“朱虎明”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果80个，建议您升级VIP下载更多相关专利

[发明专利]一种基于量子粒子群优化的二维双阈值SAR图像分割方法-CN201410085337.7有效
发明人：焦李成;刘芳;刘佳颖;马文萍;马晶晶;王爽;侯彪;李阳阳;朱虎明 -专利权人：西安电子科技大学
申请日： 2014-03-10 - 公布日： 2014-07-09 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于量子粒子群优化的二维双阈值SAR图像分割方法，其实现步骤为：（1）初始化粒子群种群规模M和最大迭代次数T_max，随机生成每个粒子的初始位置；（2）计算适应度函数，根据最大类内方差值得到当前粒子的最优位置和本次迭代的全局最优位置；（3）计算P_id和mbest_d；（4）构造随机数组；（5）设置界定值，判断其与界定值的关系，根据公式更新粒子位置；（6）检查是否达到结束条件，若达到则结束；否则返回步骤（2）继续。（7）全局最优位置指向的粒子的两个维度里保存着所要寻找的一对最优阈值，根据该对阈值对SAR图像进行分割。本发明与经典分割方法相比，对SAR图像分割的效果更好，时间复杂度相对较小。
一种基于子粒子群优化二维阈值 sar 图像分割方法

[发明专利]基于Freeman分解和粒子群优化的极化SAR图像分类方法-CN201410086488.4在审
发明人：焦李成;刘芳;刘佳颖;马文萍;马晶晶;王爽;侯彪;李阳阳;朱虎明 -专利权人：西安电子科技大学
申请日： 2014-03-11 - 公布日： 2014-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于Freeman分解和粒子群优化的极化SAR图像分类方法，主要解决现有技术计算复杂度较高和分类效果差的问题，其实现步骤为：（1）输入极化SAR数据的协方差矩阵；（2）对输入的矩阵进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率矩阵；（3）根据三种散射功率矩阵将极化SAR数据进行初始划分；（4）用基于QPSO优化的二维双阈值Otsu法获得每一类的两个阈值；（5）再将初始划分的每一类极化SAR数据划分为3类，从而将整个极化SAR数据划分为9类；（6）对整个极化SAR数据的划分结果进行复Wishart迭代并上色，得到最终彩色分类结果图。本发明与经典分类方法相比，对极化SAR数据的划分更加严谨，分类结果明显，计算复杂度相对较小。
基于 freeman 分解粒子优化极化 sar 图像分类方法

[发明专利]基于小波描述子的目标跟踪方法-CN201210414785.8有效
发明人：田小林;焦李成;刘朵;张小华;缑水平;朱虎明;钟桦;马文萍 -专利权人：西安电子科技大学
申请日： 2012-10-25 - 公布日： 2014-05-07 - 主分类号： G06T7/20 文献下载
摘要：本发明公开一种基于小波描述子的目标跟踪方法，主要解决现有技术中由于目标发生遮挡或者快速变化而导致目标跟踪失败的问题。其实现步骤为：(1)输入一段视频的第一帧，并人工标记出待跟踪的目标；(2)建立目标模板；(3)计算目标的颜色直方图；(4)在新一帧视频图像的搜索区域中提取小波特征；(5)求与目标模板距离的局部极小值；(6)计算目标的颜色直方图；(7)判断目标是否被遮挡，并在部分遮挡情况下对提取出的角点特征进行跟踪，在全遮挡情况下利用运动估计实现目标跟踪；(8)循环执行步骤(4)～步骤(7)，直至视频结束。本发明与现有的技术相比在目标发生遮挡或者快速变化情况下提高了目标跟踪的鲁棒性。
基于描述目标跟踪方法

[发明专利]基于约束对的半监督核K均值聚类的图像分割方法-CN201310405098.4有效
发明人： 朱虎明;焦李成;李巧兰;王爽;马文萍;马晶晶;田小林;李立红;任新营 -专利权人：西安电子科技大学
申请日： 2013-09-08 - 公布日： 2013-12-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤为：（1）选择图像；（2）提取图像纹理特征；（3）产生聚类对象数据矩阵；（4）划分聚类对象数据矩阵；（5）初始化聚类中心；（6）计算距离；（7）判断是否满足约束条件，如果满足，执行步骤（8），否则，返回步骤（5）；（8）计算均值；（9）判断是否满足终止条件，如果满足，执行步骤（10），否则，返回步骤（6）；（10）产生分割图像。本发明提取图像纹理特征，用基于约束对的半监督核K均值聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的图像分割结果。
基于约束监督均值图像分割方法

