-
公开(公告)号：CN110516666B
公开(公告)日：2023-01-17
申请号：CN201910618457.1
申请日：2019-07-10
Applicant: 西安电子科技大学
IPC: G06V20/62 , G06V20/54 , G06V30/146 , G06V30/19
Abstract: 本发明属于模式识别与图像处理技术领域，公开了一种基于MSER和ISODATA相结合的车牌定位方法，将待检测图像转换为灰度图像，提取出灰度图像中的最大稳定极值区域MSER并拟合出最小矩形框，根据车牌字符特征对矩形框进行筛选，得到候选字符矩形框；对得到的候选字符矩形框左上角纵坐标进行迭代自组织处理ISODATA，得到聚类后的结果，找到聚类后含有矩形框最多的一个样本集，确定为候选车牌字符矩形框；根据矩形框的位置确定车牌上下边界；根据矩形框的位置，通过滑窗方法，找出包含矩形框最多的窗口，确定左右边界。本发明的车牌定位方法能够克服恶劣天气、光照较差等不利条件进行准确定位，鲁棒性强。
-
公开(公告)号：CN111402616B
公开(公告)日：2022-01-04
申请号：CN202010104835.7
申请日：2020-02-20
Applicant: 西安电子科技大学
IPC: G08G1/0968 , G08G1/14 , G08G1/01
Abstract: 本发明属于智慧交通中的停车场路径规划领域，公开了一种智能停车控制方法、系统、存储介质、计算机程序、终端，利用获取到的停车场物理信息构建出叠加数据能量场，完成停车位的推荐；对停车场所有停车位的停车时长进行定期统计，拟合统计结果，将拟合结果与原始数据能量场叠加完成参数的更新；通过实时的停车场物理信息计算出所有道路实时的权值并构建出停车场实时的无向带权图，利用改进后的Dijkstra算法规划出实时的最优路径；对结果进行展示并利用获取到的实时的停车场物理信息对结果进行不断优化直至用户完成停车。本发明有效的解决了大型停车场车位多且分布不规则所带来的问题；具有更好的动态性和实时性。
-
公开(公告)号：CN108257154B
公开(公告)日：2021-10-29
申请号：CN201810028892.4
申请日：2018-01-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于区域信息和CNN的极化SAR图像变化检测方法，主要解决现有变化检测技术虚警率较高，检测区域不准确的问题。其方案是：1)对二时相PolSAR图像进行超像素分割和合并；2)计算结合空间信息的Wishart似然比差异图；3)利用差异图通过FCM算法进行预分类；4)根据预分类结果提取训练和待分类数据；5)构建变化检测网络CNN；6)利用训练数据训练CNN；7)将待分类数据输入到训练好的网络中，得到变化检测结果，将该结果与预分类结果中的变化类和未变化类一起组成变化检测最终结果。本发明避免了统计建模和超像素分割的不准确性带来的误差，可用于车辆目标的移动检测以及洪涝灾害的检测。
-
公开(公告)号：CN111553205A
公开(公告)日：2020-08-18
申请号：CN202010282766.9
申请日：2020-04-12
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统，获取数据集并进行数据集划分、预处理；使用预先训练过的ResNet-50作为主干网络，进行提取基础特征张量；加入通道注意力机制与空间注意力机制得到新的特征张量；设计四个相对独立的网络分别用于提取更高层次的语意特征；利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型；用训练好的模型对测试图像测试得到重识别初始排序结果；对初始排序结果使用重排序算法再次排序；可视化最终排序结果。本发明有效提高无车牌信息情况下的车辆重识别识别率，提高了复杂场景下的基于无车牌信息的车辆重识别准确率。
-
公开(公告)号：CN110516666A
公开(公告)日：2019-11-29
申请号：CN201910618457.1
申请日：2019-07-10
Applicant: 西安电子科技大学
Abstract: 本发明属于模式识别与图像处理技术领域，公开了一种基于MSER和ISODATA相结合的车牌定位方法，将待检测图像转换为灰度图像，提取出灰度图像中的最大稳定极值区域MSER并拟合出最小矩形框，根据车牌字符特征对矩形框进行筛选，得到候选字符矩形框；对得到的候选字符矩形框左上角纵坐标进行迭代自组织处理ISODATA，得到聚类后的结果，找到聚类后含有矩形框最多的一个样本集，确定为候选车牌字符矩形框；根据矩形框的位置确定车牌上下边界；根据矩形框的位置，通过滑窗方法，找出包含矩形框最多的窗口，确定左右边界。本发明的车牌定位方法能够克服恶劣天气、光照较差等不利条件进行准确定位，鲁棒性强。
-
Patent Agency Ranking
公开(公告)号：CN109636784A
公开(公告)日：2019-04-16
申请号：CN201811488182.6
申请日：2018-12-06
Applicant: 西安电子科技大学
