-
公开(公告)号：CN105550712B
公开(公告)日：2019-01-08
申请号：CN201510976336.6
申请日：2015-12-23
Abstract: 本发明公开了基于优化卷积自动编码网络的极光图像分类方法，主要解决现有技术对极光图像分类准确率较低的问题。其实现步骤为：1.求极光图像显著图并基于其显著图提取训练样本；2.对训练样本进行白化预处理；3.训练自动编码网络AE；4.利用训练好的自动编码网络求极光图像的卷积自编码特征；5.将极光图像的卷积自编码特征进行平均池化；6.将池化后的卷积自编码特征输入到softmax分类器，实现对极光图像的分类。本发明能实现对四类极光图像的计算机自动分类，且具有分类准确率高的优点。可用于图像的场景分类与目标识别。
-
公开(公告)号：CN105844662A
公开(公告)日：2016-08-10
申请号：CN201610143376.7
申请日：2016-03-14
Applicant: 西安电子科技大学
IPC: G06T7/20
CPC classification number: G06T2207/10036
Abstract: 本发明公开了一种基于流体力学的极光运动方向确定方法，创新性的在极光动态过程的研究中引入了流体力学的理论，主要解决现有极光运动方向自动确定方法效率低的问题。其实现步骤为：1.输入待分析的极光序列；2.对序列中的每帧全天空极光图像进行预处理；3.应用流体力学中的离散格子玻尔兹曼方法计算整个极光动态过程中沿各方向移动的粒子数目；4.根据沿各方向移动的粒子数目，确定极光运动方向。本发明通过结合流体粒子运动，对极光运动方向进行确定。克服了极光作为非刚体的这一特性，具有计算简单、运算量小、处理速度快的优点，提高了确定极光运动方向的效率，可用于极光动态过程分析。
-
公开(公告)号：CN107229936B
公开(公告)日：2020-06-23
申请号：CN201710365058.X
申请日：2017-05-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了基于球状鲁棒序列局部二值化模式的序列分类方法方法，主要解决现有技术对极光序列分类准确率不高和时间复杂度不够低的问题。其技术方案是：1.选取训练数据序列和测试数据序列；2.求出训练数据序列的球状鲁棒序列局部二值化编码值，统计得到训练数据的特征向量；3.将训练数据序列的特征向量和标签输入到SVM中进行训练得到训练模型；4.求出测试数据序列的球状鲁棒序列局部二值化编码值，统计得到测试数据的特征向量；5.将测试数据序列的特征向量输入到训练好的SVM模型中得到分类结果。本发明提高了极光序列的分类准确率，降低了时间复杂度，可用于计算机对极光序列的自动分类。
-
公开(公告)号：CN108764084A
公开(公告)日：2018-11-06
申请号：CN201810475657.1
申请日：2018-05-17
Applicant: 西安电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00744
Abstract: 本发明公开了一种基于空域分类网络和时域分类网络融合的视频分类方法，主要解决现有视频分类方法准确率低的问题。其实现方案为1)获取训练集和测试视频；2)从训练集中提取视频帧；3)使用训练集对卷积神经网络进行训练；4)对从训练集中提取的视频帧提取特征；5)使用训练集对空域分类网络进行训练；6)使用训练集对时域分类网络进行训练；7)使用训练后的空域分类网络和时域分类网络对测试视频进行分类，并对空域分类网络和时域分类网络的分类结果进行融合，完成对视频的分类。本发明相比现有视频分类方法有效提高了分类准确率，可用于视频的特征提取和识别。
-
公开(公告)号：CN105825179A
公开(公告)日：2016-08-03
申请号：CN201610144001.2
申请日：2016-03-14
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6218
Abstract: 本发明提出了一种基于极光弧运动特征的极向运动极光结构识别方法，用于解决现有极向运动极光结构的识别方法存在的效率低且准确率低的技术问题，其实现步骤为：1.输入极光图像序列并对其进行边缘去噪的预处理；2.对经过预处理的每帧图像进行聚类，获取每帧图像的极光弧区域；3.计算每帧图像极光弧区域的重心位置坐标；4.线性拟合多帧连续图像的极光弧区域重心位置坐标，得线性拟合线；5.根据极光弧重心变化特征设定阈值，并用阈值与线性拟合线斜率比较大小；6根据比较结果，判定事件是否发生，并输出判定结果。本发明具有识别效率和准确率高的优点，可用于极向运动极光结构的识别。
