-
公开(公告)号：CN117495809A
公开(公告)日：2024-02-02
申请号：CN202311465972.3
申请日：2023-11-06
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于背景纯化和光谱差异引导的高光谱异常检测方法，首先采用基于多重光谱统计特性的背景纯化方法对高光谱图像进行背景纯化得到近似纯净的样本；其次，将上一步得到的样本输入到深度自编码器网络中进行训练，训练完毕后再次输入高光谱图像，得到重构样本，并利用l2范数计算重构误差；但是上一步得到的特征分离基准图中，仍然会存在异常部位漏检的现象，这一点说明在原始的高光谱数据集中有一部分的异常目标和背景的光谱区别不大，对于这个问题，本发明引入光谱差异引导方法对上一步中提出的差异进行扩大；最后，利用马氏距离计算光谱差异引导结果的异常概率，得到异常检测结果。
-
公开(公告)号：CN115393297A
公开(公告)日：2022-11-25
申请号：CN202210973587.9
申请日：2022-08-15
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于差异加权局部对比度的红外弱小目标检测方法，本发明利用多尺度局部差异因子和改进的多尺度相对局部对比图得到不同尺度下的局部对比度显著图，利用自适应均值方差的阈值分割法得到检测结果。具体方法包括：首选在各个尺度下计算局部差异因子和改进的相对局部对比度；然后筛选出全部尺度下的局部差异因子和相对局部对比度的最大值和最小值，将他们进行归一化后相结合得到不同尺度下的局部对比显著图；最后通过最大池化操作用最大的局部对比度作为最终显著图，再利用自适应均值方差的阈值分割法得到最终检测结果。
-
公开(公告)号：CN115424102A
公开(公告)日：2022-12-02
申请号：CN202210953758.1
申请日：2022-08-10
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于各向异性引导滤波的多聚焦图像融合方法。该发明首先对源图像提取显著性特征，针对传统特征提取方法中易引入噪声的缺陷，采用基于差异性引导框架的显著性特征提取方法，然后针对融合权重构造过程中聚焦区域连续性差的问题，联合梯度特征与强度方差算子对图像进行复合聚焦度测量，得到粗融合权重图，再采用形态学滤波与各向异性引导滤波对其进行优化以使聚焦区域边界与散焦区域边界对齐，得到最终融合权重图，最后进行多聚焦图像融合。
-
公开(公告)号：CN115424028A
公开(公告)日：2022-12-02
申请号：CN202211029799.8
申请日：2022-08-25
Applicant: 西安电子科技大学
IPC: G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种基于特征增强的轻量化SSD的红外目标检测方法，构建用于提取特征的基础网络结构；该方法包括：将原始图像输入预设网络，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图；通过在低层特征分支后添加设计构建的PAC特征增强模块进行处理来进行特征加强，获得语义信息丰富的低层特征图；对所述语义信息丰富的低层特征图和高层特征图分别预测该特征图上每个网格对应的每个预测框所属的分类与边界框；通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。本发明在提高检测算法速度的同时，有效地提高了检测精度。
-
公开(公告)号：CN119942150A
公开(公告)日：2025-05-06
申请号：CN202411863186.3
申请日：2024-12-17
Applicant: 西安电子科技大学
IPC: G06V10/62 , G06V10/80 , G06V10/52 , G06V10/50 , G06V10/56 , G06V10/764 , G06V10/766 , G06V10/26 , G06V10/25 , G06V10/54 , G06V10/72 , G06V10/77 , G06V20/40
Abstract: 本发明公开了一种基于多尺度空间约束抗遮挡的跟踪方法，提取候选目标区域的HOG特征、CN特征和灰度特征，并使用PCA方法对HOG特征和CN特征降维，加快运算效率；采用通道权重融合方法，对每一层特征单独训练滤波器，通过自适应融合权重，使有效特征层的响应效果更加突出，解决了多特征响应融合不充分的问题；提出阶梯空间约束方法，优化颜色空间约束模型，约束模型错误遮盖目标信息，空域限制模型限制效果；通过自适应学习率和扩散搜索方法，减少滤波器学习到的无关信息并提高目标被遮挡时的跟踪准确度；提出三叉树尺度加速方法，引入尺度滤波器，并在尺度滤波器的基础上，将尺度滤波器的并行结构改造为三叉树分类结构。
-
Patent Agency Ranking
