-
公开(公告)号：CN111047661A
公开(公告)日：2020-04-21
申请号：CN201911275346.1
申请日：2019-12-12
Applicant: 重庆大学
Abstract: 本发明公开了一种基于稀疏流形联合约束的CS-MRI图像重构方法，属于数字图像处理技术领域。它是一种同时利用一范数约束图像稀疏性和流形正则项约束图像块间相关性实现MRI图像重构的方法。首先对MRI图像的欠采样数据采用传统方法进行预重构，然后通过K近邻法寻找到目标块的相似块集合以获得结构组，并为每一结构组建立图模型，计算邻接权重系数以构建相应的流形正则项，同时将流形正则项从空域转换到系数域，建立稀疏流形联合约束的重构模型，最后采用交替方向乘子法求解该模型。本发明采用流形正则项约束可以准确的刻画出不同结构组中各图像块间不同程度的相关性，重构出的图像保留了大量细节信息，获得了较高的重构性能，因此可用于医学图像的恢复。
-
公开(公告)号：CN106096505B
公开(公告)日：2019-04-26
申请号：CN201610368684.X
申请日：2016-05-28
Applicant: 重庆大学
Abstract: 本发明提供了一种基于多尺度特征协同表示的SAR目标识别方法，其利用SAR图像的多尺度特征，结合协同表示分类识别方法，采用的规则化最小均方协同表示模型，和L1范数约束下的稀疏表示识别算法相比，能够充分利用所有类别训练样本的信息，并且计算复杂度大大降低；而多尺度特征显著降低了特征维数，并且保留了原始SAR目标图像中的鉴别特征信息；实验结果表明，本发明识别方法的正确识别率可以达到96.93%，能够很好的确保针对SAR图像具有较好的目标识别准确性，并且，本发明识别方法的识别处理效率很高，整个识别过程的耗时远低于稀疏表示分类识别方法，能够在确保识别准确性的同时有效提升识别处理效率。
-
公开(公告)号：CN109444880A
公开(公告)日：2019-03-08
申请号：CN201811239137.7
申请日：2018-10-23
Applicant: 重庆大学
Abstract: 本发明公开了一种基于多特征低秩表示融合的SAR目标识别方法，将低秩表示模型应用到SAR配置下的目标识别问题中，利用多特征低秩表示联合识别SAR目标，提高了识别精度，此外，本发明还提出了一种新的两级融合策略，这一融合策略充分挖掘了SAR图像的多方位相关性和多特征对识别的贡献，并且两级决策融合进一步提高了所提出方法的鲁棒性。
-
公开(公告)号：CN108346167A
公开(公告)日：2018-07-31
申请号：CN201711463209.1
申请日：2017-12-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于正交字典下同时稀疏编码的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用正交字典对图像进行稀疏表示和对稀疏系数同时稀疏编码优化的MRI图像重构方法。首先找到目标图像块的相似图像块集合即结构组，然后基于结构组在正交字典下的同时稀疏编码建立的图像重构模型，最后用广义软阈值法求解出该模型中结构组的稀疏系数并重构图像；本发明通过正交字典对结构组进行稀疏表示，可优化对结构组稀疏表示性能，并利用同时稀疏编码和广义软阈值法对稀疏系数进行约束和求解，能够更高效精确地估计稀疏系数，通过本发明重构出的MRI图像整体更加清晰，而且细节信息更丰富，重构的准确度更高，因此可用于医学图像的重构。
-
公开(公告)号：CN107993204A
公开(公告)日：2018-05-04
申请号：CN201711211072.0
申请日：2017-11-28
Applicant: 重庆大学
Abstract: 本发明公开了一种基于图像块增强稀疏表示的MRI图像重构方法。属于数字图像处理技术领域。它是一种利用图像块内像素排序与非凸范数约束提高系数稀疏度与估计性能的方法。首先在MRI图像中抽取目标图像块，然后建立基于图像块的排序训练模型，并结合系数非凸约束建立MRI图像的重构模型，再采用交替方向法迭代求解该模型中的排序矩阵与稀疏系数，利用估计出的稀疏系数重构出最终的MRI图像；本发明通过对图像块内像素进行排序，提高了稀疏变换的性能，并对系数进行非凸范数最小化约束，使估计出的系数更接近于真实系数，通过本发明重构出的图像整体效果更好，而且细节信息更丰富，重构的准确度更高，因此可用于MRI图像的重构。
-
Patent Agency Ranking
公开(公告)号：CN104882675B
公开(公告)日：2017-09-05
申请号：CN201510223889.4
申请日：2015-05-05
Applicant: 重庆大学
