-
公开(公告)号：CN118447399A
公开(公告)日：2024-08-06
申请号：CN202410597341.5
申请日：2024-05-14
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于多尺度频率分解的双路高光谱异常检测方法，首先通过三层卷积提取输入的高光谱数据的特征，然后通过一个多尺度频率分解模块将提取的潜层特征分解为高频数据和低频数据，再分别将低频数据和高频数据送入到低频恢复网络和高频增强网络，得到重构的高频数据和低频数据，最后，通过一层卷积融合重构的高频数据和低频数据得到重构的高光谱数据，在异常检测时，通过马氏距离分别处理高频数据和低频数据，得到最后的检测结果。本发明针对微弱目标等，可以增强目标特征，从而具有较好的检测效果。
-
公开(公告)号：CN118154541A
公开(公告)日：2024-06-07
申请号：CN202410273216.9
申请日：2024-03-11
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 一种基于双层协同结构改进的高光谱异常检测方法，包括如下步骤：使用第一层协同表示对原始高光谱图像H进行预检测；对预检测出的可能异常点进行均值向量填充，完成背景纯化；使用第二层协同表示对背景纯化后的高光谱图像进行重构，得到重构高光谱图像Y；计算原始高光谱图像H和重构高光谱图像Y的重构误差，得到异常检测结果。与现有技术相比，本发明设计了双层协同表示结构，通过第一层协同表示算法将大部分异常点预检出，并用邻域进行背景纯化，有效降低异常点对背景的污染，从而减弱异常点对算法性能的影响，并具有相对优异的检测效果。
-
公开(公告)号：CN117456362A
公开(公告)日：2024-01-26
申请号：CN202311471531.4
申请日：2023-11-07
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/30 , G06V10/36 , G06V10/44 , G06V10/58 , G06V10/762 , G06V10/80 , G06V10/77 , G06V10/772
摘要： 本发明涉及一种基于高光谱图像的异常检测方法，主体基于滤波和低秩分解的空‑谱联合特征提取方法对高光谱图像进行异常检测。具体方法包括：首先在空间维度，通过数据降维以及特征值加权融合的方法获得降维后图像，而后通过改进的空间滤波方法提取图像的空间特征，获得初始空间特征图像。在光谱维度，在原始高光谱图像上利用塔克分解方法来获得近似背景的背景重构图像，并通过改进的k均值聚类方法来获得图像的背景字典，然后将背景字典输入到低秩分解模型求解得到稀疏矩阵，获得初始光谱特征图，最后将其与空间特征图像进行融合实现异常检测。
-
公开(公告)号：CN115424028A
公开(公告)日：2022-12-02
申请号：CN202211029799.8
申请日：2022-08-25
申请人： 西安电子科技大学
IPC分类号： G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82
摘要： 本发明公开了一种基于特征增强的轻量化SSD的红外目标检测方法，构建用于提取特征的基础网络结构；该方法包括：将原始图像输入预设网络，经过多个卷积层逐层卷积，在不同的卷积层分别获得图像的低层特征图和高层特征图；通过在低层特征分支后添加设计构建的PAC特征增强模块进行处理来进行特征加强，获得语义信息丰富的低层特征图；对所述语义信息丰富的低层特征图和高层特征图分别预测该特征图上每个网格对应的每个预测框所属的分类与边界框；通过非极大值抑制算法合并边界框，输出整个网络最终的预测结果。本发明在提高检测算法速度的同时，有效地提高了检测精度。
-
公开(公告)号：CN115423998A
公开(公告)日：2022-12-02
申请号：CN202211027153.6
申请日：2022-08-25
申请人： 西安电子科技大学
摘要： 一种基于轻量级无锚检测模型的可见光森林火灾检测方法，标注红外森林火灾图像数据集各图像中火焰的位置和类别信息，得到火焰数据集，并划分训练集、验证集和测试集；构建改进的轻量级无锚检测神经网络，利用主干特征提取网络MobileNetv3g及多尺度最大池化操作提取火灾特征，利用D‑PANet对特征层由深至浅对火灾的特征进行加强特征融合；之后传入ASFF模块进行自适应空间特征融合，使用解耦头解码预测的火焰目标类别信息和位置回归信息进行多尺度预测，得到预测结果；将预测结果进行得分排序和非极大值抑制筛选，筛选出一定区域内得分最高并满足置信度的预测框，由此得到最终的火灾预测结果，本发明具有良好的检测效果。