-
Patent Agency Ranking
公开(公告)号：CN108764084B
公开(公告)日：2021-07-27
申请号：CN201810475657.1
申请日：2018-05-17
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于空域分类网络和时域分类网络融合的视频分类方法，主要解决现有视频分类方法准确率低的问题。其实现方案为1)获取训练集和测试视频；2)从训练集中提取视频帧；3)使用训练集对卷积神经网络进行训练；4)对从训练集中提取的视频帧提取特征；5)使用训练集对空域分类网络进行训练；6)使用训练集对时域分类网络进行训练；7)使用训练后的空域分类网络和时域分类网络对测试视频进行分类，并对空域分类网络和时域分类网络的分类结果进行融合，完成对视频的分类。本发明相比现有视频分类方法有效提高了分类准确率，可用于视频的特征提取和识别。
-
公开(公告)号：CN108596243A
公开(公告)日：2018-09-28
申请号：CN201810360076.3
申请日：2018-04-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多级眼动注视图和条件随机场的眼动注视图预测方法，主要解决了现有技术预测准确率不高的问题。其实现步骤为：1.采集眼动数据并将其分为训练集与测试集；2.构建并在训练集上训练三个全卷积神经网络；3.在测试集上生成三个全卷积神经网络的预测图；4.使用条件随机场融合三个全卷积神经网络的预测图，融合的结果做为最终预测图。本发明通过融合不同等级下的眼动注视图预测结果，更符合空间物理专家对极光图像的认知过程，提高了注视图预测的准确率，可用于语义分割与显著性分析。
-
公开(公告)号：CN105550712A
公开(公告)日：2016-05-04
申请号：CN201510976336.6
申请日：2015-12-23
CPC classification number: G06K9/6256 , G06K9/627 , G06N3/088
Abstract: 本发明公开了基于优化卷积自动编码网络的极光图像分类方法，主要解决现有技术对极光图像分类准确率较低的问题。其实现步骤为：1.求极光图像显著图并基于其显著图提取训练样本；2.对训练样本进行白化预处理；3.训练自动编码网络AE；4.利用训练好的自动编码网络求极光图像的卷积自编码特征；5.将极光图像的卷积自编码特征进行平均池化；6.将池化后的卷积自编码特征输入到softmax分类器，实现对极光图像的分类。本发明能实现对四类极光图像的计算机自动分类，且具有分类准确率高的优点。可用于图像的场景分类与目标识别。
-
公开(公告)号：CN108596243B
公开(公告)日：2021-09-10
申请号：CN201810360076.3
申请日：2018-04-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多级眼动注视图和条件随机场的眼动注视图预测方法，主要解决了现有技术预测准确率不高的问题。其实现步骤为：1.采集眼动数据并将其分为训练集与测试集；2.构建并在训练集上训练三个全卷积神经网络；3.在测试集上生成三个全卷积神经网络的预测图；4.使用条件随机场融合三个全卷积神经网络的预测图，融合的结果做为最终预测图。本发明通过融合不同等级下的眼动注视图预测结果，更符合空间物理专家对极光图像的认知过程，提高了注视图预测的准确率，可用于语义分割与显著性分析。
-
公开(公告)号：CN108734679A
公开(公告)日：2018-11-02
申请号：CN201810504070.9
申请日：2018-05-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种计算机视觉系统，包括：显示模块、图像增强系统，所述显示模块包括一个参考系统与一个识别系统，所述显示模块连接编码模块，所述编码模块连接平铺卷积神经网络，所述平铺卷积神经网络采用TICA方法，所述平铺卷积神经网络连接所述图像增系统，所述图像增强系统包括一个特征提取模块与一个图像放大模块，所述图像增强模块连接采样模块，所述采样模块包括一个区域图像恢复模块与一个通信模块，所述采样模块连接输出模块。本发明的优点：解决计算机对图像判读，提高判读准确度，使其可以进行大型图像处理，提高图像处理的效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
