-
公开(公告)号：CN109635789A
公开(公告)日：2019-04-16
申请号：CN201910065087.3
申请日：2019-01-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于强度比和空间结构特征提取的高分辨SAR图像分类方法，对分类的SAR图像通过围绕边界进行镜像反射来进行边界扩展；对扩展后的SAR图像进行块提取；计算块的空间结构特征；再次对原SAR图像进行边界扩展提取块；计算块的强度比特征系数；对强度比特征和空间结构信息特征进行矢量叠加；选取部分样本点放入SVM分类器训练出模型；把整图放入模型中，得出最终的预测标签图作为最终分类结果图。本发明具有分类更加细致，边界更明显，区域提取特征更易于分类的优点，可用于SAR图像分类与目标识别。
-
公开(公告)号：CN109558817A
公开(公告)日：2019-04-02
申请号：CN201811369168.4
申请日：2018-11-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于FPGA加速的机场跑道检测方法，首先将基于局部阈值分割的机场跑道检测算法编写成Kernel；然后将Kernel通过AOC编译器编译成.AOCX可执行文件；主机端通过PCIE接口将原始的高分辨SAR图像数据转化为一维数组数据，通过调用OpenCL语言提供的clEnqueueWriteBuffer函数，将数据发送到FPGA板卡的内存中，并将上述所得到的.AOCX可执行文件在FPGA板卡上运行；得到最终的处理结果；最后主机端通过读Buffer的方式将基于局部阈值分割的机场跑道检测算法执行结果读回到主机，并显示处理结果。本发明能快速地给出算法的运行结果，在海量数据的处理方面具有巨大的优势。
-
公开(公告)号：CN105913090B
公开(公告)日：2019-03-26
申请号：CN201610230172.7
申请日：2016-04-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SDAE‑SVM的SAR图像目标分类方法。主要解决现有方法中普通堆栈自编码器提取到的SAR图像特征鲁棒性差，softmax分类器微调深度网络分类准确率低的问题。其步骤为：(1)读入数据；(2)分割操作；(3)旋转操作；(4)确定SAR图像的目标切片；(5)目标切片向量化；(6)构建一个四层的初始栈式去噪自编码器SDAE；(7)训练初始栈式去噪自编码器SDAE；(8)微调；(9)计算测试准确率；本发明具有提取得到的SAR图像目标特征鲁棒性高、能够提高SAR图像目标分类正确率的优点。
-
公开(公告)号：CN105574063B
公开(公告)日：2019-02-22
申请号：CN201510523762.4
申请日：2015-08-24
Applicant: 西安电子科技大学
IPC: G06F16/58
Abstract: 本发明公开了一种基于视觉显著性的图像检索方法，对提取出的显著性区域的窗口的量化赋范梯度进行二元编码，主要解决现有大规模图像检索时不单独区分图像中物体的问题。其检索步骤为：(1)采用二值化赋范梯度BING目标检测方法，训练线性支持向量机SVM：(2)获取自然图像库图像滑窗的视觉显著性估值；(3)获取自然图像库中图像的哈希编码：(4)获取待检索自然图像滑窗的视觉显著性估值：(5)获取用于检索的滑窗：(6)获取待检索自然图像的哈希编码：(7)哈希编码值预处理：(8)度量相似度：(9)输出检索结果图像。
-
公开(公告)号：CN106203444B
公开(公告)日：2019-02-19
申请号：CN201610512912.6
申请日：2016-07-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于条带波与卷积神经网络的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类精度低的问题。本发明的具体步骤如下：(1)输入极化SAR图像；(2)提取泡利分解特征；(3)构建特征矩阵；(4)选取训练样本和测试样本；(5)构建初始矩阵；(6)初始化卷积神经网络；(7)训练卷积神经网络；(8)测试卷积神经网络；(9)上色；(10)输出分类结果图。本发明与现有技术相比，有效地提高了极化SAR图像的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN106203489B
公开(公告)日：2019-02-15
