-
公开(公告)号：CN108921066B
公开(公告)日：2021-12-17
申请号：CN201810650419.X
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特征融合卷积网络的光学遥感图像舰船检测方法，主要解决现有技术中小尺寸舰船检测精度较低和检测速度较慢的问题。本发明的具体步骤如下：(1)构建特征融合卷积网络；(2)构造训练图像集和训练类标集；(3)对特征融合卷积网络进行训练；(4)对待测试的光学遥感图像进行海陆分离；(5)对待测试的光学遥感图像中的舰船进行检测。通过将不同分辨率的特征图进行融合，增加了小尺寸舰船的特征信息，并在多个不同分辨率的特征图上检测舰船，提高了小尺寸舰船的检测精度，同时结合光学遥感图像的灰度信息和梯度信息实现海陆分离，提高了舰船检测速度，本方法可应用于对光学遥感图像的舰船进行识别和检测。
-
公开(公告)号：CN109801305A
公开(公告)日：2019-05-24
申请号：CN201910043861.0
申请日：2019-01-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度胶囊网络结构的SAR图像变化检测方法，主要解决现有技术无法从图像中提取到更多有用特征信息及获取的训练样本中包含的有效图像信息不足的问题。其实现步骤是：获取两张SAR实验图像；根据实验图像的像素信息，获取像素间的相似度阈值和像素的差异值；用KI阈值法对实验图进行预分类，得到图像的标签；根据相似度阈值、像素的差异值及图像的标签，得到训练标签和训练样本并胶囊网络进行训练；再对的训练好网络进行层次加深；将实验图输入到深度胶囊网络中，得到变化检测结果图。本发明能从训练样本中得到更多有用的特征信息，提高了变化检测精度，可用于环境监测、农业调查和救灾工作的SAR图像变化检测中。
-
公开(公告)号：CN111583178A
公开(公告)日：2020-08-25
申请号：CN202010252961.7
申请日：2020-04-02
Applicant: 电子科技大学
Abstract: 本发明提供了一种在藻类细胞显微图像中分割黏连藻类细胞的方法，该方法包括：使用图像处理中常用的腐蚀、膨胀的形态学操作方法来初步分割略有黏连的藻类细胞，使用本发明进行改进后的基于凹点匹配的分割算法进行分割，为了解决孤立凹点的问题引进的通过距离变换函数的方式通过最短距离快速切分开黏连藻类细胞。本发明改进了传统的凹点匹配方式，大大减少了计算量，同时优化了圆形藻类三黏连区域的凹点匹配方式，并引入了距离变换方法解决孤立凹点匹配的问题，使得分割准确率更高，且所需要的计算开销更小，运算时间更短。
-
Patent Agency Ranking
公开(公告)号：CN108776968B
公开(公告)日：2020-06-05
申请号：CN201810650421.7
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度森林的SAR图像变化检测方法，主要解决现有技术无法充分地从局部的图像块中得到有用信息，同时图像边缘部分信息缺失，导致检测精度差的问题。实现步骤包括：获取初始SAR图像变化检测图；对深度森林模型进行优化；获取训练样本数据集；获取初始类别概率图P；计算差异图D的梯度幅值图G和梯度方向图M；获取最终类别概率图P2；获取最终SAR图像变化检测图。使用了优化的深度森林模型，模型的输入为多尺度图像输入，同时计算了差异图的梯度幅值图和梯度方向图后获得最终类别概率图，提高了SAR图像变化检测的精度，可用于环境监测、农业调查、救灾工作等SAR图像变化检测相关领域中。
-
公开(公告)号：CN111583178B
公开(公告)日：2022-11-08
申请号：CN202010252961.7
申请日：2020-04-02
Applicant: 电子科技大学
Abstract: 本发明提供了一种在藻类细胞显微图像中分割黏连藻类细胞的方法，该方法包括：使用图像处理中常用的腐蚀、膨胀的形态学操作方法来初步分割略有黏连的藻类细胞，使用本发明进行改进后的基于凹点匹配的分割算法进行分割，为了解决孤立凹点的问题引进的通过距离变换函数的方式通过最短距离快速切分开黏连藻类细胞。本发明改进了传统的凹点匹配方式，大大减少了计算量，同时优化了圆形藻类三黏连区域的凹点匹配方式，并引入了距离变换方法解决孤立凹点匹配的问题，使得分割准确率更高，且所需要的计算开销更小，运算时间更短。
-
公开(公告)号：CN109801305B
公开(公告)日：2021-04-06
申请号：CN201910043861.0
申请日：2019-01-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度胶囊网络结构的SAR图像变化检测方法，主要解决现有技术无法从图像中提取到更多有用特征信息及获取的训练样本中包含的有效图像信息不足的问题。其实现步骤是：获取两张SAR实验图像；根据实验图像的像素信息，获取像素间的相似度阈值和像素的差异值；用KI阈值法对实验图进行预分类，得到图像的标签；根据相似度阈值、像素的差异值及图像的标签，得到训练标签和训练样本并胶囊网络进行训练；再对的训练好网络进行层次加深；将实验图输入到深度胶囊网络中，得到变化检测结果图。本发明能从训练样本中得到更多有用的特征信息，提高了变化检测精度，可用于环境监测、农业调查和救灾工作的SAR图像变化检测中。
-
公开(公告)号：CN108921066A
公开(公告)日：2018-11-30
申请号：CN201810650419.X
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特征融合卷积网络的光学遥感图像舰船检测方法，主要解决现有技术中小尺寸舰船检测精度较低和检测速度较慢的问题。本发明的具体步骤如下：(1)构建特征融合卷积网络；(2)构造训练图像集和训练类标集；(3)对特征融合卷积网络进行训练；(4)对待测试的光学遥感图像进行海陆分离；(5)对待测试的光学遥感图像中的舰船进行检测。通过将不同分辨率的特征图进行融合，增加了小尺寸舰船的特征信息，并在多个不同分辨率的特征图上检测舰船，提高了小尺寸舰船的检测精度，同时结合光学遥感图像的灰度信息和梯度信息实现海陆分离，提高了舰船检测速度，本方法可应用于对光学遥感图像的舰船进行识别和检测。
-
公开(公告)号：CN108776968A
公开(公告)日：2018-11-09
申请号：CN201810650421.7
申请日：2018-06-22
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度森林的SAR图像变化检测方法，主要解决现有技术无法充分地从局部的图像块中得到有用信息，同时图像边缘部分信息缺失，导致检测精度差的问题。实现步骤包括：获取初始SAR图像变化检测图；对深度森林模型进行优化；获取训练样本数据集；获取初始类别概率图P；计算差异图D的梯度幅值图G和梯度方向图M；获取最终类别概率图P2；获取最终SAR图像变化检测图。使用了优化的深度森林模型，模型的输入为多尺度图像输入，同时计算了差异图的梯度幅值图和梯度方向图后获得最终类别概率图，提高了SAR图像变化检测的精度，可用于环境监测、农业调查、救灾工作等SAR图像变化检测相关领域中。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
