-
公开(公告)号：CN110097530B
公开(公告)日：2023-03-24
申请号：CN201910318421.1
申请日：2019-04-19
Applicant: 西安电子科技大学
IPC: G06T5/50 , G06T7/11 , G06V10/762 , G06V10/77 , G06V10/772
Abstract: 本发明公开的基于超像素聚类与联合低秩表示的多聚焦图像融合方法，涉及图像处理技术领域，通过接收经过配准的源图像IA和IB，利用谱聚类算法，对IA和IB进行超像素分割，再对超像素利用K均值算法进行聚类，并对源图像以超像素为单位进行特征提取，构建针对每一个超像素类的特征矩阵。构建字典及联合低秩表示模型并结合拉普拉斯一致性约束项，分别对源图像IA和IB中的超像素类所对应的特征矩阵进行联合低秩表示，计算出IA的低秩表示系数ZA和误差矩阵EA以及IB的低秩表示系数ZB和误差矩阵EB，利用表示系数和误差设计融合规则，构建建最终的融合图像，解决了现有技术存在的融合结果中出现的块状模糊和突兀的过渡边缘现象，提高了图像融合的质量和视觉效果。
-
公开(公告)号：CN110097530A
公开(公告)日：2019-08-06
申请号：CN201910318421.1
申请日：2019-04-19
Applicant: 西安电子科技大学
Abstract: 本发明公开的基于超像素聚类与联合低秩表示的多聚焦图像融合方法，涉及图像处理技术领域，通过接收经过配准的源图像IA和IB，利用谱聚类算法，对IA和IB进行超像素分割，再对超像素利用K均值算法进行聚类，并对源图像以超像素为单位进行特征提取，构建针对每一个超像素类的特征矩阵。构建字典及联合低秩表示模型并结合拉普拉斯一致性约束项，分别对源图像IA和IB中的超像素类所对应的特征矩阵进行联合低秩表示，计算出IA的低秩表示系数ZA和误差矩阵EA以及IB的低秩表示系数ZB和误差矩阵EB，利用表示系数和误差设计融合规则，构建建最终的融合图像，解决了现有技术存在的融合结果中出现的块状模糊和突兀的过渡边缘现象，提高了图像融合的质量和视觉效果。
-
公开(公告)号：CN109802736A
公开(公告)日：2019-05-24
申请号：CN201910186920.X
申请日：2019-03-13
Applicant: 西安电子科技大学
IPC: H04B17/382
Abstract: 本发明实施例公开了一种频谱感知的方法、装置及计算机存储介质，该方法包括：在当前迭代过程中，获取当前的归一化功率谱；针对所述当前归一化功率谱按照设定的正向判决策略进行判定：相应于第一判定结果，确定当前累积的总频谱分段占用数目，并更新用于获取下次迭代的归一化功率谱的参数，进入下次迭代；相应于第二判定结果，针对所述当前归一化功率谱按照设定的反向判决策略进行判定：相应于第三判定结果，确定当前累积的总频谱分段占用数目，并更新用于获取下次迭代的归一化功率谱的参数，进入下次迭代；相应于第四判定结果，确定当前累积的总频谱分段占用数目，并基于所述当前累积的总频谱分段占用数目确定未被占用的频谱分段。
-
公开(公告)号：CN109495198A
公开(公告)日：2019-03-19
申请号：CN201910075068.9
申请日：2019-01-25
Applicant: 西安电子科技大学
IPC: H04B17/382
Abstract: 本发明公开了一种基于残差相关矩阵检测的欠采样频谱感知方法，解决了现有技术必须依赖于不易感知的先验信息的问题。其方案是：对输入信号采样；得到测量矩阵A和残差矩阵V；初始化信号恢复参数；计算与当前残差矩阵最相关的列索引值Iτ；得到中间残差矩阵 得到修正残差矩阵Vτ；得到检测统计量 计算判决门限 对比检测统计量 与判决门限 得到信号支撑集。本发明将欠采样频谱感知转化为二元判决，通过残差检测控制迭代，判决门限不受噪声影响，在无先验知识，极低信噪比和较低的虚警概率下仍能获得优异检测性能，增加采样次数可显着提高检测性能。实用，漏检、虚警概率低，复杂度低，感知性能受噪声功率影响较小，感知性能比较稳定。
-
公开(公告)号：CN103914847B
公开(公告)日：2017-03-29
申请号：CN201410143117.5
申请日：2014-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于相位一致性和SIFT的SAR图像配准方法，主要解决了传统SIFT方法应用于合成孔径雷达SAR图像配准失效或精度较低的问题，本发明实现的步骤是：(1)输入两幅图像；(2)提取SIFT特征；(3)筛选特征点；(4)滤除错误匹配点对；(5)获得几何形变参数；(6)得到配准结果。本发明与现有技术相比，改善了对错误匹配点的滤除能力，增强了对噪声的鲁棒性，从而提高了实测合成孔径雷达SAR图像配准的精度。
-
Patent Agency Ranking
公开(公告)号：CN103606164B
公开(公告)日：2016-11-02
申请号：CN201310647726.X
