-
公开(公告)号：CN112990342A
公开(公告)日：2021-06-18
申请号：CN202110378654.8
申请日：2021-04-08
Applicant: 重庆大学
Abstract: 本发明公开了一种半监督SAR目标识别方法，包括：S1、获取原始训练集；S2、对原始训练集进行方位角扩充，得到扩充训练集；S3、利用扩充训练集训练CWGAN‑GP；S4、利用训练后的CWGAN‑GP生成新的训练集；S5、将新的训练集与原始训练集混合得到增强训练集；S6、利用增强训练集训练Mean‑Teacher半监督分类器直至模型收敛；S7、将待识别SAR图像输入训练后的Mean‑Teacher半监督分类器，得到识别结果。不同于一般的基于生成对抗网络数据增强方法，本发明结合了SAR目标数据的特点，在半监督条件下有标签数据缺失的情况下，实现了对SAR目标图像类别标签的扩充，实现了对数据集中缺失的方位角信息的补足，从而提高了训练集的特征丰富度，以训练得到具有更好性能的分类器，最终提高识别精度。
-
公开(公告)号：CN108732432B
公开(公告)日：2020-08-21
申请号：CN201810539097.1
申请日：2018-05-30
Applicant: 重庆大学
Abstract: 本发明公开了一种最大后验概率准则下有约束的噪声增强信号检测方法，属于信号处理领域。首先给非线性系统输入信号加入与之独立的加性噪声；经过非线性系统，获得加噪后的输出信号；根据最大后验概率准则，建立起检测概率与虚警概率联合约束下，使得错误概率最小的噪声增强优化模型；最后求解相应的优化模型，获得有约束的噪声增强最小错误概率检测结果。本发明在检测概率与虚警概率的联合约束下，将噪声增强与最大后验概率准则下的二元信号假设检验相结合，进一步减小错误概率以实现综合检测性能的提升。
-
公开(公告)号：CN111080678A
公开(公告)日：2020-04-28
申请号：CN201911413117.1
申请日：2019-12-31
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度学习的多时相SAR图像变化检测方法，与现有技术相比，以超像素为单位，将邻域信息带入分类，进行聚类，抑制了矩形patch产生时的人为干扰，降低了聚类的不确定性，也抑制了影响SAR图像可解释性的斑点噪声。并且本发明将变化检测作为两个阶段的分类，抑制了大量由斑噪引起的虚警。在第一阶段，我们简单地将DI聚集成变化和无变化的类。在第二阶段，基于斑噪引起的变化与真实物体的变化之间的内在差异，我们采用低秩稀疏分解(LRSD)进行预处理。LRSD的低秩项使斑噪引起的假变化恢复到原来的状态，而稀疏项将斑噪从图像中分离出来，大大削弱了斑噪对后续分类的影响。
-
公开(公告)号：CN106056070B
公开(公告)日：2019-05-10
申请号：CN201610368234.0
申请日：2016-05-26
Applicant: 重庆大学
Abstract: 本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，该方法特别适用于针对低图像质量的SAR图像进行目标识别，其先通过对SAR图像进行低秩矩阵恢复，得到对应的SAR低秩图像，使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声，并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点，结合稀疏表示方法进行图像的目标识别，通过理论分析和实验数据均证明，能够有效的帮助提升识别正确率，解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。
-
公开(公告)号：CN105373809B
公开(公告)日：2018-10-09
申请号：CN201510752844.6
申请日：2015-11-06
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于非负最小二乘稀疏表示的SAR目标识别方法，其基于SAR图像的频谱特征作为识别特征，通过将测试样本投影到训练集上，在稀疏投影的过程中添加了非负约束，避免了因稀疏表示中的稀疏系数有正有负导致稀疏表示的数学描述不符合实际而对雷达目标识别造成干扰，同时使得稀疏解能更有效的反映目标在高维空间中的低维结构，通过稀疏重构过程来确定测试样本的类别，实现对雷达目标的识别，从而提高识别率，同时避免了对SAR图像目标进行方位角估计以及散焦或者信噪比等因素对目标识别造成的干扰，具有很好的噪声鲁棒性，能够有效提升雷达目标识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105894476B
