-
公开(公告)号:CN116091330A
公开(公告)日:2023-05-09
申请号:CN202211093047.8
申请日:2022-09-08
申请人: 西安电子科技大学
IPC分类号: G06T5/00 , G06N3/0475 , G06N3/094
摘要: 本发明涉及一种基于生成对抗网络的图像修复方法,本发明利用生成对抗网络和多尺度注意力机制的方法对具有大面积丢失的图像进行修复。具体方法包括:首先使用真实图像对生成对抗网络进行训练;然后提取训练好的生成器作为图像修复的网络结构;最后将受损图像通过图像修复网络,从而获得图像修复结果。
-
公开(公告)号:CN112150409A
公开(公告)日:2020-12-29
申请号:CN202010855029.3
申请日:2020-08-24
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于FPGA的实时全方位目标检测方法及系统,该方法为:逐行对原始图像Iorig进行初步细节增强,获得大目标边缘以及小目标增强后的图像Ior;根据原始图像数据Iorig(i,j)对所述大目标边缘以及小目标增强后的图像Ior的图像数据边Ior缘(i,后j)的进细行节细层节图提像取数获据得I平new滑(i,大j目);标对所述平滑大目标边缘后的细节层图像数据Inew(i,j)进行二次细节增强,获得仅包含小目标的细节层图像数据Idlnew(i,j);对所述仅包含小目标的细节层图得图阈像像数值Its分据n进割I行dl后n下ew的(采i图,样j像),进并It行且sn,逐阈n为行值像读分素取割索数,获引据;及对逐所行述显阈示值图分像割数后据的。
-
公开(公告)号:CN115393297A
公开(公告)日:2022-11-25
申请号:CN202210973587.9
申请日:2022-08-15
申请人: 西安电子科技大学
摘要: 本发明涉及一种基于差异加权局部对比度的红外弱小目标检测方法,本发明利用多尺度局部差异因子和改进的多尺度相对局部对比图得到不同尺度下的局部对比度显著图,利用自适应均值方差的阈值分割法得到检测结果。具体方法包括:首选在各个尺度下计算局部差异因子和改进的相对局部对比度;然后筛选出全部尺度下的局部差异因子和相对局部对比度的最大值和最小值,将他们进行归一化后相结合得到不同尺度下的局部对比显著图;最后通过最大池化操作用最大的局部对比度作为最终显著图,再利用自适应均值方差的阈值分割法得到最终检测结果。
-
公开(公告)号:CN113989129A
公开(公告)日:2022-01-28
申请号:CN202111019820.1
申请日:2021-09-01
申请人: 西安电子科技大学
摘要: 本发明公开一种基于门控和上下文注意力机制的图像修复方法,对所采用的可见光数据集图像及其轮廓图像乘以二进制掩膜M,分别得到降质后的缺失图像和辅助信息图像;通过所述降质后的缺失图像和额外的辅助信息图像构建包含真实图像、缺失图像和辅助信息图像的数据集;通过添加感受野模块和损失函数对上下文注意力模块进行改进,构建基于门控卷积和上下文注意力机制的改进的生成对抗网络模型;通过所述缺失图像和辅助信息图像对生成对抗网络模型进行训练,获得最优的生成对抗网络模型;将待修复输入到最优的生成对抗网络模型中,获得有效修复图像。本发明相较于传统算法在大区域或不规则区域缺失的图像修复问题上具有明显的进步。
-
公开(公告)号:CN115439431A
公开(公告)日:2022-12-06
申请号:CN202211041079.3
申请日:2022-08-29
申请人: 西安电子科技大学
摘要: 本申请公开了一种基于光谱损失函数的栈式降噪自编码器和协同表示的高光谱异常检测方法,该方法针对高光谱图像数据量大且冗余信息多的问题,以不影响算法检测精度为前提,对高光谱图像进行特征提取,本发明通过对自编码器的网络结构与损失函数进行改进优化,提升网络对高光谱图像的特征提取能力,并选取自编码器网络的中间隐藏层结果作为输出来降低冗余计算量,最后使用协同表示算法得到最终异常检测结果。与多种代表算法相比,该方法具有更好的检测性能。
-
公开(公告)号:CN113936136A
公开(公告)日:2022-01-14
申请号:CN202111122583.1
申请日:2021-09-24
申请人: 西安电子科技大学