申请日：2013-12-03
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于高维三重马尔可夫场的SAR图像分割方法，主要解决现有技术中分割区域一致性不足的问题，其实现步骤是：(1)输入SAR图像，并对其初始化分割获得分割标记场；(2)通过自协方差运算，建立附加标记场；(3)计算像素点分割标记可靠性参数；(4)计算像素点与其高维邻域内像素点的起伏相似性参数；(5)构建高维邻域下分割标记场、附加标记场以及SAR图像三者的联合分布概率；(6)基于联合分布概率，构建后验边缘概率分割模型；(7)最大化后验边缘概率更新分割标记场和附加标记场，获得最终分割结果。本发明提高了同质区域的分割一致性及异质区域的分割精度，可用于SAR图像目标检测与识别。
-
公开(公告)号：CN104732546A
公开(公告)日：2015-06-24
申请号：CN201510155396.1
申请日：2015-04-02
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种区域相似性和局部空间约束的非刚性SAR图像配准方法，主要解决现有刚性配准方法应用于大幅SAR图像配准效果不佳的问题，其实现的步骤是：1.输入两幅SAR图像；2.提取输入图像的特征点，计算局部特征描述符相似性；3.构建特征点背景区域相似性；4.构建特征点局部空间约束条件；5.根据步骤2、3和4构建匹配代价函数；6.利用概率松弛算法对匹配代价函数进行迭代优化，得到最佳匹配点；7.根据最佳匹配点，获得几何形变参数，得到配准结果。本发明与现有技术相比，增强了对斑点噪声和特征异常点的鲁棒性，提高了模拟非刚性形变的能力，提高了大幅实测SAR图像配准效果，可用于图像融合和变化检测。
-
公开(公告)号：CN103473559A
公开(公告)日：2013-12-25
申请号：CN201310404719.7
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于NSCT域合成核的SAR图像变化检测方法，主要解决现有Gabor域合成核导致的无法用多分辨率分析进行SAR图像变化检测的问题。其实现步骤是：(1)将原始两时相SAR图像分别进行多个尺度、多个方向的NSCT分解；(2)提取分解后两时相图像在每一个尺度上的归一化的强度特征和纹理特征，并构造尺度内的强度纹理差值合成核；(3)将任意一个尺度内的差值合成核输入到支撑矢量机中进行检测，得到该尺度的变化检测结果；(4)对所有尺度的变化检测结果进行决策级尺度间融合得到最终的变化检测结果。本发明与现有的Gabor域合成核方法相比，检测精度高，运算效率高，可用于SAR图像变化检测。
-
公开(公告)号：CN109257127B
公开(公告)日：2021-08-20
申请号：CN201811034509.2
申请日：2018-09-06
Applicant: 西安电子科技大学
IPC: H04B17/309 , H04B17/336
Abstract: 本发明公开了一种基于自适应随机共振的通信信号检测方法。解决了现有技术中随机共振的系统结构参数和计算步长选取难的问题。实现步骤为：输入通信信号，对粒子群确定参数并初始化；对接收信号进行时间上的采样；建立自适应随机共振系统模型；用粒子群优化算法计算随机共振系统的适应度值；判断迭代是否终止；输出已检测信号。本发明以随机共振系统为模型建立粒子群，用粒子群算法确定系统结构参数和计算步长，实现自适应控制，将输出信噪比和误比特率作为适应度值，用粒子群优化算法寻优，获取自适应随机共振系统的最佳结构参数，能够最优地检测出噪声背景下的微弱信号。本发明大幅度提高了输出信噪比，降低了误比特率，用于数字信号检测。
-
公开(公告)号：CN112924749A
公开(公告)日：2021-06-08
申请号：CN202110156715.6
申请日：2021-02-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法，该方法为：对获取的功率谱数据进行预处理，获得功率谱密度估计；通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型；通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld；根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult，并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性，使用卷积神经网络代替传统方式的全连接网络，减小了网络的规模；采用对抗自编码器，将对抗思想引入电磁频谱异常信号检测，能够学习到更加有效的特征，相比传统普通的编解码器模型有更好的检测能力。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.032 seconds)
