-
公开(公告)号：CN113034521B
公开(公告)日：2023-01-24
申请号：CN202110355088.9
申请日：2021-03-31
Applicant: 西安电子科技大学
IPC: G06T7/12 , G06T7/11 , G06T7/136 , G06V10/762 , G06V10/764 , G06N3/126
Abstract: 本发明公开了一种基于多目标进化的极化SAR图像超像素分割方法，主要解决现有技术易受噪声干扰、分割图像的边界拟合性和分割效果差的问题。其方案是：将极化SAR图像超像素分割看作是一个多目标优化问题，首先将类内距离函数值和类间距离函数值作为该多目标优化问题的目标函数，并利用进化算法求解；其次，使用边界函数和交叉变异加快求解进程，得到一组Pareto解；选择拐点处的Pareto解包含的所有超像素中心，计算每个像素对所有超像素中心的隶属度，将每个像素归属于隶属度最大的超像素中心，完成分割。本发明增强了超像素分割结果的边界拟合性，提升了图像的分割效果，可用于极化SAR图像数据的分类。
-
公开(公告)号：CN110245709B
公开(公告)日：2021-09-03
申请号：CN201910526990.5
申请日：2019-06-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度学习和自注意力机制的3D点云数据语义分割方法，用于解决现有技术中存在的分割精度较低的技术问题，实现步骤包括：(1)获取训练集和验证集；(2)构建深度学习和自注意力机制的3D点云数据语义分割网络；(3)设置训练深度学习和自注意力机制的3D点云数据语义分割网络所需的损失函数；(4)对深度学习和自注意力机制的3D点云数据语义分割网络进行监督训练；(5)获取3D点云数据测试集的语义分割结果。本发明在深度学习网络中加入了自注意力模块，能够更好地提取包含各个特征通道之间关系的深层特征，从而提高分割精度。
-
公开(公告)号：CN113034521A
公开(公告)日：2021-06-25
申请号：CN202110355088.9
申请日：2021-03-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多目标进化的极化SAR图像超像素分割方法，主要解决现有技术易受噪声干扰、分割图像的边界拟合性和分割效果差的问题。其方案是：将极化SAR图像超像素分割看作是一个多目标优化问题，首先将类内距离函数值和类间距离函数值作为该多目标优化问题的目标函数，并利用进化算法求解；其次，使用边界函数和交叉变异加快求解进程，得到一组Pareto解；选择拐点处的Pareto解包含的所有超像素中心，计算每个像素对所有超像素中心的隶属度，将每个像素归属于隶属度最大的超像素中心，完成分割。本发明增强了超像素分割结果的边界拟合性，提升了图像的分割效果，可用于极化SAR图像数据的分类。
-
Patent Agency Ranking
公开(公告)号：CN108460408B
公开(公告)日：2020-04-07
申请号：CN201810112178.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 一种基于残差学习和条件GAN的极化SAR图像分类方法，其步骤为：(1)构建条件GAN的生成器；(2)构建条件GAN的鉴别器；(3)对待分类极化SAR图像进行滤波；(4)对滤波散射矩阵进行pauli分解；(5)对特征矩阵进行归一化；(6)生成训练数据集和测试数据集；(7)对生成器中的深浅层特征进行残差学习；(8)对残差学习后的特征进行分类；(9)获得分类正确率；(10)训练条件GAN的生成器；(11)对测试数据集进行分类。本发明将极化SAR图像在生成器中得到的深浅层特征进行残差学习，提取了全面的特征信息，使分类结果图区域一致性好，分类精度高。
-
公开(公告)号：CN110532859A
公开(公告)日：2019-12-03
申请号：CN201910648586.5
申请日：2019-07-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度进化剪枝卷积网的遥感图像目标检测方法，解决现有遥感图像目标检测中未对检测速度及检测精度同时全局有效优化的问题。具体步骤：处理数据集；构建深度卷积特征提取子网；构建全卷积FCN检测子网；构建并训练深度卷积目标检测网络；构建并训练基于深度进化剪枝卷积网的目标检测网络；用训练好的模型对测试数据集进行目标检测；输出测试结果。本发明用深度可分离卷积构造反残差结构，在高检测精度的同时大幅降低模型参数量；目标检测网络与进化剪枝相结合，实现全局加速。本发明大幅降低计算量、显著提高目标检测速度，检测精度高，用于对遥感图像中的飞机与舰船等小目标进行快速、准确检测。
-
公开(公告)号：CN110176005A
公开(公告)日：2019-08-27
申请号：CN201910407115.5
申请日：2019-05-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于归一化指数和多尺度模型的遥感图像分割方法，主要解决现有方法数据利用率低以及分割精度低的问题，其实施方案为：1)对数据预处理生成多尺度多通道数据集；2)利用多尺度数据训练分割网络，得到两个多尺度分割模型；3)用两个多尺度分割模型生成待检测图片的第一分割结果和第二分割结果；4)利用多通道数据计算水体归一化指数，根据设定的阈值用水体归一化指数生成第三分割结果；5)融合叠加三个分割结果，并对融合后的结果进行边界优化和形态学处理，得到最终分割结果。本发明提高了对遥感图像的分割精度，提升了对遥感图像信息的利用效率，可应用于对目标的分割或识别。
-
公开(公告)号：CN104021563A
公开(公告)日：2014-09-03
申请号：CN201410276595.3
申请日：2014-06-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多目标模糊聚类和反对学习的噪声图像分割方法，主要解决已有技术分割噪声图像效果差的问题。其实现步骤为：(1)提取噪声图像的邻域信息；(2)确定相邻像素间的约束关系；(3)生成初始种群，并进行初始设定；(4)构建初始种群中所有个体的图像细节保持和去除噪声两个目标函数及隶属度矩阵；(5)计算种群中所有个体的子问题目标函数；(6)对种群进行反对学习、交叉和变异操作，并进行更新；(7)对更新后的种群的Pareto前端，选取其拐点对应的个体的隶属度矩阵去模糊，输出分割结果。本发明既能保持图像细节，又能去除噪声，同时提高了图像分割效率，可用于提取后续图像处理所需的目标。
-
公开(公告)号：CN102903081A
公开(公告)日：2013-01-30
申请号：CN201210330712.0
申请日：2012-09-07
Applicant: 西安电子科技大学
Abstract: 本发明提出一种基于RGB彩色模型的低光照图像增强方法，主要解决现有技术忽略甚至丢失图像细节信息、边缘信息的问题。将低光照图像的彩色信息运用到图像增强过程中，其实现步骤是：(1)提取输入图像的R、G、B分量图像；(2)对R、G、B分量图像进行分频；(3)对R、G、B分量图像的低频分量进行直方图均衡化；(4)对R、G、B分量图像的高频分量进行加权处理；(5)线性组合处理后的低频分量和高频分量，得到处理后的R、G、B分量图像；(6)组合处理后的R、G、B分量图像，输出最终的增强图像。本发明在提高图像亮度的同时，有效地减少了图像中的噪声，较好地保留了图像的边缘信息和细节信息，可用于提高光照不足情况下拍摄的彩色图像的质量。
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
