-
公开(公告)号：CN104392412B
公开(公告)日：2017-03-01
申请号：CN201410571392.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于进化正交匹配追踪的信号恢复方法，主要解决压缩感知中传统追踪算法过于贪婪，回溯能力差和恢复准确率低的问题。其技术方案是：将进化计算的框架引入到压缩感知信号恢复当中；将原子选择的问题转化为基于启发式搜索的种群寻优的过程；结合传统贪婪追踪算法中观测误差与原子的相关性，定义了一种活性函数来度量每个原子被选择的可能性；通过活性函数，设计出了弱贪婪的交叉和变异算子，从而使得更多的原子有可能被选择，增加了信号恢复中原子搜索的可达空间。实验表明，对于信号的压缩感知恢复，本发明比传统的贪婪追踪算法有更高的恢复概率和更小的恢复误差，可用于一维信号和二维图像信号在低采样率随机观测下的恢复问题。
-
公开(公告)号：CN104217438B
公开(公告)日：2017-03-01
申请号：CN201410482371.8
申请日：2014-09-19
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于半监督的图像显著性检测方法，主要解决现有技术中目标边界不清晰，目标提取不均匀，显著性检测准确率低的问题。本发明的步骤为：(1)获得初步显著性图像；(4)聚类操作；(5)流形学习；(6)获得最终的显著性图像。本发明利用计算得到的初步的显著性图像标记待检测图像的超像素，得到标记超像素作为半监督的标记样本，不依靠凸包可以避免检测结果中出现凸包中的非目标部分，提高了显著性检测的准确性。本发明采用流形学习的方法对标记的超像素进行学习，可以获得均匀且边界完整的目标。(2)获得初步的标记的超像素；(3)贝叶斯选择；
-
公开(公告)号：CN103871039B
公开(公告)日：2017-02-22
申请号：CN201410082688.2
申请日：2014-03-07
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种的SAR图像变化检测差异图生成方法，主要解决现有SAR图像变化检测技术中差异图生成的问题。其实现步骤为：(1)输入两幅不同时相的SAR图像；(2)对两幅图全图逐像素遍历，确定待恢复像素点，初始化待恢复像素点的搜索窗口和相似性测量图块；(3)计算每个待恢复像素点与其搜索窗口中其他像素点的相似性测量图块之间对应位置像素点灰度比值的概率密度分布函数；(4)计算每个待恢复像素点与其搜索窗口中其他像素点的比值相似度；(5)计算待恢复像素点与其搜索窗口中其他像素点的相似性权值；(6)用相似度权值和搜索窗口中像素点进行加权求和，重构待恢复像素点的非局部均值；(7)得到基于比值相似度的非局部均值的非局部均值比差异图。
-
公开(公告)号：CN104299201B
公开(公告)日：2017-02-15
申请号：CN201410571138.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于遗传稀疏优化的图像重构方法,主要解决现有方法对压缩感知图像的分块重构中，存在的边界模糊和块效应明显的问题。本发明将图像块分为光滑和非光滑两类，分别对其建模重构；根据光滑块的统计特性，直接采用伪逆解对其直流分量和变化分量进行快速重构；对于非光滑块，利用遗传算法在PCA字典中选择一组原子来对其进行最优重构。实验结果表明，利用本发明重构的图像比传统的正交匹配追踪方法OMP和统计压缩感知方法SCS具有更好的边界和区域一致性，细节信息更加清晰，并且块效应明显减少，可用于低采样率下图像获取中的重构。
-
公开(公告)号：CN104268629B
公开(公告)日：2017-02-15
申请号：CN201410468395.8
申请日：2014-09-15
Applicant: 西安电子科技大学
IPC: G06N3/12
Abstract: 本发明属于进化计算和复杂网络社区挖掘技术领域，具体公开了一种基于先验信息和网络固有信息的复杂网络社区检测方法，主要用于复杂网络的社区划分问题。其过程为：构建网络邻接矩阵；使用邻接矩阵信息初始化种群；根据邻接矩阵固有的信息进行预处理操作，减少无效搜索；优化模块度函数Q；采用基因交叉操作和变异操作；使用基于变异和网络固有信息的局部搜索方法LSMM；使用评价函数NMI测试社区划分结果。本发明充分利用先验知识和网络邻接矩阵所包含固有信息对社区网络进行检测。本发明采用基于变异和网络固有信息的局部搜索算法，更有效的得到最优解。本发明方法比一般遗传算法能更好的发现真实世界网络和人工合成网络的社区结构。
-
Patent Agency Ranking
