特征矩阵W2分类。本发明引入多尺度深度滤波器，提高了极化SAR图像的分类精度，可用于目标识别。
-
公开(公告)号：CN105913083B
公开(公告)日：2018-11-30
申请号：CN201610217899.1
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稠密SAR‑SIFT和稀疏编码的SAR分类方法，主要解决现有特征提取算法无法从具有相干斑噪声的SAR图像中有效的提取特征的问题。其实现步骤为：(1)利用稠密SAR‑SIFT提取图像的局部特征；(2)设定字典原子数用K‑means聚类算法对局部特征进行聚类构造字典；(3)对局部特征进行稀疏空间编码得到特征编码；(4)对图像的特征编码进行空域最大值池化，得到图像的特征向量；(5)采用快速稀疏SVM分类器对特征向量进行分类。该发明与现有方法相比，可以抑制相干斑噪声的影响，提升了分类精度，并且采用稀疏空间编码方式加速了分类的速度。
-
Patent Agency Ranking
公开(公告)号：CN108830330A
公开(公告)日：2018-11-16
申请号：CN201810650236.8
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。
-
公开(公告)号：CN107944483A
公开(公告)日：2018-04-20
申请号：CN201711144187.2
申请日：2017-11-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于双通道深度卷积生成式对抗网DCGAN和特征融合的多光谱图像分类方法方法，其具体步骤是：输入多光谱图像；对每一幅多光谱图像的每个波段的图像归一化处理；获得多光谱图像矩阵；获取数据集；搭建双通道深度卷积生成式对抗网络DCGAN模型；训练双通道深度卷积生成式对抗网络DCGAN分类模型；对测试数据集进行分类。本发明引入了双通道生成式对抗网，结合特征融和，提取了多方向、多光谱的多种高层特征信息，增强了特征表征能力，提升了分类效果。
-
公开(公告)号：CN107944347A
公开(公告)日：2018-04-20
申请号：CN201711068639.3
申请日：2017-11-03
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6256 , G06N3/0454 , G06N3/084
Abstract: 本发明公开了一种基于多尺度全卷积条件随机场FCN-CRF的极化SAR目标检测方法，本发明的实现步骤为：(1)将极化SAR图像进行Lee滤波；2)构成基于像素点的特征矩阵；(3)特征矩阵归一化；(4)构造数据集；(5)构造多尺度检测模型；(6)训练多尺度检测模型；(7)获得最终检测结果。本发明克服了现有技术中对未考虑极化SAR的多尺度特征而导致的图像信息利用不充分的问题，保证了目标检测的准确性和极化散射特性的完整性。本发明可应用于对极化SAR图像的不同区域准确地进行目标检测和识别。
-
公开(公告)号：CN107809275A
公开(公告)日：2018-03-16
申请号：CN201711233176.1
申请日：2017-11-30
Applicant: 杭州电子科技大学
IPC: H04B7/0456
Abstract: 本发明公开了一种基于毫米波MIMO系统的有限反馈混合预编码方法，包括以下步骤：S1：构造模拟预定义码本集合及其码字搜索方法；S2：将毫米波MIMO系统的模拟预定义码本集合和数字预定义码本集合同时存储于基站和用户终端；S3：用户终端获得模拟预编码矩阵FRF；S4：再根据模拟预编码矩阵FRF及信道状态信息得到基带预编码矩阵FBB；S5:将模拟预编码矩阵FRF和数字预编码矩阵FBB波束索引反馈到基站；S6：基站得到预编码矩阵F＝FRFFBB，并利用预编码矩阵F向用户发送数据。本发明采用模拟预定义码本的构造方法，能得到较好的性能。
-
公开(公告)号：CN107657615A
公开(公告)日：2018-02-02
申请号：CN201711101922.1
申请日：2017-11-10
Applicant: 西安电子科技大学
CPC classification number: G06T7/0002 , G06K9/0063 , G06K9/3233 , G06K9/4647 , G06N3/0454 , G06T7/136 , G06T2207/10044 , G06T2207/20221
Abstract: 本发明公开了一种基于增量CAE的高分辨SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测易受斑点噪声的影响，检测精度不高且检测速度慢的问题。本发明的具体步骤如下：(1)输入高分辨SAR图像；(2)构建初始样本集；(3)归一化；(4)构建增量卷积自编码CAE网络；(5)构建误差函数；(6)训练增量卷积自编码CAE网络；(7)获得特征差异图；(8)获得15×15像素尺度下变化检测结果图；(9)获得三个不同尺度下的变化检测结果图；(10)融合不同尺度的变化检测结果图；(10)输出高分辨合成孔径雷达SAR图像变化检测的结果图。本发明具有对SAR图像变化检测的噪声影响鲁棒性好、检测精度高和检测速度快的优点。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.036 seconds)