公开(公告)号：CN115439431A
公开(公告)日：2022-12-06
申请号：CN202211041079.3
申请日：2022-08-29
Applicant: 西安电子科技大学
Abstract: 本申请公开了一种基于光谱损失函数的栈式降噪自编码器和协同表示的高光谱异常检测方法，该方法针对高光谱图像数据量大且冗余信息多的问题，以不影响算法检测精度为前提，对高光谱图像进行特征提取，本发明通过对自编码器的网络结构与损失函数进行改进优化，提升网络对高光谱图像的特征提取能力，并选取自编码器网络的中间隐藏层结果作为输出来降低冗余计算量，最后使用协同表示算法得到最终异常检测结果。与多种代表算法相比，该方法具有更好的检测性能。
-
公开(公告)号：CN115330844A
公开(公告)日：2022-11-11
申请号：CN202210964839.1
申请日：2022-08-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于双向匹配的改进SURF图像配准算法。首先，在生成特征点描述符阶段，通过将SURF算法原来的特征点方形邻域替换为圆形邻域，降低了原算法特征点描述符的维度，解决了原算法特征点描述符的计算区域会随着特征点的主方向分配存在偏差而相应地发生变化的问题，从而提高算法的抗旋转性和实时性；然后在特征点匹配阶段创造一种新的双向匹配的方法替换原算法中的单向匹配方法，对匹配点对进行进一步提纯操作，从而进一步提升算法的准确性和稳定性。
-
公开(公告)号：CN119992125A
公开(公告)日：2025-05-13
申请号：CN202411862089.2
申请日：2024-12-17
Applicant: 西安电子科技大学
IPC: G06V10/62 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/46 , G06V10/50 , G06V10/56 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/25 , G06V20/40 , G06V40/20
Abstract: 本发明公开了一种基于多尺度联合特征自适应融合的目标跟踪方法，输入第1帧图像，对模型进行初始化；输入第t帧图像，得到最终的候选边框，从所述最终的候选边框中提取候选目标区域；对每个候选目标区域提取特征，确定每个候选目标区域的HOG特征、颜色直方图特征、Haar局部特征和LBP特征响应；计算自适应融合参数，进行自适应响应融合，求得最终响应结果；根据所述最终响应结果的最大值，确定最终目标预测候选区域，返回最大响应对应的候选目标区域，将该目标区域尺度确定为当前帧的目标尺度；使用第t帧图像的最终目标预测候选区域构造基础训练样本，对模型进行训练更新，获得下一帧图像的滤波器模型、颜色直方图模型。
-
公开(公告)号：CN117541472A
公开(公告)日：2024-02-09
申请号：CN202311486600.9
申请日：2023-11-08
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0475 , G06N3/094
Abstract: 一种基于生成对抗网络的自适应图像超分辨重建方法，在生成模块中去掉残差块的批处理规范化层，以更全面地保留单张图像的细节信息；在前两层用于特征提取的卷积层后分别加入细节自适应模块，自适应地捕获图像的重点细节特征信息，然后重新分配该细节特征信息的权重，整合每层卷积捕获的重点细节特征信息，生成超分辨率图像；将超分辨率图像和高分辨率图像输入判别模块，在判别模块的每个卷积层后引入损失自适应模块，通过损失自适应模块获取分层损失，然后将分层损失进行加权求和，动态地优化损失函数，并联合Sigmoid函数的输出值共同判别超分辨图像的真假。本发明在对复杂图像进行超分时，能获得更清晰的高分辨率图像。
-
公开(公告)号：CN115424104A
公开(公告)日：2022-12-02
申请号：CN202210998016.0
申请日：2022-08-19
Applicant: 西安电子科技大学
Abstract: 一种基于特征融合与注意力机制的目标检测方法，红外图像输入MobileNet网络进行逐层卷积计算，得到不同尺度的特征图，建立双向特征融合模块IBFPN，将所述用于检测的特征金字塔图像输入IBFPN，以进行上下层信息的相互融合；经过IBFPN后，将各融合特征层输入到注意力模块ECBAM，通过ECBAM为不同的特征赋予不同的比重；将经IBFPN和ECBAM处理的不同尺度的特征图送入检测模块进行检测，获取每个候选框的类别及相应的边界框，得到预测结果；将预测结果进行非极大值抑制，删除多余的目标框，获得最终的检测结果。综合对比多种检测算法后，实验结果表明，本发明可以有效提高红外目标的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
