-
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：CN105631471A
公开(公告)日：2016-06-01
申请号：CN201510974480.6
申请日：2015-12-23
CPC classification number: G06K9/6271 , G06K9/4671 , G06K9/6223
Abstract: 本发明公开了一种融合单帧特征和动态纹理模型的极光序列分类方法。主要解决现有技术特征提取不全面，对极光序列分类准确率不高的问题。实现步骤为：1.获取训练极光序列和测试极光序列；2.提取测试极光序列的单帧词袋BOW-SIFT特征，组成特征序列；3.根据特征序列分别提取测试极光序列的特征观测矩阵和特征状态转移矩阵；4.根据特征观测矩阵和特征状态转移矩阵求测试极光序列到训练极光序列的马丁距离；5.根据马丁距离，对测试极光序列进行最近距离分类。本发明能实现对四类极光序列的计算机自动分类，且具有分类准确率高的优点，可用于图像序列的特征提取和识别。
-
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：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：CN104992186B
公开(公告)日：2018-04-17
申请号：CN201510412383.8
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了基于动态纹理模型的极光视频分类方法。其技术方案是利用极光视频帧之间的重复相关性，从极光视频帧之间的动态变化特性入手，对四类形态极光视频进行普适性建模并提取特征，对极光视频进行分类。实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取测试极光视频的动态纹理特征；(3)提取测试极光视频的状态转移矩阵；(4)求测试极光视频到训练集样本的马丁距离；(5)根据极光视频间的马丁距离，对测试极光视频进行最近距离分类。本发明能实现对四类极光视频的计算机自动分类，且具有分类准确率高的优点。可用于极光视频的特征提取和计算机图像识别。
-
Patent Agency Ranking
公开(公告)号：CN105095864A
公开(公告)日：2015-11-25
申请号：CN201510418703.0
申请日：2015-07-16
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6232 , G06K9/6269
Abstract: 本发明公开了一种基于深度学习二维主成分分析的极光图像检测方法，主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为：(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵，得到一阶全局特征；(2)对一阶全局特征提取其二阶特征向量，同时产生二阶滤波器矩阵，得到二阶全局特征；(3)对二阶全局特征进行分块直方图统计，提取出分块直方图特征；(4)用支持向量机分类器对分块直方图特征进行分类，得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测，且具有分类准确率高的优点，可用于极光图像的特征提取和计算机图像检测。
-
公开(公告)号：CN107229936A
公开(公告)日：2017-10-03
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：CN107194375A
公开(公告)日：2017-09-22
申请号：CN201710470703.4
申请日：2017-06-20
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于三维主成分分析网络的视频序列分类方法，用于解决现有技术中存在的视频序列动态特征提取不充分的技术问题。实现步骤为：(1)利用三维主成分分析法提取待分类视频序列的三维主成分特征；(2)提取待分类视频序列的三维主成分特征的一阶网络全局特征；(3)提取待分类视频序列的三维主成分特征的二阶网络全局特征；(4)获取待分类视频序列的三维主成分分析网络特征；(5)对支持向量机SVM分类器进行训练；(6)对视频序列进行分类。本发明利用三维主成分分析网络实现了对视频序列的分类，有效提高了视频序列分类的准确率，可用于视频序列特征提取和视频序列分类。
-
公开(公告)号：CN104463226A
公开(公告)日：2015-03-25
申请号：CN201410820185.0
申请日：2014-12-25
Applicant: 西安电子科技大学
CPC classification number: G06K9/6218 , G06K9/6268
Abstract: 本发明公开了一种基于序列环扇形分块局部方向模式SRLDP的弧状极光序列检测方法，主要解决现有技术忽略极光图像时间域信息检测不准确的问题。其实现步骤为：(1)利用序列局部方向模式编码方法提取极光序列局部方向模式特征，得到极光序列局部方向模式图；(2)将序列局部方向模式图分为环扇形块，统计每个环扇形块的像素点画出其直方图；(3)将一个序列的环扇形块的直方图转化为一个局部向量并串接，对所有序列重复操作，将串接后的局部向量作为极光序列局部方向模式特征矩阵的行向量；(4)利用自动调节谱聚类方法对极光序列局部方向模式特征矩阵进行聚类，得到分类结果。本发明提高了对弧状极光序列分类的准确率，可用于事件检测。
-
公开(公告)号：CN105095864B
公开(公告)日：2018-04-17
申请号：CN201510418703.0
申请日：2015-07-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习二维主成分分析的极光图像检测方法，主要解决现有技术对极光图像信息提取不充分的问题。其实现步骤为：(1)利用二维主成分分析法提取一阶特征向量并产生一阶滤波器矩阵，得到一阶全局特征；(2)对一阶全局特征提取其二阶特征向量，同时产生二阶滤波器矩阵，得到二阶全局特征；(3)对二阶全局特征进行分块直方图统计，提取出分块直方图特征；(4)用支持向量机分类器对分块直方图特征进行分类，得到分类结果。本发明实现了对现有三类极光图像的计算机自动检测，且具有分类准确率高的优点，可用于极光图像的特征提取和计算机图像检测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.051 seconds)
