-
公开(公告)号：CN117456389B
公开(公告)日：2024-07-16
申请号：CN202311470640.4
申请日：2023-11-07
申请人： 西安电子科技大学
IPC分类号： G06V20/17 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/048
摘要： 一种基于YOLOv5s的改进型无人机航拍图像密集和小目标识别方法、系统、设备及介质，方法为：获取无人机航拍图像数据集并预处理，得到训练集、验证集和测试集；构建基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络；设置网络训练参数；使用训练集对基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络进行训练后输出训练权重文件；通过验证集对训练权重文件验证，选取最优权重文件，得到训练好的基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络；将测试集和最优权重文件输入训练好的基于YOLOv5s的改进型无人机航拍图像密集和小目标识别网络目标识别，得到目标识别结果；系统、设备及介质用于实现该方法；本发明具有目标识别精度高和算法鲁棒性高的优点。
-
公开(公告)号：CN115131373B
公开(公告)日：2023-10-27
申请号：CN202210854382.9
申请日：2022-07-14
申请人： 西安电子科技大学
IPC分类号： G06T7/11 , G06T7/13 , G06T7/40 , G06V10/762 , G06V10/80
摘要： 本发明提出了一种基于纹理特征和SLIC的SAR图像分割方法，解决了SAR噪声和复杂纹理导致的分割精度低的技术问题。实现步骤为：将SAR图像分为K个超像素块；获得更新后的聚类中心C'i；获得SAR图像的边缘图像；获得搜索区域；计算搜索区域的纹理特征；基于SLIC算法对SAR图像进行分割。本发明对序列#imgabs0#三值化，降低噪声影响和计算量；通过三值化序列Hk的平均频谱AMP的收敛性获得搜索区域Ω，计算区域Ω的纹理特征；通过SLIC算法获得SAR图像的分割结果，用于SAR图像分割。
-
公开(公告)号：CN116342657A
公开(公告)日：2023-06-27
申请号：CN202310321705.2
申请日：2023-03-29
申请人： 西安电子科技大学
IPC分类号： G06T7/246 , G06N3/049 , G06N3/0442 , G06N3/084 , G06N3/0455 , G06T3/40
摘要： 一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法、系统、设备及介质，方法为：对船舶AIS历史轨迹数据进行预处理；构建基于TCN和双向GRU循环神经网络的轨迹预测模型；构建损失函数MSE；设置网络训练参数；训练网络模型；轨迹递归预测；系统、设备及介质用于实现一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法；本发明利用异常数据过滤、数据压缩和三次样条插值技术对船舶AIS历史轨迹数据进行处理，在基于TCN网络构建的编码器中，利用TCN的短期特征提取能力对输入的船舶AIS历史轨迹数据进行编码，并利用基于GRU网络的解码器对船舶AIS历史轨迹数据进行长期时序特征提取，预测误差较少，满足实时性预测的要求，能够应用于进出港口的船舶轨迹的实时监控。
-
公开(公告)号：CN109631855B
公开(公告)日：2020-12-08
申请号：CN201910075818.2
申请日：2019-01-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于ORB‑SLAM的高精度车辆定位方法，主要解决当前ORB‑SLAM经典定位算法定位结果精度不高的问题。其实现步骤为：选取标定板对双目相机进行标定，并对摄取到的图像进行立体校正；检测校正图像中的ORB特征点并完成特征点提取；利用双目稀疏特征匹配方法将提取到的特征点进行匹配，再利用相邻帧特征跟踪的方法获取当前相机位姿信息，构建局部地图；对建立的局部地图进行闭环检测与全局优化，以完成视觉地图的建立，并保存视觉地图；根据图像中匹配特征点数量选择车辆定位方案，并通过读取视觉地图确定出目标车辆的最终位置。本发明提高了车辆定位精度和鲁棒性，可用于无人驾驶汽车人工智能管理及安全处置。
-
公开(公告)号：CN111080647A
公开(公告)日：2020-04-28
申请号：CN201911169291.6
申请日：2019-11-26
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于自适应滑动窗口滤波和FCM的SAR图像分割方法，用于提高SAR图像分割精度。实现步骤为：确定SAR图像I像素的类别；获取标记SAR图像I'；基于自适应滑动窗口对标记SAR图像I'进行滤波；获取SAR图像I”模糊聚类类别的隶属度值集合U和聚类中心集合V；获取SAR图像I”模糊聚类类别的初始隶属度值集合U0和初始聚类中心集合V0；基于模糊聚类对SAR图像I”进行分割。本发明采用自适应滑动窗口对SAR图像滤波，消除FCM对噪声的敏感性，并通过FCM对滤波后的SAR图像I”进行聚类，以获取SAR图像的分割结果，保留了SAR图像的细节信息，提高了SAR图像的分割精度。