Abstract: 本发明公开了一种基于变容二极管的双陷波可调的超宽带天线，属于天线设计技术领域。该天线包括介质基板、辐射贴片、微带馈线、寄生条带结构、“U”形金属条带、金属带线及焊盘、接地板和同轴电缆；所述“U”形金属条带用于产生高频陷波；并通过变容二极管对该陷波的工作频率进行调节；寄生条带结构包括寄生条带和一个变容二极管，所述寄生条带用于产生低频陷波；并通过变容二极管对该陷波的工作频率进行调节。本发明提供的一种基于变容二极管的双陷波可调的超宽带天线，通过变容二极管对两个陷波的工作频率进行调节，可以分别涵盖WiMAX和WLAN频段，且两个陷波的调节互不影响，有效的实现了双陷波的频率捷变特性。
-
公开(公告)号：CN104251675B
公开(公告)日：2017-05-03
申请号：CN201410477613.4
申请日：2014-09-18
Applicant: 重庆大学
IPC: G01B15/06
Abstract: 本发明公开一种多目标微变形实时遥测方法与系统，系统由安装在固定位置的微变形遥测射频标签阅读器和安装在被测物上的多个观测点射频标签构成。射频标签阅读器辐射射频载波信号，射频标签收到该信号后，使用不同频率的正弦波信号对其进行调制,然后再转发回射频标签阅读器，射频标签阅读器收到多个观测点射频标签的混合回波信号，使用正交下变频电路将其下变频至基带，然后使用标签分离电路即多个极窄带带通滤波器分离识别各射频标签，使用相位检测电路获取射频载波信号往返于射频标签阅读器和各射频标签之间的相位差，从而测量出各射频标签的位移量。该系统具有测量精度高、安装使用方便的优点。
-
公开(公告)号：CN104217406B
公开(公告)日：2017-05-03
申请号：CN201410490100.7
申请日：2014-09-23
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于剪切波系数处理的SAR图像降噪方法。属于数字图像处理技术领域。它是利用图像剪切波变换后系数具有的稀疏特性，首先建立基于图像剪切波系数的稀疏表示模型，而后通过分段正交匹配追踪StOMP算法实现统计均值意义上稀疏表示系数的无偏估计，并将稀疏表示后的剪切波系数重构为降噪后图像；为弥补稀疏表示中丢失部分系数对图像细节的损失，并利用这部分系数对应的剪切波函数具有提取图像边缘细节的能力，针对图像在丢失系数对应的剪切波函数空间中投影重构的结果，结合基于能量泛函的总变分TV方法进一步迭代去噪，最终得到细节丰富的去噪图像，既抑制了SAR图像斑点噪声又保持了图像的细节纹理，可用于SAR图像降噪。
-
公开(公告)号：CN106056070A
公开(公告)日：2016-10-26
申请号：CN201610368234.0
申请日：2016-05-26
Applicant: 重庆大学
CPC classification number: G06K9/0063 , G01S13/90 , G06K9/40 , G06K9/6268
Abstract: 本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，该方法特别适用于针对低图像质量的SAR图像进行目标识别，其先通过对SAR图像进行低秩矩阵恢复，得到对应的SAR低秩图像，使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声，并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点，结合稀疏表示方法进行图像的目标识别，通过理论分析和实验数据均证明，能够有效的帮助提升识别正确率，解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。
-
公开(公告)号：CN106022383A
公开(公告)日：2016-10-12
申请号：CN201610361515.3
申请日：2016-05-26
Applicant: 重庆大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6232 , G06K9/6256
Abstract: 本发明提供了一种基于方位角相关动态字典稀疏表示的SAR目标识别方法，其首先估计作为测试样本的SAR图像的方位角，然后根据这个方位角估计值算出一个相关方位角范围，从而基于各个训练样本的稀疏特征矩阵的集合构成的稀疏特征训练样本集，令稀疏特征训练样本集之中方位角值在相关方位角范围之外的训练样本的稀疏特征矩阵设置为零矩阵，仅保留方位角值在相关方位角范围以内的训练样本的稀疏特征矩阵，由此构成测试样本对应的稀疏特征方位角相关动态字典，然后再进行稀疏表示分类识别，大大减少稀疏编码和稀疏重构的计算量，提升了识别处理效率，同时也减少了方位角不相关的训练样本对测试样本目标识别的干扰，使得识别准确率也得以提高。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.025 seconds)