IPC分类号: G06V10/25 , G06V10/143 , G06V10/80 , G06K9/62 , G06N3/04
摘要: 本申请公开了一种基于深度学习融合通道混洗的红外目标检测方法,该方法包括:将原始图像输入预设网络,提取原始图像的特征图;将特征图输入候选框生成层;将特征图输入RPN网络,确定候选框,并输出候选框至候选框生成层;候选框生成层将候选框在输入特征图进行映射,得到候选框特征图;将候选框特征图通过池化层调整为固定大小的固定特征图;将固定特征图输入至完全连接层,固定特征图通过softmax层输出类别,固定特征图通过线性回归层输出对应的边界框,得到原始图像的目标检测结果图。该方案在提高检测速度的同时保证了检测的精度。
-
公开(公告)号:CN115424102A
公开(公告)日:2022-12-02
申请号:CN202210953758.1
申请日:2022-08-10
申请人: 西安电子科技大学
摘要: 本发明涉及一种基于各向异性引导滤波的多聚焦图像融合方法。该发明首先对源图像提取显著性特征,针对传统特征提取方法中易引入噪声的缺陷,采用基于差异性引导框架的显著性特征提取方法,然后针对融合权重构造过程中聚焦区域连续性差的问题,联合梯度特征与强度方差算子对图像进行复合聚焦度测量,得到粗融合权重图,再采用形态学滤波与各向异性引导滤波对其进行优化以使聚焦区域边界与散焦区域边界对齐,得到最终融合权重图,最后进行多聚焦图像融合。
-
公开(公告)号:CN115424049A
公开(公告)日:2022-12-02
申请号:CN202211026537.6
申请日:2022-08-25
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于优化K‑means聚类和C‑V模型的红外林火检测方法,首先采用最大中值滤波算法对红外图像进行噪声抑制预处理,然后结合粒子群优化与K‑means聚类算法对红外图像中的火灾目标区域进行粗分割,并将粗分割结果作为初始轮廓线,使用基于变分水平集的C‑V模型实现对火灾目标边界的优化,最终根据红外火灾目标特性对疑似区域进行特征判别,以得到最终的检测结果。本发明针对红外森林火灾图像中火灾区域边缘模糊、分散并存在烟雾的红外辐射阴影等问题,可以有效地消除干扰物,解决火焰内部漏检问题,具有较好的检测效果。
-
公开(公告)号:CN112150409B
公开(公告)日:2023-04-25
申请号:CN202010855029.3
申请日:2020-08-24
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于FPGA的实时全方位目标检测方法及系统,该方法为:逐行对原始图像Iorig进行初步细节增强,获得大目标边缘以及小目标增强后的图像Ior;根据原始图像数据Iorig(i,j)对所述大目标边缘以及小目标增强后的图像Ior的图像数据Ior(i,j)进行细节提取获得平滑大目标边缘后的细节层图像数据Inew(i,j);对所述平滑大目标边缘后的细节层图像数据Inew(i,j)进行二次细节增强,获得仅包含小目标的细节层图像数据Idlnew(i,j);对所述仅包含小目标的细节层图像数据Idlnew(i,j)进行阈值分割,获得阈值分割后的图像Itsn,n为像素索引;对所述阈值分割后的图像Itsn进行下采样,并且逐行读取数据及逐行显示图像数据。
-
公开(公告)号:CN115424104A
公开(公告)日:2022-12-02
申请号:CN202210998016.0
申请日:2022-08-19
申请人: 西安电子科技大学
摘要: 一种基于特征融合与注意力机制的目标检测方法,红外图像输入MobileNet网络进行逐层卷积计算,得到不同尺度的特征图,建立双向特征融合模块IBFPN,将所述用于检测的特征金字塔图像输入IBFPN,以进行上下层信息的相互融合;经过IBFPN后,将各融合特征层输入到注意力模块ECBAM,通过ECBAM为不同的特征赋予不同的比重;将经IBFPN和ECBAM处理的不同尺度的特征图送入检测模块进行检测,获取每个候选框的类别及相应的边界框,得到预测结果;将预测结果进行非极大值抑制,删除多余的目标框,获得最终的检测结果。综合对比多种检测算法后,实验结果表明,本发明可以有效提高红外目标的检测精度。
-
-
-
-
-
-
-
-
-