-
公开(公告)号：CN113240716A
公开(公告)日：2021-08-10
申请号：CN202110603006.8
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种多特征融合的孪生网络目标跟踪方法及系统，将模板分支和搜索区域分支图像输入到SiamFC中得到对应的响应图；通过基于最大值滤波的多峰定位模块获取视频帧的响应图中多个峰对应的图像块；采用one‑shot学习方法中的匹配网络计算特征重匹配得分；通过素描重匹配模块来计算素描重匹配得分；通过融合策略对特征重匹配得分和素描重匹配得分进行融合；寻找匹配得分最大的图像，并将其映射到候选图像中确定目标的位置。本发明通过融合重匹配得分，利用了特征层面的语义信息和目标在视频帧中的结构和位置等信息，从而提高了目标跟踪的精度。
-
公开(公告)号：CN107871119B
公开(公告)日：2021-07-06
申请号：CN201711059887.1
申请日：2017-11-01
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于目标空间知识和两阶段预测学习的目标检测方法，利用各种数据变换的方法增大样本的数目、增加样本的多样性，训练SSD和新设计的RefineNet两个深层神经网络；对SSD初步预测结果中概率较大的预测目标通过RefineNet进一步提升判别的准确性；通过制定目标特有的空间结构约束规则减少错误的预测，得到最终的检测结果。本发明与现有的一些方法相比，同时考虑了遥感目标的视觉特性和空间特性，并利用特征提取能力卓越的深层网络实现了端到端的目标候选、特征提取与分类定位，明显提高了遥感目标的检测率，降低了虚警率。
-
公开(公告)号：CN112288009A
公开(公告)日：2021-01-29
申请号：CN202011183145.1
申请日：2020-10-29
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于模板匹配的R‑SIFT芯片硬件木马图像配准方法，构建多尺度金字塔；对多尺度金字塔进行相关匹配，得到粗匹配结果图像；对粗匹配结果图像进行高斯滤波和下采样处理，构造多尺度空间；在不同尺度空间中检测图像的极值点；对极值点方向进行赋值，得到极值点的位置，尺度和方向信息，生成特征描述子；使用最近邻与次近邻特征描述子的欧氏距离比判定两幅图像中关键点是否相似性，初步生成预匹配点对，并用匹配矩阵表示；确定预匹配矩阵后，使用RANSAC算法进行校正，去除多余匹配点，完成图像匹配。本发明可避免噪声等异常值所带来的梯度异常，提升图像配准方法的稳定性和精确度。
-
公开(公告)号：CN112102381A
公开(公告)日：2020-12-18
申请号：CN202010954726.4
申请日：2020-09-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于R‑SIFT的硬件木马图像配准方法、存储介质及设备，对输入图像进行高斯滤波和下采样处理，构造多尺度空间；在构造的多尺度空间中检测图像的极值点；对得到的极值点方向进行赋值，得到对应点的位置，尺度和方向信息，生成特征描述子；利用生成的特征描述子，使用距离匹配方法，初步生成预匹配点对，并用匹配矩阵C表示；确定预匹配矩阵C之后，使用RANSAC算法进行校正，去除多余匹配点，完成图像配准。本发明有效解决图像配准中仿射变换的问题，并且可以更灵活的避免噪声点带来的干扰，进而提升图像配准方法的稳定性和精确度。
-
公开(公告)号：CN110991532A
公开(公告)日：2020-04-10
申请号：CN201911217909.1
申请日：2019-12-03
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于关系视觉注意机制的场景图产生方法，主要解决现有技术中冗余的关系预测与可解释性较差的问题。其实现方案是：1)通过目标检测得到图像中的目标的类别与边界框，并进行全连接关系图建立；2)通过分析数据集，对关系图进行稀疏化，得到稀疏关系图表示；3)通过交替迭代学习关系注意力转移函数，分别从主语、宾语依靠并集特征转移到发生关系处，学习到准确的关系表征；4)对于学习到的关系表征进行分类，并组合成最终的场景图。本发明利用两目标发生关系的内在联系，建立关系注意力机制准确地关注于发生关系的区域，实现了场景图的准确产生，提高了网络的可解释化性，可用于图像描述与视觉问答任务。
-
公开(公告)号：CN107491793A
公开(公告)日：2017-12-19
申请号：CN201710786485.5
申请日：2017-09-04
