-
公开(公告)号：CN105741279A
公开(公告)日：2016-07-06
申请号：CN201610056229.6
申请日：2016-01-27
Applicant: 西安电子科技大学
CPC classification number: G06K9/6221 , G06K9/6215 , G06T2207/10004 , G06T2207/20112
Abstract: 本发明提出了一种基于粗糙集的快速抑制模糊聚类的图像分割方法，用于解决现有图像分割方法运行速度慢、分割正确率低和对噪声的鲁棒性差的技术问题，其实现步骤是：1.输入一幅待分割的图像I1；2.求取图像I1中像素点xi的局部信息的加权均值和非局部信息的均值；3.获得重构图像；4.对重构图像的灰度直方图进行聚类；5.判断当前迭代次数是否大于最大迭代次数T，若是，执行步骤6，否则，迭代次数加1，执行步骤4；6.输出所获取的重构图像的隶属度矩阵和聚类中心；7.获得分割图像。本发明提高了图像分割的运行速度和分割正确率，增强了噪声的鲁棒性，可用于人工合成图像、医学图像和自然图像的特征提取和目标识别。
-
公开(公告)号：CN103473560B
公开(公告)日：2016-07-06
申请号：CN201310404988.3
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开一种基于上下文约束编码的目标跟踪方法，主要解决目标发生快速运动、光照变化、外观剧烈变化导致跟踪失败的问题。实现步骤为：（1）输入一段视频第一帧，人工标记出待跟踪目标；（2）获取搜索窗与正负样本；（3）提取搜索窗特征描述子构建字典，提取正负样本特征描述子进行编码，训练分类器模型；（4）载入新一帧视频图像，获取检测样本，提取特征描述子并编码；（5）利用分类器对检测样本的编码进行分类预测，估计出待跟踪目标位置；（6）根据跟踪位置获取正负样本和搜索窗，更新字典，升级分类器，执行下一帧。本发明确保了图像空间位置的一致性，提高了目标跟踪的稳定性和准确性，可用于交通管制、安全监测、医学图像方面。
-
公开(公告)号：CN103456017B
公开(公告)日：2016-07-06
申请号：CN201310404794.3
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于种子集的半监督权重核模糊聚类的图像分割方法，其实现步骤为：(1)选择图像；(2)提取待分割图像纹理特征；(3)产生聚类对象数据矩阵；(4)初始化聚类中心、隶属度和核参数；(5)计算点密度函数值；(6)更新聚类中心、隶属度和核参数；(7)计算目标函数值；(8)判断是否满足终止条件；如果是，执行(9)，否则，执行(6)；(9)产生分割图像。本发明提取图像每个像素的纹理特征，用基于种子集的半监督权重核模糊聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的分割结果。
-
公开(公告)号：CN103606136B
公开(公告)日：2016-05-25
申请号：CN201310647623.3
申请日：2013-12-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于关键帧和非局部约束的视频超分辨方法，主要解决了超分辨时对匹配准则依赖性高的难题。其实现步骤为：(1)输入视频X；（2）对视频X中的一帧低分辨率图像作双三次插值放大获得放大图像；对距离放大图像最近的高分辨率图像作高通滤波，获得低、高频分量；(3)分别在放大图像和低频分量中提取图像块，并对低频图像块作K聚类；（4）将放大图像块与聚类中心作比较，找到最相似的类，在最相似类中找到相似的低频图像块；(5)由相似的低频图像块找到相对应的高频图像块，再对高频图像块作非局部加权，得到重构的高分辨率图像；(6)对视频每一帧低分辨率图像，重复步骤(2)～步骤(5)，获得高分辨率视频。本发明可用于视频的增强或恢复。
-
公开(公告)号：CN103593825B
公开(公告)日：2016-04-13
申请号：CN201310488729.3
申请日：2013-10-17
Applicant: 西安电子科技大学
IPC: G06T5/00
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于改进的非局部约束和局部自相似性的图像超分辨方法。其实现步骤为：(1)对低分辨率图像X作双三次插值放大和高通滤波，获得预放大图像及低、高频分量；(2)分别在预放大图像和低频分量中提取图像块；(3)对低频图像块进行K聚类，并将预放大图像块与每一类的聚类中心作比较，找到最相似的类，进而在最相似类中找到3个相似的低频图像块；(4)根据相似的低频图像块找到相对应的高频图像块，再对这些高频图像块进行非局部加权，得到重构的初步高分辨率图像；(5)将重构的高分辨率图像作为下一次的输入图像，重复步骤(1)～步骤(4)，获得最终的高分辨率图像。本发明在对图像超分辨时，能够锐化图像边缘，更好的恢复图像高频细节。
-
Patent Agency Ranking
公开(公告)号：CN103366175B