公开(公告)号：CN103839074B
公开(公告)日：2017-02-08
申请号：CN201410062436.3
申请日：2014-02-24
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于素描线段信息和空间金字塔匹配的图像分类方法，其实现方案是：1）利用初始素描模型得到图像的初始素描图，每个素描点以其所在素描线段的方向为其方向，以每个素描点为中心设计方向窗口，则所有素描点的方向窗口叠加出来的区域为结构区域，剩余的为非结构区域；2）结构区域提取多尺度的SIFT特征，非结构区域提取单尺度SIFT特征；3）将这些SIFT特征通过聚类、投影和统计获得特征F1；4）获取素描线段的角度和长度的统计特征F2；5）将F1和F2级联并进行分类。主要解决空间金字塔匹配方法中单尺度SIFT特征不能很好地表示图像的细节信息从而导致分类准确率不够高的问题。
-
公开(公告)号：CN103903257B
公开(公告)日：2017-01-18
申请号：CN201410068947.6
申请日：2014-02-27
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于几何块间隔共生特征和语义信息的图像分割方法。该方法使用初始素描模型得到素描图，以组成素描线的线段为单位构建几何块，然后将几何块映射至原图相应位置并提取基于该几何块的间隔共生矩阵；以每个几何块间隔共生矩阵作为对应线段的特征，利用该特征将素描线分成斑纹语义类别和一般边界类别；对于过分割方法得到的图像超像素，分别利用素描线分类的语义信息指导超像素合并。对于由斑纹语义类别素描线指导合并的超像素，统计这些超像素的颜色均值并根据每个超像素与其邻域超像素在颜色上的共生统计关系进行进一步合并，得到最终的分割结果。
-
公开(公告)号：CN103870842B
公开(公告)日：2017-01-18
申请号：CN201410105053.X
申请日：2014-03-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种结合极化特征和分水岭的极化SAR图像分类方法。本发明实现的步骤为：素标记；(3)划分区域；(4)标定区域标记；(5)标定区域大小；(6)更新区域标记；(7)分配颜色，输出最终分类结果。本发明相比现有技术基于区域的阈值划分方法，保证了分类结果中区域一致性，较好的保持了图像中不同区域的边缘信息，解决了极化信息利用不充分和区域划分不完整的问题。本发明可应用于极化合成孔径雷达SAR图像目标检测和目标识别。(1)读入极化合成孔径雷达SAR数据；(2)计算像
-
公开(公告)号：CN103745232B
公开(公告)日：2017-01-18
申请号：CN201410032062.0
申请日：2014-01-23
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于波段迁移的高光谱图像聚类方法。主要解决现有基于高斯混合模型的聚类方法对于高光谱图像聚类不准确，速度较慢，稳定性较差的问题。其实现步骤是：先从高光谱图像中随机选出一些波段分别作为目标域，根据聚类一致性值，从目标域选出一些聚类不稳定样本；再根据欧氏距离原则从高光谱图像剩余波段中选取一些波段作为源域，利用EM算法估计源域中高斯混合模型的参数；最后将源域中的参数迁移至目标域来改善目标域中不稳定样本的聚类结果。本发明与传统的聚类方法相比，具有速度快、效果好等优点，而且可使用较少的波段达到较高的分类精度，大大的节约了计算成本，可用于矿产探测、资源调查及环境监测。
-
公开(公告)号：CN106296681A
公开(公告)日：2017-01-04
申请号：CN201610648091.9
申请日：2016-08-09
Applicant: 西安电子科技大学
CPC classification number: G06K9/6288 , G06K9/4671 , G06K9/6223 , G06T2207/20081 , G06T2207/20221
Abstract: 本发明公开了一种基于双通道低秩分解的协同学习显著性检测方法。本发明根据人类视觉感知系统的初级视觉特性，模拟视觉平行加工理论，将显著性检测过程处理为双通道协同学习过程，分别获取“where”特征显著图和“what”特征显著图，通过融合机制有效地将两幅特征显著图结合起来，并对融合后的特征显著图进行扩散，有效地突出了显著性区域并且抑制了背景噪声，使得本发明具有较好的检测结果，提高了检测的准确率和召回率。
-
-
-
-
-
-
-
-
-
Search Results
1175
records
(took 0.063 seconds)