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于稀疏散射全卷积的极化SAR图像分类方法，先输入待分类的原始极化SAR图像数据；然后将数据转换成极化散射矩阵；再对极化散射矩阵进行稀疏散射编码；将稀疏散射编码得到的矩阵输入到全卷积网络，初始化并训练网络，对图像的原始数据进行特征学习，最后进行分类，得到分类结果。本发明同时考虑了图像的全部特征和空间结构特征，提高了极化SAR影像地物分类精度。
-
公开(公告)号：CN105894018A
公开(公告)日：2016-08-24
申请号：CN201610188365.0
申请日：2016-03-29
申请人： 西安电子科技大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6269
摘要： 本发明提出了一种基于深度多示例学习的极化SAR图像分类方法，用于解决现有极化SAR图像分类方法中存在特征提取不足导致的分类精度低的技术问题。包括如下步骤：对极化SAR图像进行滤波；选取训练样本集合；提取样本特征；初始化卷积神经网络CNN和深度置信网DBN；归一化样本特征，训练卷积神经网络CNN和深度置信网DBN；提取联合特征；输入联合特征到SVM分类器中训练；利用训练好的SVM分类器进行极化SAR图像分类；输出分类结果，并计算分类精度。本发明将图像空间邻域特征与极化特征进行有效的结合，提高了极化SAR图像分类精度，可用于对极化SAR图像的地物分类和目标识别。
-
公开(公告)号：CN104502905A
公开(公告)日：2015-04-08
申请号：CN201410708482.6
申请日：2014-11-28
申请人： 西安电子科技大学
IPC分类号： G01S13/04
CPC分类号： G01S13/04
摘要： 本发明属于目标检测技术领域，特别涉及一种宽带雷达体制下的基于多通道顺序统计的距离扩展目标检测方法。该基于多通道顺序统计的距离扩展目标检测方法包括以下步骤：雷达接收的回波信号包含N个脉冲；利用第M+1距离单元至第L+M距离单元组成检测窗，L表示检测窗长度，M为设定的自然数；得出检测窗内第l个距离单元的回波信号向量的模值的积累值yl,N；将检测窗内每个距离单元的回波信号向量的模值的积累值进行降序排列，将降序排列后位于第l位的数值表示为y(l,N)；设置终止判决长度K和Q个检测通道；得出每个检测通道的检测统计量；确定每个检测通道的检测门限；如果每个检测通道的检测统计量大于等于对应检测通道的检测门限，则判定目标存在；反之，则判定目标不存在。
-
公开(公告)号：CN116681019B
公开(公告)日：2024-11-05
申请号：CN202310644494.6
申请日：2023-06-01
申请人： 西安电子科技大学
IPC分类号： G06F30/373
摘要： 本发明公开了一种基于等效电路模型的等离子体电磁波传输特性的研究方法，涉及微波电路技术领域，解决现有技术中算法复杂且不能真实的反映等离子体的传输特性的问题；该方法包括：根据矩量法得到的电磁透射特性曲线，建立初始的等离子体等效电路模型；确定等效电路模型的等离子体的等效电路法得到的电磁透射特性曲线；将矩量法得到的电磁透射特性曲线与等效电路法得到的电磁透射特性曲线进行比对，确定等效电路模型中电路元器件的参数最优值；根据参数最优值，确定等离子体中的电磁波的传输特性；实现了将等离子体中复杂的场传输问题转化为电路计算问题，通过等效电路模型分布，揭示了等离子体中电磁波的传输机制，降低了计算难度，并且能够快速、精准的对电磁波传输特性进行分析。
-
公开(公告)号：CN117671515A
公开(公告)日：2024-03-08
申请号：CN202311603773.4
申请日：2023-11-28
申请人： 西安电子科技大学
IPC分类号： G06V20/13 , G06V10/764 , G06V10/774 , G06V10/42
摘要： 一种基于原型对比学习的领域自适应光学遥感图像分类方法，获取源域图像数据集和目标域图像数据集，并对目标域图像执行两种不同程度的数据增强；搭建深度学习模型，用特征提取器从源域和目标域提取特征；对源域在特征提取器中的浅层、深层特征分别类内聚类得到特定分类原型Ps和分类无关原型Pa，对源域特征聚类得到目标域原型Pt；构造源域特征与Pt之间的损失和目标域高置信度样本与Ps之间的损失，构成原型损失；用Pa干扰目标域低置信度样本特征计算对比损失，对网络进行训练；模型训练结束，将目标域图像输入特征提取器后再输入分类器，得到分类结果。本发明能提高模型的迁移效率和泛化能力，进而提升在目标域上预测的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
102 条记录 (耗时 0.057 秒)
