-
公开(公告)号：CN116229295A
公开(公告)日：2023-06-06
申请号：CN202310176483.X
申请日：2023-02-28
Applicant: 西安电子科技大学
IPC: G06V20/17 , G06V10/44 , G06V10/77 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于融合卷积注意力机制的遥感图像目标检测方法，解决了小目标检测精度低，收敛速度慢的问题。实现包括：收集并处理遥感图像数据；搭建特征提取主干网络、融合卷积的Transformer编码‑解码架构；组成融合卷积注意力机制目标检测网络模型；训练、测试目标检测网络模型。本发明采用金字塔结构的下采样特征提取主干网络，对不同大小的输入图像输出大小相同的特征矩阵；搭建了具有深度卷积、逐点卷积的卷积模块，增强了对遥感图像局部特征的信息提取能力；将部分注意力头替换为卷积模块，降低了矩阵运算的大参数量，降低了训练耗时。用在航空飞机、遥感卫星、智慧交通、智慧农业等对遥感图像目标检测实时性和准确率要求高的领域。
-
公开(公告)号：CN108256557B
公开(公告)日：2021-09-28
申请号：CN201711415902.1
申请日：2017-12-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种结合深度学习和邻域集成的高光谱图像分类方法，主要解决现有技术使用训练样本多且分类效果差的问题，其技术方案：在高光谱数据中通过选取不同的邻域尺度，获得结合不同的空间信息的数据集；将不同空间信息的数据集分别输入到不同的自编码网络中，获得不同空间信息下的分类结果；将上述的分类结果进行连接，并作为训练数据训练一个新的自动编码器网络，作为最终的集成网络；将不同空间信息下的自编码器的对测试样本的分类结果进行连接构成集成网络的测试样本；将新的测试样本输入到集成网络，获得高光谱图像的最终分类结果。本发明使用训练样本少，分类精度高，可用于环境监测，土地利用和目标识别等。
-
公开(公告)号：CN108802697B
公开(公告)日：2020-04-14
申请号：CN201810315242.8
申请日：2018-04-10
Applicant: 西安电子科技大学
Abstract: 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：CN108109156B
公开(公告)日：2019-10-11
申请号：CN201711415934.1
申请日：2017-12-25
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于比值特征的SAR图像道路检测方法，主要解决现有技术对道路边缘定位不准确、虚警率高的问题。其实现包括：1)对SAR图像进行降斑并提取9种纹理特征，2)从9种纹理特征中依据巴氏距离筛选对分类贡献最大的3种纹理特征；3)逐点计算降斑后图像中对比比值特征R1和相似比值特征R2；4)用具有2)和3)结果的样本构造道路字典D1和背景字典D2；5)对每个像素点分别求解与道路字典D1的平均差值E1和与背景字典D2的平均差值E2，通过差值对像素点进行分类，得到初步检测结果；6)对初步检测结果进行优化，得到最终的到了检测结果。本发明能比较完整的、清晰的检测出SAR图像中的道路，适用于检测SAR图像中不同方向、不同宽度的道路。
-
公开(公告)号：CN108280461A
公开(公告)日：2018-07-13
申请号：CN201711293508.5
申请日：2017-12-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种使用OpenCL加速的快速全局K-均值聚类方法，实现的步骤是：(1)读入数据集和聚类总数；(2)在OpenCL硬件设备端转置数据；(3)计算质心，作为第一个初始聚类中心点；(4)使用K-means算法聚类；(5)在OpenCL硬件设备端选取新的初始聚类中心点；(6)判断当前聚类中心点总数是否小于或者等于聚类总数，若是，则执行第(4)步，若不是，则执行第(7)步；(7)输出聚类结果。本发明可在任何支持开放运算语言OpenCL的硬件设备上实现对海量的聚类数据实时处理。
-
Patent Agency Ranking
公开(公告)号：CN104484681B
公开(公告)日：2018-03-13
申请号：CN201410577411.7
申请日：2014-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间信息和集成学习的高光谱遥感影像分类方法，主要解决传统单一分类器自身的局限性和现有集成方法只是利用光谱信息而忽略空间信息的问题。其实现步骤为：1)对高光谱遥感影像数据做PCA变换并提取第一主成分，并对第一主成分进行图像分割，得到一幅分割图；2)用随机特征子集选择方法得到Z个波段子集；3)用SVM对特征子集分别进行训练和测试，得到Z个预测集；4)用多数投票法融合分割图和Z个预测集，得到Z个融合后的标签集；5)对Z个标签集再次用多数投票法进行融合，得到最终的分类映射。本发明在随机特征子集选择集成方法中引入空间信息，极大的提高了分类效果，可用于实际中训练样本特别少的分类。
-
公开(公告)号：CN107172426A
公开(公告)日：2017-09-15
申请号：CN201710490906.X
申请日：2017-06-23
Applicant: 西安电子科技大学
IPC: H04N19/132 , H04N19/139 , H04N19/176 , H04N19/513 , H04N19/59 , H04N7/01
Abstract: 本发明提出了一种基于双MIC的OpenCL并行帧率上转换方法，在保证图像质量的前提下，有效缩短帧率上转换的运行时间，提高帧率上转换的运行效率。实施步骤为：主线程对OpenCL设备的MIC1和MIC2进行初始化；主线程对读入的视频进行编号；主线程定义信号量并初始化；主线程在主机上开辟内存并创建子线程1和子线程2；子线程1控制MIC1，执行运动估计算法，同时子线程2控制MIC2，执行运动补偿算法，实现视频帧率的上转换；主线程关闭子线程1和子线程2。本发明有效地提高了算法的运行效率，可用于视频帧率上转换领域。
-
公开(公告)号：CN104463805B
公开(公告)日：2017-03-15
申请号：CN201410782610.1
申请日：2014-12-16
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明具体提供了一种基于同质性显著度和方向选择的极化SAR相干斑噪声抑制方法，实现步骤为：1)读入相干矩阵格式的极化SAR数据得到图像O，计算O的SPAN系数得到SPAN图像S；2)计算同质性显著度图，得到显著图Z；3)判断O中每个点的方向；4)确定每一点的相似邻域D；5)在D内对极化SAR图像O降斑处理；6)将搜索窗尺寸扩大到17×17，对上一步得到的滤波结果重复3)～5)的操作再进行一次滤波，得到最终滤波结果；7)用Pauli向量法将滤波后的相干矩阵合成伪彩图。本发明相比现有技术显著提高了极化SAR图像相干斑的抑制能力，同时很好的保护了边缘与纹理细节信息，可用于极化SAR图像的预处理过程。
-
公开(公告)号：CN104392463B
公开(公告)日：2017-02-22
申请号：CN201410781962.5
申请日：2014-12-16
Applicant: 西安电子科技大学
Abstract: 本发明属于图像显著区域检测技术领域，具体公开了一种基于联合稀疏多尺度融合的图像显著区域检测方法，其步骤包括：(1)对训练图像集构造出多层高斯金字塔实现多尺度化，训练得到各个尺度下的字典；(2)对测试图像中的每一个像素点取图像块，联合稀疏求解该图像块在各个尺度下的稀疏表示系数；(3)将稀疏表示系数作为特征，进行显著性的计算；(4)融合多个尺度下的显著结果得到最终的显著图。本发明实现了提取任意给定图像中人眼感兴趣区域的目的，其优点在于：首先，多尺度操作克服了图像不同尺度下的影响；其次，联合稀疏框架非常有益于后续的显著度计算。实验表明，本方法的结果具有较好的鲁棒性，优于大多数现有方法的结果。
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.035 seconds)
