公开(公告)号：CN117522814A

公开(公告)日：2024-02-06

申请号：CN202311487046.6

申请日：2023-11-09

Applicant: 西安电子科技大学

Inventor： 向培 ,  王园园 ,  李欢 ,  许新博 ,  李翀钰 ,  周慧鑫 ,  高原 ,  王顺 ,  赵哲 ,  鲍蕴昊 ,  马思敏 ,  王炳健 ,  秦翰林

IPC: G06T7/00 ,  G06V10/77 ,  G06V10/80 ,  G06V10/46 ,  G06V20/10

Abstract: 本发明涉及一种高光谱图像的异常检测方法，本发明基于多特征联合的背景重构减法对高光谱图像进行异常检测。具体方法包括：首先使用空间特征和光谱特征联合改进的双窗口三边滤波方法对图像进行背景重构；其次对于分析图像中异常目标的分布特性，在传统显著性检测方法的基础上提出基于全局上下文感知的显著性特征提取方法来提取出图像的显著性特征图；然后将图像的显著性特征图与三边滤波后重构背景图作差平方后得到异常目标初始检测图；最后利用光谱相关系数来获取图像的光谱权值图，并将其与初始异常检测图进行融合来获得最终的异常检测结果。

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

Inventor： 齐淑霞 ,  于天玮 ,  孙韵晗 ,  向培 ,  周慧鑫 ,  马思敏 ,  滕翔 ,  石金 ,  赵哲 ,  蒲征 ,  王炳健 ,  秦翰林 ,  朱贺隆

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：CN117522689A

公开(公告)日：2024-02-06

申请号：CN202311489787.8

申请日：2023-11-09

Applicant: 西安电子科技大学

Inventor： 周慧鑫 ,  马思敏 ,  石金 ,  向培 ,  赵哲 ,  段念 ,  晏昊 ,  邵龙江 ,  时雷 ,  齐淑霞 ,  王炳健 ,  秦翰林

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/42 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度亚像素联合卷积残差网络的图像超分辨方法。该方法以基于深度卷积网络的图像超分辨方法为基础框架，并进行一些改进：在网络正式训练前，通过亚像素卷积放大图像分辨率，以此解决基于深度卷积网络的图像超分辨方法中插值法引起的计算量过大问题。此外，基于深度亚像素联合卷积残差网络的图像超分辨方法还引入联合卷积结构，在减少网络层数的同时提升了特征提取的准确率和效率。本发明能够实现图像的高清重制，提升图像分辨率，并且有效降低了网络的训练难度。