CPC classification number: G06T7/0002 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/90 , G06T2207/10024
Abstract: 本发明提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，用于解决现有技术中图像显著性目标检测准确率低的技术问题。实现步骤为：1.对待检测图像进行超像素分割；2.统计待检测图像中每种颜色出现的频次；3.对待检测图像进行颜色替代；4.对颜色替代后的图像进行预处理；5.计算待检测图像的初始显著性图像；6.确定K个超像素块的显著性值；7.获取最终显著性图像并输出。本发明提高了图像显著性目标检测的准确率，并且可以将图像显著性目标一致高亮，可用于计算机视觉领域中的图像预处理过程。
-
公开(公告)号：CN101155137A
公开(公告)日：2008-04-02
申请号：CN200610152687.6
申请日：2006-09-25
CPC classification number: H04L45/125 , H04L45/00 , H04L45/12 , H04L45/62 , H04L47/70 , H04L47/724
Abstract: 本发明公开了一种确定路由路径的方法，包括：接收业务连接请求信息，所述的业务连接请求信息包括源节点标识、宿节点标识；根据包括波长链路、逻辑链路的网络拓扑信息在各个波长平面上的源节点至宿节点之间寻找代价函数值最小的路径，所述的逻辑链路的代价函数值小于网络中任一波长链路的代价函数值；将所述的代价函数值最小的路径确定为当前业务的路由路径。本发明还公开了一种路由路径确定单元，根据本发明，通过优先使用逻辑链路，并考虑可用带宽和已有逻辑链路中波长链路数对选路的影响，充分利用了网络的带宽资源。
-
公开(公告)号：CN117860275A
公开(公告)日：2024-04-12
申请号：CN202410105304.8
申请日：2024-01-25
Applicant: 西安电子科技大学 , 中国航天员科研训练中心
Inventor： 万波 , 李圭印 , 苏柯嘉 , 刘锦辉 , 杨鹏飞 , 乔寒冰 , 李昕泰 , 霍继旺 , 赵辉 , 王春慧 , 姜昌华 , 王飞 , 罗楠 , 王笛 , 王义峰 , 刘刚 , 王泉 , 艾俊利 , 樊璐 , 刘凯
IPC: A61B5/389
Abstract: 本发明公开了一种基于表面肌电信号的可穿戴上肢肌肉负荷强度评估方法。主要解决现有技术适用性差和肌肉负荷强度评估不准确的问题。其实现方案是：结合定性评估的RULA量表和定量评估的表面肌电信号，建立上肢姿态到肌电信号再到负荷强度的映射关系；构建高集成度可自定义扩展的低功耗可穿戴信号采集设备，以采集人体上肢信号；基于迁移学习和上肢信号建立适用不同用户的高鲁棒性神经网络模型，以评估用户的肌肉负荷强度；搭建肌肉负荷强度评估可视化平台，以展示上肢信号和肌肉负荷强度评估结果。本发明增提高了可穿戴设备的便携性、集成度和能耗比，提升了对不同人群上肢肌肉负荷强度评估的整体准确度，可用于评估人体上肢肌肉负荷强度等级。
-
公开(公告)号：CN109636784B
公开(公告)日：2021-07-27
申请号：CN201811488182.6
申请日：2018-12-06
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于最大邻域和超像素分割的图像显著性目标检测方法，用于解决现有技术中图像显著性目标检测准确率低的技术问题。实现步骤为：1.对待检测图像进行超像素分割；2.统计待检测图像中每种颜色出现的频次；3.对待检测图像进行颜色替代；4.对颜色替代后的图像进行预处理；5.计算待检测图像的初始显著性图像；6.确定K个超像素块的显著性值；7.获取最终显著性图像并输出。本发明提高了图像显著性目标检测的准确率，并且可以将图像显著性目标一致高亮，可用于计算机视觉领域中的图像预处理过程。
-
公开(公告)号：CN111985325A
公开(公告)日：2020-11-24
申请号：CN202010679002.3
申请日：2020-07-15
Applicant: 国网河南省电力公司 , 河南九域恩湃电力技术有限公司 , 河南合众电力技术有限公司 , 西安电子科技大学
Abstract: 本发明属于图像信息处理领域，主要涉及深度学习目标识别，具体的说是特高压环境评价中的航拍小目标快速识别方法，其特征在于，步骤1，建立在特高压环境下的航拍小目标识别网络模型AerialNet；步骤2，在图像训练集上训练构建好的AerialNet网络模型；步骤3，将待检测的原始图像输入到训练好的AerialNet网络模型中,得到待检测图像中的目标类别和位置坐标。本发明中构造了小目标识别网络模型AerialNet，设计了残差网络特征强化模块。进而有效防止了卷积后小目标特征信息的丢失，保留并强化了小目标的丰富特征。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.054 seconds)