[发明专利]基于种子集的半监督权重核模糊聚类的图像分割方法-CN201310404794.3有效
发明人： 朱虎明;焦李成;李巧兰;王爽;缑水平;马晶晶;田小林;陈红强;马文萍 -专利权人：西安电子科技大学
申请日： 2013-09-08 - 公布日： 2013-12-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于种子集的半监督权重核模糊聚类的图像分割方法，其实现步骤为：(1)选择图像；(2)提取待分割图像纹理特征；(3)产生聚类对象数据矩阵；(4)初始化聚类中心、隶属度和核参数；(5)计算点密度函数值；(6)更新聚类中心、隶属度和核参数；(7)计算目标函数值；(8)判断是否满足终止条件；如果是，执行(9)，否则，执行(6)；(9)产生分割图像。本发明提取图像每个像素的纹理特征，用基于种子集的半监督权重核模糊聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的分割结果。
基于种子监督权重模糊图像分割方法

[发明专利]基于散射功率和强度联合统计的极化SAR图像分类方法-CN201310168351.9有效
发明人：缑水平;焦李成;王维芳;朱虎明;王爽;刘坤;侯小瑾 -专利权人：西安电子科技大学
申请日： 2013-05-08 - 公布日： 2013-08-21 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于散射功率和强度联合统计的极化SAR图像分类方法，主要解决现有技术对散射特性相似区域难以区分和分类类别数固定的问题。其实现过程是：1）采用Lee滤波器对相干矩阵T滤波；2)利用Freeman分解得到功率矩阵；3）利用特征值分解得到强度矩阵；4)对功率矩阵和强度矩阵分别进行8邻域求平均；5)选取k类匀质区域作为训练样本；6）采用EM算法对k类样本的功率矩阵和强度矩阵概率密度分布函数的参数进行估计；7)求解k类样本功率矩阵和强度矩阵的联合概率分布；8)对待分类极化SAR数据进行贝叶斯分类，得到分类结果。本发明具有对极化SAR图像分类效果显著的优点，可进一步用于极化SAR图像目标检测和目标识别。
基于散射功率强度联合统计极化 sar 图像分类方法

[发明专利]基于局部熵视觉注意模型的遥感图像变化检测方法-CN201310090795.5有效
发明人：缑水平;焦李成;余田田;马晶晶;马文萍;朱虎明 -专利权人：西安电子科技大学
申请日： 2013-03-20 - 公布日： 2013-07-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于局部熵的视觉注意模型的遥感图像的变化检测方法，主要解决现有技术中变化检测漏检率高的问题。其实现过程是：首先，对变化前后的遥感图像分别提取灰度和方向特征，得到变化前后图像在每个特征空间内的特征图像；其次，用变化前后特征图像构造前后高斯金字塔，并在前后高斯金字塔之间进行“中央-差值”运算，得到每个特征空间下的特征图；然后，分别对不同特征空间内的特征图计算局部熵，并将不同特征空间内的加熵特征图进行加权融合，得到视觉注意模型显著图；最后，用模糊C均值的方法对显著图进行分类，得到最终的变化检测结果图。本发明避免了已有技术中的信息丢失和累积误差等问题，提高了变化检测的检测精度。
基于局部视觉注意模型遥感图像变化检测方法

[发明专利]基于低秩稀疏模型的遥感图像变化检测方法-CN201310090791.7有效
发明人：缑水平;焦李成;余田田;马文萍;马晶晶;朱虎明 -专利权人：西安电子科技大学
申请日： 2013-03-20 - 公布日： 2013-07-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于低秩稀疏模型的遥感图像的变化检测方法，主要解决现有技术中构造差异图信息丢失严重的问题。其实现过程是：首先，用对数比值法从变化前后的遥感图像中提取出初始变化区域；其次，用该初始变化区域与变化前后图像，构造模拟遥感图像序列；然后，用低秩稀疏分解算法，将模拟遥感图像序列分解为低秩矩阵，稀疏矩阵和噪声矩阵三个部分；最后，用模糊C均值的方法对稀疏矩阵最后一列的列向量进行分类，得到最终的变化检测结果图。本发明具有检测精度高，信息丢失和累积误差少的优点，可用于目标检测与识别，图像分割以及机器学习领域。
基于稀疏模型遥感图像变化检测方法