-
公开(公告)号：CN110533669A
公开(公告)日：2019-12-03
申请号：CN201910722019.X
申请日：2019-08-06
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于变分水平集的SAR图像超像素分割方法，主要解决现有技术受SAR图像相干斑噪声影响以及纹理信息缺失导致的对SAR图像超像素分割精度低，超像素块区域边界贴合度不高的问题。其实现步骤是：输入SAR图像，并将其粗略分割为K个超像素块区域；分别设计基于SAR图像相干斑噪声与图像纹理信息的能量泛函；将设计出的能量泛函分别插入到边缘演化迭代方程以得到新的迭代方程；利用新的迭代方程对各超像素块区域边界进行边缘演化；当超像素块区域边缘演化停止后完成超像素分割。本发明有效提高了对SAR图像超像素分割的精度，并解决了超像素块区域边界贴合度不高的问题，可用于机场跑道，农田分布和地质勘探的图像处理。
-
公开(公告)号：CN108075732A
公开(公告)日：2018-05-25
申请号：CN201711085805.0
申请日：2017-11-07
申请人： 西安电子科技大学
摘要： 本发明属于混沌系统技术领域，公开了一种高阶新三维混沌模型及其电路，所述高阶新三维混沌模型的电路包括三个通道电路；所述高阶新三维混沌模型的电路由39个元件组成，包括9个3554BM运算放大器、6个乘法器、3个电容和21个电阻。本发明的高阶新三维混沌电路具有多个平衡点，具有高阶非线性项，其动力学行为更加复杂而丰富，不仅能够应用于非线性电路课程实验，而且能够克服现有混沌系统信息加密易被破译的弊端，为混沌系统的应用提供了依据。
-
公开(公告)号：CN114494858B
公开(公告)日：2024-09-24
申请号：CN202111656314.3
申请日：2021-12-30
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于异质特征的SAR图像分割结果无监督评估方法，实现步骤为：提取SAR图像的异质特征；对待分割SAR图像进行区域分割；构建每个分割区域的特征协方差矩阵；计算每个分割区域的同质性指标以及相对于其他区域的异质性指标；获取SAR图像分割结果的评估结果。本发明提取SAR图像的异质特征包含灰度特征和纹理特征，所得到的同质性指标和异质性指标能够全面地体现分割结果的有效性，避免了现有技术存在的因所获取的分割区域内的同质性指标及分割区域间的异质性指标仅包含灰度特征导致的信息缺失的缺陷，有效提高了评估精度。
-
公开(公告)号：CN113192122B
公开(公告)日：2023-07-28
申请号：CN202110467426.8
申请日：2021-04-28
申请人： 西安电子科技大学
IPC分类号： G06T7/66 , G06T7/136 , G06T7/73 , G01B11/00 , G06V10/762
摘要： 本发明提出了一种大型装备装配位姿视觉检测过程中的光心提取方法，解决了现有技术设光斑窗口提取光心误差大，测量精度低的问题。实现包括：输入原始图像I；对图像I二值化得Io；提取Io所有光斑像素坐标矩阵w1，根据w1提取无序光心并按规定顺序重新排列；选9个初始聚类中心作为初始聚类集合Z0；将w1划为9个聚类类别C；设计目标函数并推导更新迭代公式更新聚类中心集合Z；迭代优化输出最终光心集合Z，得到满足已知空间几何约束和规定顺序的光心。本发明以光源之间的空间几何约束设计目标函数，推导更新迭代公式，同时提取多个光心，回避系统误差，提高测量精度。用于大型工件装备装配或轮廓检测。
-
公开(公告)号：CN116306790A
公开(公告)日：2023-06-23
申请号：CN202310055594.5
申请日：2023-01-16
申请人： 西安电子科技大学
IPC分类号： G06N3/045 , G06N3/0442 , G06N3/0464
摘要： 一种基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质，方法包括：对卫星获取的船舶AIS轨迹数据进行预处理，得到训练集和测试集；构建基于深度学习的轨迹预测网络；构建损失函数MSE；设置网络训练参数；用得到的训练集对构建的轨迹预测网络进行训练，得到训练网络模型；递归预测；系统、设备及介质，用于实现基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法；本发明通过使用CNN网络对输入的时序轨迹数据进行特征提取，采用双层GRU网络提取数据的长期特征，并引入注意力机制计算权重，获取关键因素，设置损失函数和训练参数对构建的网络进行训练，进而对轨迹进行递归预测；本发明具有预测精度高、实时性以及适应性强的特点。
-
-
-
-
-
-
-
-
-
搜索结果
56 条记录 (耗时 0.041 秒)
