-
公开(公告)号：CN110084159B
公开(公告)日：2021-11-02
申请号：CN201910300993.7
申请日：2019-04-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于联合多级空谱信息CNN的高光谱图像分类方法，主要解决高光谱图像分类性能不佳、分类区域一致性不好的问题。实现步骤为：输入高光谱数据集；构建卷积神经网络和多级空谱信息提取网络；生成联合多级空谱信息卷积神经网络CNN；输入训练样本集，利用损失函数对网络进行训练；输入测试数据集，利用训练好的联合多级空谱信息卷积神经网络CNN对高光谱图像进行分类。本发明利用搭建的联合多级空谱信息卷积神经网络CNN，能够提取、融合高光谱图像的多级空间信息和全局谱间信息，解决了现有技术方法中存在的空间特征信息利用不充分、卷积核不能提取光谱全局信息，导致分类区域一致性不好、精度不高的问题，提高了高光谱图像分类的准确性。
-
公开(公告)号：CN112686139A
公开(公告)日：2021-04-20
申请号：CN202011591625.1
申请日：2020-12-29
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于跨阶段局部多尺度密集连接的遥感图像目标检测方法，主要解决现有技术中不能很好的对遥感图像中多尺度目标进行检测的问题。其实现方案是：1)从公开网站获取遥感图像数据集，将数据集划分为训练集和测试集；2)搭建由主干子网络、特征融合子网络和检测子网络依次连接组成的跨阶段局部多尺度密集连接检测网络；3)用训练集对跨阶段局部多尺度密集连接检测网络进行训练；4)用训练好的网络模型对测试集进行目标检测，输出目标检测结果。本发明具有强化的特征提取能力和对多尺度遥感图像目标检测精度高的优点，可应用于对遥感图像中的多尺度目标识别。
-
公开(公告)号：CN108171119B
公开(公告)日：2020-01-07
申请号：CN201711293506.6
申请日：2017-12-08
申请人： 西安电子科技大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于残差网络的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测的检测精度不高、对噪声抑制不够明显的问题。本发明的具体步骤如下：(1)构造训练标签集；(2)构造训练数据集；(3)构造残差变化检测网络；(4)训练残差变化检测网络；(5)生成检测数据集；(6)获取特征向量集；(7)输出变化检测结果图。本发明构造了一个7层的残差变化检测网络，提取了合成孔径雷达SAR图像像素点邻域特征，具有降低了合成孔径雷达SAR图像变化检测的噪声和提高了合成孔径雷达SAR图像变化检测精度的优点。
-
公开(公告)号：CN110084159A
公开(公告)日：2019-08-02
申请号：CN201910300993.7
申请日：2019-04-15
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于联合多级空谱信息CNN的高光谱图像分类方法，主要解决高光谱图像分类性能不佳、分类区域一致性不好的问题。实现步骤为：输入高光谱数据集；构建卷积神经网络和多级空谱信息提取网络；生成联合多级空谱信息卷积神经网络CNN；输入训练样本集，利用损失函数对网络进行训练；输入测试数据集，利用训练好的联合多级空谱信息卷积神经网络CNN对高光谱图像进行分类。本发明利用搭建的联合多级空谱信息卷积神经网络CNN，能够提取、融合高光谱图像的多级空间信息和全局谱间信息，解决了现有技术方法中存在的空间特征信息利用不充分、卷积核不能提取光谱全局信息，导致分类区域一致性不好、精度不高的问题，提高了高光谱图像分类的准确性。
-
公开(公告)号：CN106056146B
公开(公告)日：2019-03-26
申请号：CN201610364295.X
申请日：2016-05-27
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开一种基于逻辑回归的视觉跟踪方法,主要解决现有技术容易积累跟踪误差，遮挡条件下性能降低的问题。其实现方案是：1.通过对样本取Haar‑like特征构建一系列服从高斯分布的弱分类器；2.采用逻辑回归模型从一系列弱分类器中选出部分性能较好的弱分类器，并对弱分类器进行加权求和构建一个强分类器；3.通过强分类器预测目标位置；4.通过异常判断决定是否更新弱分类器高斯分布参数，从而适应跟踪过程中目标和场景的变化。本发明与现有Adaboost算法相比，能够快速准确地获取弱分类器的全局最优子集，从而正确更新分类器参数、避免跟踪偏移，提高了跟踪性能，可用于机器人导航、人机交互、虚拟现实。