[发明专利]基于字典学习和结构聚类的图像超分辨率重建方法-CN201310030035.5有效
发明人：张小华;焦李成;刘伟;马文萍;马晶晶;田小林;朱虎明;唐中和 -专利权人：西安电子科技大学
申请日： 2013-01-25 - 公布日： 2013-05-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于字典学习和结构聚类的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本；（2）对训练样本进行结构聚类；（3）利用OMP和K-SVD的方法训练得到各类的字典；（4）求出输入的低分辨率图像块的稀疏表示系数；（5）利用高分辨率字典和稀疏系数重建高分辨率图像块；（6）对高分辨率图像块加权求和，得到加权求和后的高分辨率图像块；（7）根据高分辨率图像块，得到高分辨率图像；（8）通过误差补偿，对高分辨率图像进行高频信息增强，得到最终的结果。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
基于字典学习结构图像分辨率重建方法

[发明专利]基于字典学习和结构相似的图像超分辨率重建方法-CN201310030207.9有效
发明人：张小华;焦李成;刘伟;马文萍;马晶晶;田小林;朱虎明;唐中和 -专利权人：西安电子科技大学
申请日： 2013-01-25 - 公布日： 2013-05-01 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于字典学习和结构相似的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本对；（2）利用结构相似SSIM和K-SVD方法学习一对高低分辨率字典；（3）求出输入的低分辨率图像块的稀疏表示系数；（4）利用高分辨率字典和稀疏系数，重建高分辨率图像块X_i；（5）融合高分辨率图像块X_i，得到信息融合后的高分辨图像X′_i；（6）根据高分辨图像X′_i，得到高分辨率图像X；（7）通过误差补偿对高分辨图像X进行高频信息增强，得到高频信息增强后的高分辨率图像。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
基于字典学习结构相似图像分辨率重建方法

[发明专利]基于最近邻分类器和均值漂移的目标跟踪方法-CN201210414788.1有效
发明人：田小林;焦李成;刘朵;张小华;缑水平;朱虎明;钟桦;马文萍 -专利权人：西安电子科技大学
申请日： 2012-10-25 - 公布日： 2013-03-27 - 主分类号： G06T7/20 文献下载
摘要：本发明公开一种基于最近邻分类器和均值漂移的目标跟踪方法，主要解决现有技术中由于目标运动模糊无法捕获特征点和跟踪漂移无法恢复而导致的跟踪失败问题。其实现步骤为：(1)输入视频的第一帧，并用矩形框标记出待跟踪目标；(2)对目标模型初始化；(3)确定新一帧视频图像中目标搜索区域；(4)提取搜索区域内的尺度不变sift特征与目标模型匹配，同时用均值漂移模型跟踪目标；(5)对步骤(4)的结果进行决策级融合作为目标跟踪结果输出；(6)更新没有发生遮挡的目标模型；(7)循环执行步骤(3)~步骤(6)，直至视频结束。本发明与现有技术相比在目标快速运动甚至出现运动模糊或者发生遮挡情况下提高了目标跟踪的准确性。
基于近邻分类均值漂移目标跟踪方法

[发明专利]基于采样学习的SAR图像分割方法-CN201210513077.X无效
发明人：张小华;焦李成;郝阳阳;田小林;朱虎明;戴坤鹏;唐中和;马文萍;马晶晶 -专利权人：西安电子科技大学
申请日： 2012-11-30 - 公布日： 2013-03-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于采样学习的SAR图像分割方法，主要解决现有算法计算量大，分割速度慢的问题。其实现步骤为：(1)输入待分割图像，提取特征；(2)对数据集进行M次随机采样；(3)采用谱聚类算法对M次样本数据集分别进行聚类；(4)将M次聚类后属于同一类的数据合在一起，每一类集合在一起的数据构成该类的新数据集，利用KSVD算法对新数据集训练一个字典；(5)求解测试样本在字典上的稀疏编码；(6)计算测试样本在字典上的重构误差；(7)利用重构误差确定测试样本的标签，得到最终的分割结果。本发明具有分割快速准确的优点，该方法进一步可用于SAR图像目标识别与分类。
基于采样学习 sar 图像分割方法

