-
公开(公告)号：CN102663740B
公开(公告)日：2014-05-14
申请号：CN201210078273.9
申请日：2012-03-22
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图切的SAR图像变化检测方法，主要解决现有技术中检测精度低的问题。其实现过程是：将变化前后的SAR图像用图切的方法进行分块预处理；然后用分块后的变化前后的SAR图像，分别构造变化前邻接图和变化后邻接图；连接两个邻接图的对应顶点，将两个邻接图融合得到变化前后SAR图像的二维图；最后用NJW谱聚类的方法对二维图进行切割，得到变化后图像各块的标签，将变化后图像中表示了变化区域的一类数据块提取出来，得到最终的变化检测结果图。本发明避免了已有技术中构造差异图对图像进行降唯，所造成的信息丢失和累积误差，提高了变化检测的检测精度。
-
公开(公告)号：CN103258207A
公开(公告)日：2013-08-21
申请号：CN201310168351.9
申请日：2013-05-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于散射功率和强度联合统计的极化SAR图像分类方法，主要解决现有技术对散射特性相似区域难以区分和分类类别数固定的问题。其实现过程是：1）采用Lee滤波器对相干矩阵T滤波；2)利用Freeman分解得到功率矩阵；3）利用特征值分解得到强度矩阵；4)对功率矩阵和强度矩阵分别进行8邻域求平均；5)选取k类匀质区域作为训练样本；6）采用EM算法对k类样本的功率矩阵和强度矩阵概率密度分布函数的参数进行估计；7)求解k类样本功率矩阵和强度矩阵的联合概率分布；8)对待分类极化SAR数据进行贝叶斯分类，得到分类结果。本发明具有对极化SAR图像分类效果显著的优点，可进一步用于极化SAR图像目标检测和目标识别。
-
公开(公告)号：CN103077505A
公开(公告)日：2013-05-01
申请号：CN201310030035.5
申请日：2013-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习和结构聚类的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本；（2）对训练样本进行结构聚类；（3）利用OMP和K-SVD的方法训练得到各类的字典；（4）求出输入的低分辨率图像块的稀疏表示系数；（5）利用高分辨率字典和稀疏系数重建高分辨率图像块；（6）对高分辨率图像块加权求和，得到加权求和后的高分辨率图像块；（7）根据高分辨率图像块，得到高分辨率图像；（8）通过误差补偿，对高分辨率图像进行高频信息增强，得到最终的结果。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
公开(公告)号：CN102184524B
公开(公告)日：2012-12-05
申请号：CN201110092677.9
申请日：2011-04-13
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于规范切的邻域学习文化基因图像分割方法，主要解决现有图像分割方法没有用到像素之间相互学习的问题。其实现步骤为：首先对一幅图像进行基于像素的二维随机0/1编码，形成初始种群，并以规范切作为图像分割结果的全局衡量标准；再根据克隆规模对种群中的个体进行克隆；然后对克隆后的个体依次执行变异、邻域学习和克隆选择操作；再根据当前种群中个体的规范切值保存最优规范切值对应的最优图像作为分割结果；最后根据终止条件的要求输出最优图像分割结果。本发明对无噪和加噪图像进行分割，具有区域一致性强、收敛稳定和全局最优的特点，可用于图像识别和检测。
-
公开(公告)号：CN102158637B
公开(公告)日：2012-12-05
申请号：CN201110081454.2
申请日：2011-04-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Surfacelet变换域的空间自适应阈值视频去噪方法，主要解决视频去噪效果不理想，去噪过程复杂度过大和解决结果中出现的伪影，伪吉布斯效应等现象。其实现过程是：输入待去噪视频，并做Surfacelet变换；分别对每一个Surfacelet分解的方向子带内的系数估计噪声；利用系数空间能量值计算自适应阈值；利用系数邻域信息调整上述阈值；利用阈值函数进行去噪处理；对去噪后的系数进行重构，得到去噪后视频。本发明与现有的技术相比显著减小了计算复杂度，提高了去噪视频的PSNR值，能够有效地保持视频的细节信息。可用于自然视频去噪和三维图像去噪。
-
Patent Agency Ranking
公开(公告)号：CN102547074A
