-
公开(公告)号：CN116703746A
公开(公告)日：2023-09-05
申请号：CN202310428500.4
申请日：2023-04-20
Applicant: 西安建筑科技大学
Abstract: 一种去除超高密度椒盐噪声污染图像的滤波方法及相关装置，包括：获取噪声图像，对噪声图像进行边沿镜像扩展，得到边沿扩展噪声图像；对边沿扩展噪声图像进行噪声检测，结果记录于噪声识别矩阵；获取滤波模板，针对噪声点，选择对应的滤波模板，结合边沿扩展噪声图像，得到滤波函数；基于滤波函数判断噪声识别矩阵为0时，确定滤波图像。本发明首先采用先检测再滤波的策略，保证信号点不被污染；其次，采用类十字形滤波模板，既充分利用待滤波点邻域信号点，又能极大程度恢复滤波图像的细节信息。
-
公开(公告)号：CN103679732B
公开(公告)日：2016-08-24
申请号：CN201310703063.9
申请日：2013-12-12
Applicant: 西安建筑科技大学
Abstract: 本发明涉及一种基于噪声检测的高密度脉冲噪声自适应滤波算法(PA)，以椒盐脉冲噪声为例，采用先检测后滤波的思路，首先根据椒盐噪声图像的特征甄别出噪声点和信号点，然后依据一定的判定准则对噪声点进行自适应恢复。具体过程为：步骤1：对W3(i，j)窗口中的9个像素按灰度值升序排序；步骤2：对噪声图像X中对应F(i，j)为0的点(i，j)进行自适应滤波；步骤3：自上向下，自左向右对下一个(i，j)转到步骤1进行处理，直到最后一个像素点滤波完成(边界点不作处理)。通过大量仿真实验及定量评价指标比对，本发明提出的算法相比同类算法，在高密度噪声图像滤波的同时较好的保持了图像的细节信息，并且时间代价较低。
-
公开(公告)号：CN115941165A
公开(公告)日：2023-04-07
申请号：CN202211350150.6
申请日：2022-10-31
Applicant: 西安建筑科技大学
Abstract: 本发明涉及连续变量量子保密通信技术领域，公开了一种连续变量双向身份认证方法、系统、设备及介质，利用测量设备无关的离散调制连续变量量子密钥分发过程完成通信双方的身份认证过程。认证双方首先通过可信安全信道的共享的非正交量子态序列，并建立量子态与离散调制连续变量量子信号的对应规则。认证双方根据规则发送认证密钥至不可信第三方，测量后的认证密钥与量子态所对应的连续变量粒子相比较，如果一致，则对方为合法用户。分析过程表明，提出的方法根据测量设备无关协议的离散调制连续变量量子密钥分发过程实现了通信双方的同时认证过程，不需要引入可信第三方，协议结构简单、高效并且安全性高，能够满足多用户的量子身份认证过程。
-
公开(公告)号：CN103679732A
公开(公告)日：2014-03-26
申请号：CN201310703063.9
申请日：2013-12-12
Applicant: 西安建筑科技大学
Abstract: 本发明涉及一种基于噪声检测的高密度脉冲噪声自适应滤波算法(PA)，以椒盐脉冲噪声为例，采用先检测后滤波的思路，首先根据椒盐噪声图像的特征甄别出噪声点和信号点，然后依据一定的判定准则对噪声点进行自适应恢复。具体过程为：步骤1：对W3(i，j)窗口中的9个像素按灰度值升序排序；步骤2：对噪声图像X中对应F(i，j)为0的点(i，j)进行自适应滤波；步骤3：自上向下，自左向右对下一个(i，j)转到步骤1进行处理，直到最后一个像素点滤波完成(边界点不作处理)。通过大量仿真实验及定量评价指标比对，本发明提出的算法相比同类算法，在高密度噪声图像滤波的同时较好的保持了图像的细节信息，并且时间代价较低。
-
Patent Agency Ranking
公开(公告)号：CN117876959A
公开(公告)日：2024-04-12
申请号：CN202311774724.7
申请日：2023-12-21
Applicant: 西安建筑科技大学
