-
公开(公告)号：CN109035142B
公开(公告)日：2020-06-19
申请号：CN201810777731.5
申请日：2018-07-16
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06T3/40
Abstract: 本发明公开了一种对抗网络结合航拍图像先验的卫星图像超分辨方法，首先通过使用16级含噪声图像与其对应的16级不含噪声图像构成的图像对训练去噪模型，再利用清晰的航拍数据训练图像超分辨模型。由于不存在卫星图像与航拍图像对的情况，在对生成的超分辨图像进行图像后处理时，采用清晰的航拍图像构建GMM模型外部先验字典，并由此引导内部不清晰的卫星图像进行重建。重建后为进一步提升图像质量，使用高斯滤波的方式进行图像锐化。最终得到原卫星图像的高分辨图像，并且实现在原卫星图像基础上的图像视觉质量提升。由实验环节也可看出本方案的有效性。为解决现实中有条件限制情况下的卫星图像超分辨与图像质量提升提供有效思路。
-
公开(公告)号：CN108428221A
公开(公告)日：2018-08-21
申请号：CN201810254794.2
申请日：2018-03-26
Applicant: 广东顺德西安交通大学研究院 , 西安交通大学
Abstract: 本发明公开了一种基于shearlet变换的邻域双变量阈值去噪方法，首先对含噪图像进行非下采样shearlet变换，然后以贝叶斯后验概率为基础，对变换后的shearlet系数进行收缩处理，根据邻域双变量阈值模型对含噪shearlet系数进行收缩和高斯加权平均完成去燥处理，最后通过非下采样shearlet反变换从噪声图像中重建出去噪图像。本发明采用噪声方差中值估计，无需提前知道噪声的电平，本算法实现简单，去噪效果良好，具有很好的工程实用价值。
-
公开(公告)号：CN109035142A
公开(公告)日：2018-12-18
申请号：CN201810777731.5
申请日：2018-07-16
Applicant: 西安交通大学 , 广东顺德西安交通大学研究院
IPC: G06T3/40
Abstract: 本发明公开了一种对抗网络结合航拍图像先验的卫星图像超分辨方法，首先通过使用16级含噪声图像与其对应的16级不含噪声图像构成的图像对训练去噪模型，再利用清晰的航拍数据训练图像超分辨模型。由于不存在卫星图像与航拍图像对的情况，在对生成的超分辨图像进行图像后处理时，采用清晰的航拍图像构建GMM模型外部先验字典，并由此引导内部不清晰的卫星图像进行重建。重建后为进一步提升图像质量，使用高斯滤波的方式进行图像锐化。最终得到原卫星图像的高分辨图像，并且实现在原卫星图像基础上的图像视觉质量提升。由实验环节也可看出本方案的有效性。为解决现实中有条件限制情况下的卫星图像超分辨与图像质量提升提供有效思路。
-
公开(公告)号：CN113740810A
公开(公告)日：2021-12-03
申请号：CN202110998685.3
申请日：2021-08-27
Applicant: 西安交通大学
Abstract: 本发明公开了一种雷达信号增强方法、系统及设备，方法包括：确定局部信号段的个数NLM及宽度w；其中，局部信号段为包含局部峰值的信号段；根据确定的局部信号段的个数NLM及宽度w，在待增强雷达信号中递归寻找局部峰值，并标记包含局部峰值的信号段，得到标记信号段；根据标记信号段，对待增强雷达信号进行分段，得到分段后的雷达信号；采用标记信号段中的局部峰值，对分段后的雷达信号进行归一化处理，得到增强后的雷达信号；本发明有效避免了远距离模板信号弱的假设，避免了受强杂波与模板信号相对位置的影响；有效提高了目标信号的相对幅值，改善信杂比；通过不改变段内的信号比值，能有效避免过多无关信号的放大，防止整体信杂比恶化。
-
公开(公告)号：CN109031287B
公开(公告)日：2021-09-07
申请号：CN201811107229.X
申请日：2018-09-21
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于Faster‑RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法，首先对原始慢时间‑距离二维超宽带雷达回波信号做去噪和弱信号增强预处理；然后采用Advance Normalisation方法对于处理后的回波继续进行信号增强和去噪；采用MATLAB将预处理过程中的回波信号成像为灰度图像，图宽对应回波慢时间向，图高对应回波距离向；最后将得到的灰度图像进行筛选，标注数据集，训练Faster‑RCNN网络模型进行人体呼吸微弱信号识别。本发明的识别准确率高，检测速度快，为实际应用中的雷达回波目标检测、生命探测等实用技术提供了更好的技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN107633266B
