一种基于卷积神经网络的SAR目标部件级识别方法

    公开(公告)号:CN117036956A

    公开(公告)日:2023-11-10

    申请号:CN202311060146.0

    申请日:2023-08-22

    摘要: 一种基于卷积神经网络的SAR目标部件级识别方法,首先使用电磁散射仿真软件计算目标集的SAR图像,在主要俯仰角和全方位角上进行成像,得到数据集,并将数据集分为训练集和测试集。待识别关键部件由先验知识决定,关键部件在该目标的部分俯仰角和方位角SAR图像中可见,对这部分SAR图像中的关键部件区域进行旋转标注,生成标注文件。然后构建单阶段的旋转RetinaNet卷积神经网络,使用带标注的训练集SAR图像进行网络模型训练,直到损失函数及归一化梯度收敛。最后,使用测试集进行网络测试,得到关键部件的位置及置信度,并通过统计对网络性能做出评价。本发明实现了对合成孔径雷达SAR图像的目标关键部件的自动精确识别。

    一种基于生成对抗模型的卫星遥感多光谱图像谱域映射方法

    公开(公告)号:CN114220023A

    公开(公告)日:2022-03-22

    申请号:CN202111545829.6

    申请日:2021-12-16

    摘要: 本发明公开了一种基于生成对抗模型的卫星遥感多光谱图像谱域映射方法,其特征在于,包括以下步骤:S1、采集多组匹配的多光谱遥感图像、地物分类图以及数值特征产品图并进行预处理;S2、根据预处理后的多光谱遥感图像、地物分类图以及数值特征产品图,确定生成对抗模型的输入矩阵x,并确定生成对抗模型的输出矩阵y的尺寸;S3、将每组匹配的图像数据分别进行处理后,依次输入至所述生成对抗模型中进行训练;S4、输入新的匹配的图像数据,利用训练好的生成对抗模型完成卫星遥感多光谱图像的谱域迁移。本发明实现了图像像素到像素的直接普段迁移,增强了遥感光谱的仿真光谱映射确定性。

    一种基于KD树加速的丛林目标激光脉冲回波仿真方法

    公开(公告)号:CN114114299A

    公开(公告)日:2022-03-01

    申请号:CN202111545608.9

    申请日:2021-12-16

    IPC分类号: G01S17/10

    摘要: 本发明提供一种基于KD树加速的丛林目标激光脉冲回波仿真方法,包含以下步骤:步骤S1、构建树木的物理模型,所述树木的物理模型包括树干部分和树冠部分;步骤S2、构建树木的激光散射模型;步骤S3、构建包含丛林和背景环境的KD树结构;步骤S4、对激光雷达发射的激光波束采样,根据空间能量分布生成光子束,并进行波前分割;步骤S5、计算步骤S4生成的光子束中的每个光子与步骤S3生成的KD树结构作用的结果,确定所述光子是否命中步骤S3所构建的KD树结构中树干部分或者树冠部分。步骤S6、计算光子在路径上的散射事件情况;步骤S7、基于步骤S5获得的光子束与KD树作用的结果,计算激光雷达的脉冲回波。本发明具有适用范围广、使用简便等优势。