公开(公告)日：2016-04-13
申请号：CN201310296468.5
申请日：2013-07-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于潜在狄利克雷分配的自然图像分类方法，主要解决现有全监督自然图像分类方法分类时间较长以及在缩短了分类时间的前提下分类精度下降的问题。其实现步骤为：获取每幅自然图像的色调、饱和度、亮度、显著特征图；对所述特征图分别进行网格稠密采样，得到其网格采样点；对每一个网格采样点提取其周围区域的SIFT特征；对同类特征图的SIFT特征进行K聚类，生成视觉词典；用视觉词典将所有特征图量化为视觉文档；将视觉文档顺次相连后输入给LDA模型得到潜在语义主题分布；将所有自然图像的潜在语义主题分布输入给SVM分类器进行分类，得到分类结果。本发明与经典分类方法相比，在缩短了平均分类时间的同时提高了分类精度，可用于目标识别。
-
公开(公告)号：CN103310414B
公开(公告)日：2016-02-10
申请号：CN201310071636.0
申请日：2013-03-06
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于方向波变换和模糊理论的图像增强算法，主要解决传统图像增强算法只对高频信息进行增强处理，而忽略了对包含大部分图像能量和信息的低频信息处理导致图像增强效果差的问题。其实现步骤为：(1)输入原始图像，对其分别进行45度、90度及135度三个方向的方向波变换，得到对应的低频信息和高频信息；(2)对低频信息进行模糊增强处理；(3)对高频信息进行非线性抑噪增强处理；(4)将增强后的低频信息和高频信息进行方向波逆变换，分别得到45度、90度及135度增强的图像；(5)将三个增强图像进行加权平均，获得最终的增强图像。本发明具有方向选择性好，细节增强效果明显，对比度高的优点，可用于低对比度图像的增强处理。
-
公开(公告)号：CN105261004A
公开(公告)日：2016-01-20
申请号：CN201510575694.6
申请日：2015-09-10
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/20081
Abstract: 本发明公开了一种基于均值漂移和邻域信息的模糊C均值图像分割方法，主要解决现有图像分割方法的分割精确低和鲁棒性差的问题。其方法步骤是：(1)输入一幅待分割图像；(2)采用均值漂移算法，计算聚类数目和初始聚类中心；(3)初始化；(4)计算待分割图像中邻域图像块的权值；(5)计算待分割图像中每一个像素点的加权模糊因子权值；(6)聚类迭代；(7)判断是否满足迭代停止条件；(8)产生分割图像。本发明充分利用了图像的邻域信息，使该方法对噪声的鲁棒性更好，图像的分割正确率得到很大提高。
-
公开(公告)号：CN103412847B
公开(公告)日：2016-01-13
申请号：CN201310374495.X
申请日：2013-08-24
Applicant: 西安电子科技大学
IPC: G06F13/40
Abstract: 本发明公开了一种基于FPGA的USB转多路链路接口电路，主要解决现有单个USB不能与转换为多路链路接口的问题。它包括：USB数据转存单元（1）、下行数据读取单元（2）、下行数据解析单元（3）、N个下行先入先出存储器单元（4）、N个下行Link Port单元（5）、N个上行Link Port单元（6）、N个上行先入先出存储器单元（7）、上行数据写入单元（8）和状态机单元（9）。USB数据转存单元（1）提取USB数据，存入下行先入先出存储器单元（4），再由下行Link Port单元（5）将数据发送给ADSP；上行Link Port单元（6）提取Link Port数据，存储到上行先入先出存储器单元（7），再由USB数据转存单元（1）转换为USB数据。本发明具有结构简单、速度快的优点，可用于USB转多路链路接口。
-
公开(公告)号：CN105160310A
公开(公告)日：2015-12-16
申请号：CN201510527937.9
申请日：2015-08-25
Applicant: 西安电子科技大学
CPC classification number: G06K9/00335 , G06K9/6269
Abstract: 本发明公开了一种基于3D卷积神经网络的人体行为识别方法，主要用于解决计算机视觉和模式识别领域具体的人体行为的识别问题。其实现步骤为：(1)视频输入；(2)预处理，得到训练样本集和测试样本集；(3)构造3D卷积神经网络；(4)提取特征向量；(5)进行分类训练；(6)输出测试结果。本发明利用光流法实现对人体检测和运动估计，能够在不知道场景的任何信息的情况下，检测出运动对象。本发明在网络的输入为多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程，使得对人体行为的识别更加准确。
-
-
-
-
-
-
-
-
-
Search Results
1205
records
(took 0.052 seconds)