-
公开(公告)号：CN108802697A
公开(公告)日：2018-11-13
申请号：CN201810315242.8
申请日：2018-04-10
申请人： 西安电子科技大学
摘要： 本发明公开了一种脉冲多普勒雷达信号的混合并行处理方法，实现的具体步骤是：(1)初始化多核CPU的处理线程；(2)在多核CPU端开辟雷达信号处理所需的内存空间；(3)雷达系统采集并存储数据(4)数据解析；(5)处理多通道数据(6)多通道数据混合并行处理同步。本发明可以在多核CPU端实现脉冲多普勒雷达信号的实时处理，缩短了雷达系统的升级周期，提高了雷达系统的可扩展性。
-
公开(公告)号：CN107229933A
公开(公告)日：2017-10-03
申请号：CN201710328382.4
申请日：2017-05-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种自适应体散射模型的freeman/特征值分解方法。解决了极化SAR图像分解中的体散射分量过估计和产生负功率像素点的技术问题。分解过程为：输入极化SAR图像数据矩阵；精致Lee滤波，消除斑点噪声；计算极化方位角θ，得出交叉极化散射模型，并进行方位角补偿；通过极化方位角得到新相位差NPD，依NPD判断目标处在城市区域还是自然区域；构建改进的自适应散射模型；确定新相位差NPD阈值，判断目标所处的区域；用Pd,Pv,Ps三种散射功率分布合成RGB图像输出。本发明采用的自适应体散射模型，能够适应不同的地物特征，尤其在城市等人造区域，分解结果更准确，可应用于极化SAR目标的识别与分类。
-
公开(公告)号：CN107122728A
公开(公告)日：2017-09-01
申请号：CN201710263958.3
申请日：2017-04-21
申请人： 西安电子科技大学
IPC分类号： G06K9/00
摘要： 一种基于证据理论算法的SAR图像中检测建筑物的方法，其实现步骤为：(1)输入图像；(2)对输入的一幅含有待检测建筑物的合成孔径雷达SAR图像进行滤波；(3)获取显著图像；(4)获取500个注意焦点；(5)分割滤波后的图像；(6)计算每个连通区域的可信度；(7)判断每个连通区域的可信度是否大于0.5，若是，则执行步骤(9)，否则，执行步骤(8)；(8)删除连通区域；(9)输出最终检测结果。本发明采用判断每个连通区域的可信度，克服了过于依赖角线检测结果的准确度问题，具有提高检测精度的优点。可应用于高分辨率SAR图像中的建筑物的检测和识别。
-
公开(公告)号：CN103399863B
公开(公告)日：2017-07-28
申请号：CN201310279645.9
申请日：2013-06-25
申请人： 西安电子科技大学
IPC分类号： G06F17/30
摘要： 本发明公开一种基于边缘方向差特征袋的图像检索方法，首先输入要检索的图像；对该图像通过方向可调滤波器处理；结合方向滤波器结果提取图像边缘像素点；提取该图像所有边缘像素点的方向差特征；从待检索图像中随机选取训练图像并提取边缘像素点方向差特征；对训练图像方向差特征聚类构建特征袋字典；对待检索图像同样提取边缘像素点方向差特征；检索和待检索图像均基于特征袋字典提取编码直方图特征；检索图像和待检索图像进行编码直方图特征相似性匹配；按照相似性匹配值显示图像检索结果。本发明检索速度快、准确率和回调率较高，对于大型图像数据库检索尤显优势，可应用于实时人机交互和大型图像数据库的图像检索。
-
公开(公告)号：CN103218823B
公开(公告)日：2016-04-13
申请号：CN201310169168.0
申请日：2013-05-08
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于核传播的遥感图像变化检测方法，主要解决现有技术不能准确反映数据间关系导致的检测正确率不高的缺点。其实现步骤为：输入两幅不同时相的遥感图像，对其做差得到差值图像；对差值图像进行过分割得到超像素集，将超像素集用k均值方法分为肯定变化类、肯定非变化类和不确定类；在属于肯定变化类和肯定非变化类的超像素中选取种子构造约束集；用约束集计算种子核矩阵，再用核传播公式计算全核矩阵并对其对角归一化；对归一化全核矩阵聚类得到变化检测结果。本发明具有较强的抗噪性，能有效地去除杂点，同时较好的保留边缘信息，检测结果准确率高。可用于城区扩展监测、森林和植被变化监测等领域。
-
-
-
-
-
-
-
-
-
搜索结果
251 条记录 (耗时 0.043 秒)