[发明专利]基于学习和加速鲁棒SURF特征的目标跟踪方法-CN201210415033.3有效
发明人：田小林;焦李成;刘朵;张小华;缑水平;钟桦;朱虎明;马文萍 -专利权人：西安电子科技大学
申请日： 2012-10-25 - 公布日： 2013-02-27 - 主分类号： G06T7/20 文献下载
摘要：本发明公开一种基于学习和加速鲁棒SURF特征的目标跟踪方法，主要解决现有技术中由于目标快速变化或者发生遮挡而导致目标跟踪失败的问题。其实现步骤为：(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；(2)通过跟踪-在线学习-检测模型跟踪目标；(3)判定跟踪与检测目标的结果；(4)提取目标模板和视频当前帧的加速鲁棒SURF特征；(5)利用欧氏距离对获得的加速鲁棒SURF特征进行匹配；(6)输出目标跟踪结果，更新目标模板；(7)循环执行步骤(2)～步骤(6)，直到视频结束。本发明与现有的技术相比在目标快速变化或者发生遮挡情况下提高了目标跟踪的鲁棒性。
基于学习加速 surf 特征目标跟踪方法

[发明专利]基于GPU编程的SAR图像去噪方法-CN201210414683.6有效
发明人：焦李成;朱虎明;孙东;王爽;马文萍;马晶晶;李巧兰;李立红;钟雯倩 -专利权人：西安电子科技大学
申请日： 2012-10-25 - 公布日： 2013-01-30 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于GPU编程的SAR图像去噪方法，主要解决现有技术对大规模SAR图像进行去噪时速度较慢的问题。其实现步骤为：(1)对待去噪图像I进行延拓得到两幅含噪图像；(2)在图形处理器GPU内设置内存区域，将待去噪图像I和两幅含噪图像存储到图形处理器GPU的内存中；(3)在图形处理器GPU内使用多个线程并行计算待去噪图像I中的每个像素点与其他像素点之间的权值；(4)利用权值矩阵，计算待去噪图像I中每个像素点的后向反射系数；(5)对后向反射系数矩阵进行开平方操作，得到最终去噪结果。本发明与现有技术相比，提高了对大规模SAR图像进行PPB去噪的速度，满足了对图像后续处理的实时性要求，可用于对大规模SAR图像进行快速去噪处理。
基于 gpu 编程 sar 图像方法

[发明专利]基于在线学习的遮挡目标跟踪方法-CN201210253327.0有效
发明人：田小林;焦李成;李敏敏;张小华;王桂婷;朱虎明 -专利权人：西安电子科技大学
申请日： 2012-07-20 - 公布日： 2013-01-16 - 主分类号： G06T7/20 文献下载
摘要：本发明公开一种基于在线学习的遮挡目标跟踪方法，主要解决现有技术中当目标被遮挡时，目标发生模板漂移及目标被完全遮挡时跟踪失败的问题。其方法步骤为：(1)输入一段视频的第一帧，并人工标记出待跟踪的目标；（2）建立并初始化随机森林检测器和Kalman滤波器；(3)由随机森林检测器检测目标，由Lucas-Kanade跟踪器跟踪目标；(4)根据随机森林的检测结果和Lucas-Kanade跟踪器的跟踪结果，确定目标位置；(5)判断目标是否被遮挡；(6)判断目标是否被完全遮挡；(7)在线更新；(8)运用更新后的Kalman滤波器对目标的位置进行预测；（9）显示跟踪结果；(10)重复步骤(3)—步骤(9)，直到视频图像结束。本发明具有当目标被部分遮挡或完全遮挡时跟踪准确的优点，可应用于人机交互领域。
基于在线学习遮挡目标跟踪方法