公开(公告)日：2018-07-27
申请号：CN201610251570.7
申请日：2016-04-21
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于字典学习融合的SAR图像降噪处理方法，其通过联合非下采样轮廓波字典学习和K‑SVD字典学习，利用平移不变的非下采样轮廓波变换滤波克服了轮廓波变换不能平移不变的缺陷，消除了去噪的划痕效应；同时，利用自适应的K‑SVD字典学习算法进行去噪，根据图像的特征不断更新字典原子，不仅能很好地抑制图像噪声，还能够对边缘和纹理等重要的SAR图像信息较好地保留；并且进一步的通过对两种降噪效果加以融合，融合后的图像大大地提高了图像的信噪比，图像的等效视数也有一定的提高，而且边缘和纹理信息也很好地保留下来，没有出现划痕、图像对比度变暗等负面影响，使得SAR图像降噪处理的综合质量得以明显提升。
-
公开(公告)号：CN107330950A
公开(公告)日：2017-11-07
申请号：CN201710512095.9
申请日：2017-06-28
Applicant: 重庆大学
IPC: G06T11/00
CPC classification number: G06T11/008 , G06T2207/10088 , G06T2207/20021 , G06T2207/20048
Abstract: 本发明公开了一种基于非局部奇异值分解与估计的MRI图像重构方法。属于医学图像处理技术领域。它是一种基于局部稀疏与非局部自相似性相结合的图像重构方法。首先寻找每个目标图像块对应的相似图像块集合，并对相似图像块集合进行奇异值分解得到对应的奇异值系数，然后基于线性最小均方误差准则实现奇异值的估计，并对该准则中所需的相似图像块集合噪声方差进行估计，以提高估计特征值的精确度；本发明对相似图像块集合进行奇异值分解得到奇异值系数并利用线性最小均方误差来估计，能够对图像的细节信息进行较好的估计，因此重构后的图像在整体效果和细节表现上更接近真实图像，可用于提高核磁共振图像的重构质量和视觉效果。
-
公开(公告)号：CN104808181B
公开(公告)日：2017-11-03
申请号：CN201510200562.5
申请日：2015-04-24
Applicant: 重庆大学
IPC: G01S7/02
Abstract: 本发明公开一种位移雷达目标反射器设计方法。位移雷达目标反射器为微带共形天线阵列，安装在被测建筑物表面，该目标反射器实现与角反射器相同的功能。目标反射器由多组微带天线反射单元构成，每组微带天线反射单元由微带天线、可调微带延迟线、可调旋钮、SMA接头、以及开路负载构成。在安装阶段，使用位移雷达照射目标反射器，将相位检测电路的两个输入端接到任意两个微带天线反射单元的SMA接头上，通过可调旋钮调节可调微带延迟线长度，使得到达SMA接头处的信号相位相同；在使用阶段，将开路负载接到SMA接头上，微带共形天线阵列形成反向笔形波束，实现将位移雷达的反射信号按原路径相反方向返回。
-
公开(公告)号：CN104637037B
公开(公告)日：2017-08-11
申请号：CN201510110333.4
申请日：2015-03-13
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类，而后分别采用非本地均值方法和3D变换域硬阈值收缩方法实现对同质区和异质区的降噪，并由降噪结果获得非本地系数。为进一步提高降噪性能，利用所估计出的非本地系数对稀疏表示模型中的系数进行约束，以更好的逼近真实图像的系数。最后,利用最终估计的系数重构出降噪后的图像。本发明对图像的同质区和异质区采用不同方法进行处理，不仅可有效的实现同质区抑斑，同时能保留异质区中存在的细节，可用于SAR图像降噪。
-
公开(公告)号：CN104021399B
公开(公告)日：2017-03-22
申请号：CN201410116391.3
申请日：2014-03-26
Applicant: 重庆大学
IPC: G06K9/66
Abstract: 本发明提供了一种基于距离像时频图非负稀疏编码的SAR目标识别方法，该方法采用非负稀疏编码，整个识别过程中，均不需要对SAR图像目标进行方位角估计，因此降低了识别复杂程度，也避免了识别准确性对目标方位角估计的依赖，有助于提高目标识别率，同时基于距离像时频图的非负稀疏编码技术进行雷达目标识别在噪声环境下也具有良好的识别性能，不仅不会在目标运动导致散焦或者信噪比等因素造成图像质量不高时影响识别效果，还能够帮助提升雷达目标识别的鲁棒性能。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.025 seconds)