IPC: G06V20/52 , G06V40/20 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种重构生成对抗网络的异常行为检测模型的方法，所得到的对抗网络的异常行为检测模型，由生成网络和判别网络组成，其中，生成网络由深度残差卷积块重构类U‑Net，同时结合通道注意力机制获得通道的重要性权重以增强核心特征并抑制无用特征，增强特征提取能力。为了增强对小目标图像特征提取能力，引入残差块RES Block作为生成模块的主干卷积层，其代替普通卷积层以获得充分的特征信息；判别网络由马尔可夫判别器为基础，使网络更加关注图像的细节特征，有效提升网络的检测精度。能够用于对输入的目标图像进行异常行为检测的应用。
-
公开(公告)号：CN117711023A
公开(公告)日：2024-03-15
申请号：CN202311760251.5
申请日：2023-12-20
Applicant: 西安建筑科技大学
Abstract: 本发明公开了一种基于尺度特征和层级特征融合的人体姿态估计方法，包括以下步骤；步骤一，对输入图像采用高分辨率网络进行初步特征提取，获取多尺度融合后的不同层级特征；步骤二，通过期望最大化注意力与加权双向特征金字塔网络组合模块对所述不同层级特征进行多层级特征提纯与聚合，得到输出特征；步骤三，通过基于残差结构的关键点检测头完成输出特征的最终融合，得到人体不同关键点的热力图；步骤四，将人体关键点热图进行坐标解码，得到对应关节的位置坐标，进行人体姿态估计。本发明能够更全面地从细节到整体地捕捉人体的姿态信息，从而提高复杂情形下的人体姿态估计准确性。
-
公开(公告)号：CN118230356A
公开(公告)日：2024-06-21
申请号：CN202410291356.9
申请日：2024-03-14
Applicant: 西安建筑科技大学
IPC: G06V40/10 , G06V20/52 , G06V10/40 , G06V20/70 , G06V10/764 , G06V10/82 , G06N5/04 , G06F18/22 , G06F18/2431 , G06N3/0455 , G06N3/084
Abstract: 本申请涉及一种基于文本属性的跨模态行人重识别方法，该方法基于跨模态行人重识别模型，在模型训练过程中，将文本属性信息作为辅助特征，训练得到的跨模态行人重识别模型，能够显著提高文本信息与行人匹配的准确性。
-
公开(公告)号：CN113281809B
公开(公告)日：2023-07-14
申请号：CN202110473200.9
申请日：2021-04-29
Applicant: 西安建筑科技大学
Abstract: 本发明公开了一种地震信号的谱分析方法，该方法首先设计高斯窗函数，对于输入信号进行滑窗傅里叶变换，得到广义时频变换，对得到的广义时频变换，进行时频浓度测量，得到时频聚集度CM，计算时频能量聚集度的四个参数，遍历限制条件内所有参数获取CM集，再进行参数优化，筛选出CM值最大时的窗口参数。最后，应用优化后的参数获取最优广义时频变换。经实验证明，该方法拥有更高的分辨率和能量聚集性以及更好的抗噪性能，便于分析信号的特征信息。
-
公开(公告)号：CN113281809A
公开(公告)日：2021-08-20
申请号：CN202110473200.9
申请日：2021-04-29
Applicant: 西安建筑科技大学
Abstract: 本发明公开了一种地震信号的谱分析方法，该方法首先设计高斯窗函数，对于输入信号进行滑窗傅里叶变换，得到广义时频变换，对得到的广义时频变换，进行时频浓度测量，得到时频聚集度CM，计算时频能量聚集度的四个参数，遍历限制条件内所有参数获取CM集，再进行参数优化，筛选出CM值最大时的窗口参数。最后，应用优化后的参数获取最优广义时频变换。经实验证明，该方法拥有更高的分辨率和能量聚集性以及更好的抗噪性能，便于分析信号的特征信息。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
