-
公开(公告)号：CN116957940A
公开(公告)日：2023-10-27
申请号：CN202310969541.4
申请日：2023-08-02
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于轮廓波知识引导网络的多尺度图像超分辨率重建方法，包括：获取待重建的低分辨率图像；将低分辨率图像输入训练完成的轮廓波知识引导网络中，输出对应的超分辨率重建图像；轮廓波知识引导网络，包括依次级联的contourlet滤波器模块、嵌入子网络、预测网络和超分辨重建模块，其中，低分辨率图像输入嵌入子网络，再经过预测网络和超分辨重建模块后得到对应的超分辨率重建图像；嵌入子网络对输入的低分辨率图像进行特征提取，得到的特征图为预测轮廓波系数提供充足的信息，预测网络对输入的特征图进行轮廓波分解系数预测，得到轮廓波分解系数预测值，超分辨重建模块对轮廓波分解系数预测值进行逆变换得到超分辨率重建图像。
-
公开(公告)号：CN116805376A
公开(公告)日：2023-09-26
申请号：CN202310618438.5
申请日：2023-05-29
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于香农块注意机制的多尺度轮廓波网络的图像分类方法，包括：步骤1：获取原始遥感图像，对原始遥感图像进行标准化预处理，得到待测遥感图像；步骤2：将待测遥感图像输入至已训练的分类网络模型中，得到原始遥感图像的场景分类结果；其中，分类网络模型采用基于香农块注意机制的多尺度轮廓波网络。本发明的图像分类方法，利用基于香农块注意机制的多尺度轮廓波网络实现遥感图像的场景分类，该网络通过空域中的卷积神经网络和频域的Contourlet特征学习的优势，可以实现对遥感图像的多尺度、多方向的特征提取，从而提高分类精度；其次，通过Contourlet池化很好地保留了图像的边缘和纹理细节信息，也在一定程度上提升了遥感图像的分类效果。
-
公开(公告)号：CN116703934A
公开(公告)日：2023-09-05
申请号：CN202310678492.9
申请日：2023-06-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度轮廓波并行反向注意网络的图像分割方法，涉及图像处理技术领域，包括：获取待分割图像；使用多尺度轮廓波并行反向注意网络中的特征聚合模块提取待分割图像的空域特征、频域特征和频域增强后的特征，通过多尺度轮廓波并行反向注意网络中的并行部分解码器将频域增强后的特征进行聚合，得到全局映射图；根据多尺度轮廓波并行反向注意网络中的反向注意力模块，将全局映射图结合空域特征、频域增强后的特征和频域特征逐层获取反向注意力特征，将反向注意力特征经过激活函数处理，得到预测图。本发明能够增加网络模型的可解释性。
-
公开(公告)号：CN117011720A
公开(公告)日：2023-11-07
申请号：CN202310593523.0
申请日：2023-05-24
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/04 , G06N3/0464 , G06N3/098 , G06N3/084
Abstract: 本发明公开了一种基于复数NSCT神经网络和统计特征的极化SAR图像分类方法，包括：对待分类的极化SAR图像进行预处理，并将其分为训练集和测试集；构建复数NSCT神经网络，并设置网络参数；复数NSCT神经网络包括复空域特征学习模块、复频域NSCT特征学习模块、统计特征集成模块以及分类模块；将训练集输入到复数NSCT神经网络中，对网络进行训练；利用训练好的复数NSCT神经网络对测试集进行分类，以获得极化SAR图像分类结果。该方法缓解了斑点噪声对纹理信息提取的干扰，增强了图像特征的方向性、奇异性和正则性的稀疏表示，提升了网络的分类能力和逼近性能，从而提高了极化SAR图像的分类结果。
-
-
-
Search Results
4
records
(took 0.041 seconds)