-
公开(公告)号：CN108550122B
公开(公告)日：2021-10-29
申请号：CN201810315263.X
申请日：2018-04-10
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于自主路径分块传导滤波的图像去噪方法，主要解决现有传导滤波去噪方法对于某些纹理等细节信息的保持性能不够理想的问题。其实现步骤是：1.获取噪声污染图像Xin；2.采用分块相似性描述，计算噪声污染图像Xin的自主路径传导滤波权重ωl,m；3.利用噪声污染图像Xin的自主路径传导滤波权重ωl,m,根据滤波公式计算并输出去噪图像Xout。本发明具有更好的去噪性能和结构保持特性，可用于数字图像的预处理过程。
-
公开(公告)号：CN109767424A
公开(公告)日：2019-05-17
申请号：CN201811522447.X
申请日：2018-12-13
申请人： 西安电子科技大学
摘要： 本发明公开了基于FPGA的双目视觉列车注水口检测定位方法，对采集的列车侧面视频图像进行处理获得二值化的边缘侧面视频图像；对二值化的边缘侧面视频图像进行处理并且与列车注水口侧面模板图像进行匹配，检测出注水口在列车侧面视频图像中的位置，并如果与列车注水口所在的预设位置范围匹配则将匹配有效信号传输至机械装置控制机械车移动停止并开始采集列车底部视频图像，同时对列车底部视频图像进行处理，检测出注水口圆心在列车底部视频图像中的位置，并如果与列车注水口圆心所在的预设位置范围匹配则将匹配有效信号传输至机械装置控制机械臂开始上水与停止上水。本发明能够实现对火车注水口的自动化检测识别，节省人工成本且工作效率高。
-
公开(公告)号：CN108921796A
公开(公告)日：2018-11-30
申请号：CN201810582351.6
申请日：2018-06-07
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于深度学习的红外图像非均匀性校正方法，包括：构建第一多尺度特征提取单元；根据所述第一多尺度特征提取单元构建M个多尺度特征提取单元，形成偏置校正网络；根据所述第一多尺度特征提取单元构建N个多尺度特征提取单元，形成增益校正网络；将所述偏置校正网络与所述增益校正网络进行级联操作，构建非均匀性校正网络；对所述非均匀性校正网络进行训练，得到训练后的校正网络结构；将待校正的红外图像输入所述训练后的校正网络结构中，获得校正后的红外图像。该红外图像非均匀性校正方法有效地适应非均性的漂移，消除了鬼影现象，且校正后图像中的细节信息更加丰富。
-
公开(公告)号：CN107610159A
公开(公告)日：2018-01-19
申请号：CN201710782773.3
申请日：2017-09-03
申请人： 西安电子科技大学
IPC分类号： G06T7/292
摘要： 本发明公开了一种基于曲率滤波和时空上下文的红外弱小目标跟踪方法。具体步骤包括：1.获得第一帧图像上下文区域；2.获得第一帧图像时空上下文区域；3.获得第一帧图像时空上下文区域先验模型；4.计算第一帧图像时空上下文区域的置信图矩阵；5.获取第一帧图像时空上下文模型矩阵；6.获得当前帧图像时空上下文区域；7.预测当前帧目标位置；8.判断是否为最后一帧；9.完成红外弱小目标的跟踪。本发明具有红外弱小目标跟踪速度快，时空上下文在线更新参数准确，红外弱小目标跟踪效果好的优点。
-
公开(公告)号：CN104766334B
公开(公告)日：2017-12-29
申请号：CN201510190521.2
申请日：2015-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种红外弱小目标检测跟踪方法，根据改进的四阶偏微分方程方法对原始红外图像进行处理获得背景抑制和目标增强后的红外图像，根据分块自适应阈值分割的方法提取所述获得的红外图像中候选目标的位置信息以及数目信息，最后根据高斯混合实现的势概率假设密度(GM‑CPHD)滤波器对提取的候选目标的位置信息和数目信息进行多目标状态和数目估计，通过GM‑CPHD滤波器实现对多个红外弱小目标的状态和数目的精确稳定估计；本发明还公开了一种红外弱小目标检测跟踪装置，通过本发明能够易于实现且效果明显优于传统的背景抑制方法，避免了传统多目标跟踪的数据关联问题，能够更加稳定的实时估计随时间变化的多目标状态和数目。
-
-
-
-
-
-
-
-
-
搜索结果
95 条记录 (耗时 0.035 秒)