公开(公告)日：2012-07-04
申请号：CN201210001590.0
申请日：2012-01-04
Applicant: 西安电子科技大学
Abstract: 一种Surfacelet域BKF模型贝叶斯视频去噪方法，包括：输入待去噪视频；获取高频子带系数；估算噪声标准差；获取待去噪视频Surfacelet域高频子带BKF分布形状参数和尺度参数；判断BKF分布形状参数的大小；获取已去噪视频Surfacelet域系数；获取已去噪视频。本发明采用BKF函数对视频Surfacelet系数边缘分布进行建模，使得本发明充分利用视频图像Surfacelet域高频子带系数的相关性，能够在有效去除噪声的同时很好地保持了视频图像的边缘细节信息。
-
公开(公告)号：CN101763514B
公开(公告)日：2012-03-28
申请号：CN201010013722.2
申请日：2010-01-15
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6224 , G06K9/342
Abstract: 本发明公开了一种基于特征重要度排序谱聚类的图像分割方法，主要解决现有谱聚类方法复杂度高和稳定性差的问题。其实现过程是：(1)对待分割图像提取灰度值特征，灰度共生特征或小波特征；(2)对特征数据进行归一化处理；(3)根据归一化后的特征数据，计算所有样本的重要度；(4)对所有样本的重要度进行排序，并选择重要度高的100个样本作为采样的样本子集；(5)根据方法，用选出的样本子集求解所有样本谱映射后的特征向量空间，并取前给定的类别数k个特征值对应的特征向量进行降维；(6)对降维后的数据进行k-means聚类，输出最终的图象分割结果。本发明与现有的谱聚类方法相比，结果稳定，复杂度低，图像分割结果有明显提高，可用于目标检测和目标识别。
-
公开(公告)号：CN102332094A
公开(公告)日：2012-01-25
申请号：CN201110326677.0
申请日：2011-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开一种半监督在线学习人脸检测方法，主要解决现有技术中离线人脸检测需要采集大量样本和不能在检测过程中进行调整、提高检测率的问题。其方法步骤为：(1)获取待检测图像；(2)建立在线人脸分类器；(3)在线人脸检测；(4)判定最差检测结果是否类似人脸；(5)更新在线人脸分类器；(6)筛选分类器结果；(7)输出检测结果。本发明采用在线人脸分类器进行人脸检测，不需要采集样本和离线训练，节省了大量资源和时间，可以简单、快速的进行人脸检测；并且通过线学习方法对人脸分类器进行更新，使本发明可以在人脸检测过程中不断调整检测器参数，逐步提高人脸检测的正确率。
-
公开(公告)号：CN101699514B
公开(公告)日：2011-09-21
申请号：CN200910218655.5
申请日：2009-10-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于免疫克隆量子聚类的SAR图像分割方法，它涉及图像处理技术领域，主要解决已有量子聚类技术在大规模数据集上应用的局限性问题。其实现过程是：1)对待分割的SAR图像提取特征；2)进行抗体种群初始化和抗体编码；3)根据量子力学特性计算抗体亲合度，并划分抗体种群为精英种群和普通种群；4)对精英种群和普通种群分别设计不同的免疫克隆优化操作算子，依次进行克隆操作、基于正态云模型的自适应变异操作、均匀超变异操作、克隆选择操作和超立方体交叉操作；5)输出SAR图像分割结果。本发明迭代优化速度快、稳定性高，能够有效地对包含大规模数据量的SAR图像进行分割，适用于SAR图像目标检测和目标识别。
-
公开(公告)号：CN102184524A
公开(公告)日：2011-09-14
申请号：CN201110092677.9
申请日：2011-04-13
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于规范切的邻域学习文化基因图像分割方法，主要解决现有图像分割方法没有用到像素之间相互学习的问题。其实现步骤为：首先对一幅图像进行基于像素的二维随机0/1编码，形成初始种群，并以规范切作为图像分割结果的全局衡量标准；再根据克隆规模对种群中的个体进行克隆；然后对克隆后的个体依次执行变异、邻域学习和克隆选择操作；再根据当前种群中个体的规范切值保存最优规范切值对应的最优图像作为分割结果；最后根据终止条件的要求输出最优图像分割结果。本发明对无噪和加噪图像进行分割，具有区域一致性强、收敛稳定和全局最优的特点，可用于图像识别和检测。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.045 seconds)