申请号：CN201610512915.X
申请日：2016-07-01
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多尺度深度方向波网络的极化SAR图像分类方法，本方法实现步骤为：(1)输入极化SAR图像；(2)提取泡利分解特征；(3)构建训练样本特征矩阵；(4)初始化多尺度深度方向波网络；(5)训练多尺度深度方向波网络；(6)构建测试样本特征矩阵；(7)得到测试样本的类标；(8)计算分类精度；(9)上色；(10)输出上色后的极化SAR图像。本发明将不同尺度的方向波滤波器作为多尺度深度方向波网络的滤波器，对极化SAR图像进行分类，使得本发明具有很好地保留极化SAR图像的方向特征和全局特征的优点。
-
公开(公告)号：CN105913081B
公开(公告)日：2019-01-15
申请号：CN201610217481.0
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于改进的PCAnet的SAR图像分类方法，主要解决了现有技术中合成孔径雷达高分辨SAR图像分类过程中，滤波器初始化低效率，更新学习慢导致的分类计算复杂度高，效率低下的问题。本发明的具体步骤如下：(1)读取数据；(2)切片处理；(3)归一化预处理；(4)提取图像低频成分；(5)训练主成分分析网络PCAnet；(6)获取测试集的特征向量；(7)计算分类准确率；(8)输出分类结果。本发明具有对SAR图像分类分类时间短且分类准确率高的优点。
-
公开(公告)号：CN105913073B
公开(公告)日：2019-01-08
申请号：CN201610206108.5
申请日：2016-04-05
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度增量支持向量机的SAR图像目标识别方法。其步骤为：(1)输入SAR图像；(2)图像预处理；(3)构建初始训练集和增量训练集；(4)初始化深度增量支持向量机；(5)计算测试样本的初始识别率；(6)更新深度增量支持向量机；(7)计算测试样本的识别率；本发明结合了增量学习和深度学习的优点，采用深度增量支持向量机对SAR图像进行目标识别，能处理增量训练样本，并且可以获取更具判别性的深层目标信息。本发明具有提高SAR图像目标识别精度，减少训练时间的优点。
-
公开(公告)号：CN108986108A
公开(公告)日：2018-12-11
申请号：CN201810670378.0
申请日：2018-06-26
Applicant: 西安电子科技大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于素描线段聚集特性的SAR图像样本块选择方法，主要解决现有技术SAR图像混合聚集结构地物像素子空间分割中隔1滑窗样本集冗余样本过多的问题。其实现方案是：根据SAR图像的素描模型提取素描图；将素描图区域化得到区域图，根据区域图获得SAR图像的极不匀质区域；提取每个聚集区域中具有双侧聚集特性的所有素描线段，求解这些素描线段与K近邻的素描线段构成的矩形块集合；按照矩形块集合中矩形块的坐标在对应的极不匀质区域进行采样并扩充，得到样本块集合。本发明能构建出SAR图像极不匀质区域的样本集，且构建的样本集能更全面代表极不匀质区域的结构特征。
-
公开(公告)号：CN108960190A
公开(公告)日：2018-12-07
申请号：CN201810811807.1
申请日：2018-07-23
Applicant: 西安电子科技大学
CPC classification number: G06K9/00664 , G06K9/3233 , G06K2209/23 , G06N3/0454
Abstract: 本发明公开了一种基于全卷积神经网络FCN图像序列模型的合成孔径雷达SAR视频目标检测方法，主要解决现有技术中检测准确率较低以及目标检测过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建全卷积神经网络FCN；(2)选取训练样本和测试样本；(3)训练全卷积神经网络FCN模型；(4)计算测试样本中机动车辆目标的几何中心；(5)根据所有测试样本中机动车辆目标的几何中心计算最终的检测结果。本发明能够充分利用了合成孔径雷达SAR视频的信息，提高了对合成孔径雷达SAR视频中机动车辆目标的检测准确率，并且提高了目标检测的效率。
-
-
-
-
-
-
-
-
-
Search Results
1175
records
(took 0.054 seconds)