公开(公告)日：2020-07-28
申请号：CN201710802474.1
申请日：2017-09-07
Applicant: 西安交通大学
Abstract: 本发明公开一种电力机车接触网受电弓电弧检测方法，包括：获取电弧图像学习样本集；Adaboost级联分类器训练；采用训练后的AdaBoost级联分类器对新获取，待识别的图像进行电弧检测；使用饱和阈值对电弧检测结果进行筛选，消除弱光源干扰；进行时间连续性分析，消除灯光类光源干扰；电弧及火花的尺寸及持续时间的定量分析；进行几何不变矩特征比较，消除连续出现的相同形态光源干扰。本发明能有效对受电弓电弧进行识别分析，可快速地进行车辆维护，加强车辆故障检查和运行安全。
-
公开(公告)号：CN110248190A
公开(公告)日：2019-09-17
申请号：CN201910592629.2
申请日：2019-07-03
Applicant: 西安交通大学
IPC: H04N19/42 , H04N19/13 , H04N19/147 , H04N19/124 , H04N19/117
Abstract: 本发明公开了一种基于压缩感知的多层残差系数图像编码方法，将噪声分17层并训练；将新训练出来的17个去噪模型代入LDAMP迭代算法，完成压缩感知图像重建；通过每一层进行压缩感知重建并预测下层测量值的方法去求取残差，编码方法中采用同一量化位深的块自适应量化器进行量化；图像编码端当前层需要传输的信息为真实测量值的量化结果与该层前面所有层的测量值重建图像的预测测量值的量化结果的差值；图像解码端当前层接收编码端对应层的传输信息，经自适应算术解码后得到测量值或残差系数，解码端当前层的图像重建均利用之前所有层的接收恢复的图像测量值。本发明提供的基于压缩感知的多层残差系数图像编码方法可有效提升基于图像压缩感知重建的图像编码的率失真性能。
-
公开(公告)号：CN109040757A
公开(公告)日：2018-12-18
申请号：CN201810805315.1
申请日：2018-07-20
Applicant: 西安交通大学
IPC: H04N19/147 , H04N19/124 , H04N19/42 , H04N19/184
Abstract: 本发明公开了一种压缩感知多层残差图像编码方法，通过将压缩感知随机测量过程分成多层，并利用压缩感知重建‑测量模型，基于所有的前层随机测量值来预测当前层随机测量值，从而得到当前层预测值与真实值之间的残差。所得到的残差用于更新下一层的预测值，进而得到更为精确的重建图像。所提出的压缩感知随机测量值的预测、更新过程可以有效去除压缩感知测量值之间的冗余信息。相较于传统压缩感知编码方案直接对随机测量值量化编码，对所提出的压缩感知多层残差量化编码，可以显著提升基于压缩感知图像编码的率失真性能。
-
公开(公告)号：CN108989817A
公开(公告)日：2018-12-11
申请号：CN201811021057.4
申请日：2018-09-03
Applicant: 西安交通大学
IPC: H04N19/503 , H04N19/593 , H04N19/90 , H04N19/42 , H04N19/172
Abstract: 本发明公开了一种基于参考帧错位预测的雷达数据压缩方法，首先确定各原始帧数据相关性最强的最优参考帧，将最优参考帧进行帧内位置错位构造预测帧，将当前帧与其预测帧的差值数据做块自适应量化算法的压缩及解压，得到恢复的差值数据，再将参考帧数据错位编码的位置信息经哈夫曼无损编码后传送至解码端，然后将恢复的差值数据与预测帧相加得到重构的数据。本发明采用帧间相关性确定帧数据参考帧、帧间错位预测预测、分块自适应量化算法、哈夫曼编码、帧数据差分及重构技术，在保证一定计算量的前提下，实现了较高的峰值信噪比和数据重构度，具有帧间预测相关性强、差分过程量化误差小、重构数据恢复度高等特点。
-
公开(公告)号：CN108961181A
公开(公告)日：2018-12-07
申请号：CN201810653621.8
申请日：2018-06-22
Applicant: 西安交通大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于shearlet变换的探地雷达图像去噪方法，首先对采集到的探地雷达数据进行频域傅里叶变换，然后进行频域加窗处理，对加窗处理后的探地雷达数据进行非下采样shearlet变换，然后利用基于最大后验概率估计的双变量模型，对不同尺度的不同方向的shearlet系数进行阈值萎缩处理，更新系数，对新的shearlet系数进行逆shearlet变换，得到去噪后的探地雷达频域图像。本算法实现简单，去噪效果良好，具有很好的工程实用价值。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.025 seconds)
