-
公开(公告)号：CN104764466B
公开(公告)日：2017-10-24
申请号：CN201510156035.9
申请日：2015-04-02
Applicant: 西安电子科技大学
IPC: G01C25/00
Abstract: 本发明公开了一种具有多物理特性的动态脉冲星信号模拟装置，主要解决现有装置无法模拟具有物理特性的脉冲星信号的问题，其包括轮廓数据生成单元、信号输出单元、电控线性光源、光衰减器、光电倍增管、电子学读出单元和系统验证单元。轮廓数据生成单元产生具有多物理特性的脉冲轮廓数据，通过信号输出单元转换为电压信号；控制电控线性光源产生辐射强度与轮廓电压信号成正比的光信号，通过光衰减器衰减为单光子流；光电倍增管将单光子流转换为电脉冲信号输出至电子学读出单元对其进行时间标记，并将光子到达时间数据输出至系统验证单元。本发明实现了具有多物理特性的脉冲星信号的高可信度模拟，可用于为脉冲星导航地面验证系统提供数据支持。
-
公开(公告)号：CN104764466A
公开(公告)日：2015-07-08
申请号：CN201510156035.9
申请日：2015-04-02
Applicant: 西安电子科技大学
IPC: G01C25/00
CPC classification number: G01C25/00
Abstract: 本发明公开了一种具有多物理特性的动态脉冲星信号模拟装置，主要解决现有装置无法模拟具有物理特性的脉冲星信号的问题，其包括轮廓数据生成单元、信号输出单元、电控线性光源、光衰减器、光电倍增管、电子学读出单元和系统验证单元。轮廓数据生成单元产生具有多物理特性的脉冲轮廓数据，通过信号输出单元转换为电压信号；控制电控线性光源产生辐射强度与轮廓电压信号成正比的光信号，通过光衰减器衰减为单光子流；光电倍增管将单光子流转换为电脉冲信号输出至电子学读出单元对其进行时间标记，并将光子到达时间数据输出至系统验证单元。本发明实现了具有多物理特性的脉冲星信号的高可信度模拟，可用于为脉冲星导航地面验证系统提供数据支持。
-
公开(公告)号：CN102136065A
公开(公告)日：2011-07-27
申请号：CN201110075606.8
申请日：2011-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于凸优化的人脸超分辨率方法，主要解决现有方法所获取的超分辨率人脸图像质量不高的问题。其实现步骤为：(1)将高、低分辨率人脸图像训练集和测试低分辨率人脸图像划分为图像块的形式；(2)对于每一个测试低分辨率人脸图像块，利用凸优化方法求解其在低分辨率人脸图像训练集对应位置上的图像块之间的重构系数；(3)利用低分辨率图像块的重构系数，重构超分辨率人脸图像块，最后合成整体的超分辨率人脸图像。本发明提高了超分辨率人脸图像的质量，降低了算法的复杂度，使其更具有通用性，可用于视频会议、公共安全和人脸识别。
-
Patent Agency Ranking
公开(公告)号：CN102136065B
公开(公告)日：2014-04-02
申请号：CN201110075606.8
申请日：2011-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于凸优化的人脸超分辨率方法，主要解决现有方法所获取的超分辨率人脸图像质量不高的问题。其实现步骤为：(1)将高、低分辨率人脸图像训练集和测试低分辨率人脸图像划分为图像块的形式；(2)对于每一个测试低分辨率人脸图像块，利用凸优化方法求解其在低分辨率人脸图像训练集对应位置上的图像块之间的重构系数；(3)利用低分辨率图像块的重构系数，重构超分辨率人脸图像块，最后合成整体的超分辨率人脸图像。本发明提高了超分辨率人脸图像的质量，降低了算法的复杂度，使其更具有通用性，可用于视频会议、公共安全和人脸识别。
-
公开(公告)号：CN101916369B
公开(公告)日：2012-06-27
申请号：CN201010259571.9
申请日：2010-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于核最近子空间的人脸识别方法，主要解决现有方法不能对数据非线性特征进行线性表示的问题。实现步骤为：(1)将训练样本矩阵和测试样本通过Mercer核经验映射至非线性特征空间，然后对映射后的样本进行降维并归一化处理，再把降维后的每一类训练样本提取出来；(2)求解归一化后的测试样本与每一类训练样本矩阵之间的样本重构系数，对原测试样本进行重构；(3)求得各类别重构样本与原测试样本的残差，再将残差中的最小值对应下标的类别作为测试样本所属的类别。本发明提高了在人脸识别应用中的精度，同时将应用范围推广至低维样本，使其更具有通用性，可用于公共安全，信息安全，金融安全的监督和防护。
-
公开(公告)号：CN101916369A
公开(公告)日：2010-12-15
申请号：CN201010259571.9
申请日：2010-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于核最近子空间的人脸识别方法，主要解决现有方法不能对数据非线性特征进行线性表示的问题。实现步骤为：(1)将训练样本矩阵和测试样本通过Mercer核经验映射至非线性特征空间，然后对映射后的样本进行降维并归一化处理，再把降维后的每一类训练样本提取出来；(2)求解归一化后的测试样本与每一类训练样本矩阵之间的样本重构系数，对原测试样本进行重构；(3)求得各类别重构样本与原测试样本的残差，再将残差中的最小值对应下标的类别作为测试样本所属的类别。本发明提高了在人脸识别应用中的精度，同时将应用范围推广至低维样本，使其更具有通用性，可用于公共安全，信息安全，金融安全的监督和防护。
-
公开(公告)号：CN102930301B
公开(公告)日：2015-05-20
申请号：CN201210393790.5
申请日：2012-10-16
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开一种基于特征权重学习与核稀疏表示的图像分类方法。主要解决现有技术缺少特征层判别能力的问题。实现步骤为：将训练样本与测试样本映射到核空间；在核空间中构造结构化的字典，用该字典对训练样本和测试样本进行稀疏表示；通过Fisher判别准则，利用训练集的稀疏系数求解每类子字典的权重及对应重构误差的权重；根据字典权重和重构误差权重计算测试样本的重构误差；从各类子字典对测试样本的重构误差中选择最小值，将其对应子字典的类作为测试样本的分类结果。本发明可增强字典及重构误差在特征层的类判别能力，提高基于图像重构的分类器的性能，可用于人脸识别，图像分类，图像标记，图像检索和图像分割。
-
公开(公告)号：CN102930301A
公开(公告)日：2013-02-13
申请号：CN201210393790.5
申请日：2012-10-16
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开一种基于特征权重学习与核稀疏表示的图像分类方法。主要解决现有技术缺少特征层判别能力的问题。实现步骤为：将训练样本与测试样本映射到核空间；在核空间中构造结构化的字典，用该字典对训练样本和测试样本进行稀疏表示；通过Fisher判别准则，利用训练集的稀疏系数求解每类子字典的权重及对应重构误差的权重；根据字典权重和重构误差权重计算测试样本的重构误差；从各类子字典对测试样本的重构误差中选择最小值，将其对应子字典的类作为测试样本的分类结果。本发明可增强字典及重构误差在特征层的类判别能力，提高基于图像重构的分类器的性能，可用于人脸识别，图像分类，图像标记，图像检索和图像分割。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.042 seconds)
