-
公开(公告)号：CN110706154B
公开(公告)日：2021-08-31
申请号：CN201910802779.1
申请日：2019-08-28
Applicant: 西北大学
Abstract: 本发明公开了一种基于层次化残差神经网络的图像超分辨率方法，采用层次化残差学习策略和双域增强模块，构建层次化残差神经网络模型，将其用于学习低分辨率和高分辨率图像之间的复杂映射关系，然后利用训练好的网络模型从输入的低分辨率图像重建出高分辨率图像；所述的层次化残差神经网络模型由特征提取层、特征映射层和特征融合层组成，其中，特征提取层由卷积模块构成，特征映射层由多个双域增强模块级联构成，特征融合层由上采样模块和卷积模块构成。该方法能够重建出更好的高分辨率图像，并且具备网络模型参数量较小和计算效率高的优点。
-
-
公开(公告)号：CN106056157A
公开(公告)日：2016-10-26
申请号：CN201610382887.4
申请日：2016-06-01
Applicant: 西北大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/6256
Abstract: 本发明公开了一种基于空‑谱信息的高光谱图像半监督分类方法，该方法将高光谱图像中的光谱信息、空间信息联合作用于支持向量机分类器，采用自训练的半监督分类框架，并利用主动学习的方法作为半监督分类的样本选取策略，将半监督分类得到的初始分类结果进行按类分解得到的各类的二值图像作为边缘保留滤波器的输入图像，光谱信息的第一主成分分量作为滤波器的参照图像，利用边缘保留滤波器进行局部平滑，消除噪声，然后将像元按照所属概率最大的类别进行划分，完成分类过程。本发明联合光谱信息和空间信息提高了类别的可分性，利用自训练的半监督分类框架解决高光谱图像小样本分类问题，能有效地消除初始分类结果中的斑点状误差，提高分类精度。
-
公开(公告)号：CN111833248B
公开(公告)日：2023-06-16
申请号：CN202010566560.9
申请日：2020-06-19
Applicant: 西北大学
IPC: G06T3/40 , G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于部分哈达玛矩阵的超分辨率鬼成像方法及系统，针对原有鬼成像系统数据采集量大的弊端，利用部分哈达玛矩阵代替原有计算鬼成像系统的随机光斑，并在该系统中加入超分辨率处理环节。该系统由于在采集时做了测量方法优化，所以对于一般物体而言所需数据采集量与储存量较小，在初步成像时计算量较小且成像时间短。在采用合适的超分辨率处理方法处理后，对于初步结果可以快速处理得到清晰图像。该方法可用于水下，遥感等多个传统成像方式成像效果差的复杂场景。
-
公开(公告)号：CN110110596B
公开(公告)日：2022-12-02
申请号：CN201910247707.5
申请日：2019-03-29
Applicant: 西北大学
IPC: G06V10/58 , G06V10/77 , G06V10/82 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。
-
Patent Agency Ranking
公开(公告)号：CN111161509A
公开(公告)日：2020-05-15
申请号：CN202010075274.2
申请日：2020-01-22
Applicant: 西北大学
Abstract: 本发明提出了一种脑电波触发的非接触式报警装置及其报警检测方法，解决了无接触式报警的技术问题，接收与检测单元中的所有构件安装于头带中，处理单元中的所有构件安装于盒中。发送单元即为用户智能手机。处理单元与头带、处理单元与用户间均通过一组蓝牙互联。接收与检测单元自然采集脑电波，处理单元进行计算，手机向外界发送求救短信。方法包括,佩戴头带实时采集脑电波信号；平稳状态无报警；突发状态用惊吓检测算法判断；突发状态判断报警；突发状态报警之后复位。惊吓和眨眼算法为本发明解决无接触式报警的核心算法。本发明为无接触式报警，无需手动干预自然报警，误报率低，便携，隐蔽性强，适合用于个人安全防身报警。
-
公开(公告)号：CN110110596A
公开(公告)日：2019-08-09
申请号：CN201910247707.5
申请日：2019-03-29
Applicant: 西北大学
Abstract: 本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。
-
公开(公告)号：CN109544488A
公开(公告)日：2019-03-29
申请号：CN201811166052.0
申请日：2018-10-08
Applicant: 西北大学
Abstract: 本发明公开了一种基于卷积神经网络的图像合成方法，包括以下步骤：步骤1，对3T-7T训练图像对和测试3T磁共振图像进行预处理，得到预处理后的3T-7T训练图像对和预处理后的测试3T磁共振图像；步骤2，构建双域卷积神经网络模型，将预处理后的3T-7T训练图像对输入双域卷积神经网络模型中进行训练，得到训练后的双域卷积神经网络模型；步骤3，将预处理后的测试3T磁共振图像作为当前3T磁共振图像，将当前图像输入训练后的双域卷积神经网络模型中，得到与当前3T磁共振图像所对应的7T磁共振图像。
-
公开(公告)号：CN105719262B
公开(公告)日：2018-06-22
申请号：CN201610040489.4
申请日：2016-01-21
Applicant: 西北大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于子字典稀疏重构的全色与多光谱遥感图像融合方法，通过将高空间分辨率多光谱字典看成是由各个波段的高空间分辨率光谱字典的合并组成，再分别通过各个波段的光谱图像和全色图像构建各个波段的子字典，使其即包含光谱信息又包含空间信息，从而解决因缺乏高空间分辨率的多光谱数据其字典较难构建的问题；并基于稀疏重构模型给出完整的融合方法。与现有同类方法相比，本发明不需要引入其它多组全色与多光谱图像或其它模拟高空间分辨率的多光谱图像，而是直接采用源图像构建，提高了方法的实际应用性能与字典的自适应性，使得融合图像在保持光谱信息的同时融入更多的空间细节信息，融合效果更好。
-
公开(公告)号：CN108428237B
公开(公告)日：2022-12-09
申请号：CN201810121326.8
申请日：2018-02-07
Abstract: 本发明公开了一种基于稀疏非负矩阵欠近似的高光谱彩绘文物线稿提取方法，通过高光谱相机采集第一高光谱彩绘文物图像，预处理之后获得第二高光谱彩绘文物图像，通过最小噪声分离来分离信号的噪声，反变换后获得第三高光谱彩绘文物图像，通过稀疏非负矩阵欠近似得到最优成分线稿图像，通过图层叠加对最优成分的线稿图像进行增强、Camera raw滤镜去噪后得到最终的高光谱彩绘文物线稿图像。该方法能够在保证线稿信息完整的前提下减少噪声的影响，与现有方法相比能够提取更为完整干净的彩绘文物线稿图像。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.021 seconds)
