-
公开(公告)号:CN114565860A
公开(公告)日:2022-05-31
申请号:CN202210198708.7
申请日:2022-03-01
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
摘要: 本发明公开了一种多维度增强学习合成孔径雷达图像目标检测方法,涉及目标检测技术领域,设计一种具有语义关系的复制粘贴进行数据增强的方法,对SAR目标样本进行语义扩充,提升样本量,降低模型过拟合,引入无锚框检测框架作为基准网络,降低模型的参数量和计算复杂度,提高推理速度;本发明提供的一种多维度增强学习合成孔径雷达图像目标检测方法,以无锚框目标检测框架CenterNet2作为基准,设计了一种特征增强轻量级骨干LWBackbone,降低模型的参数量同时有效提取SAR目标显著特征,并提出混合域注意力机制CNAM,有效抑制陆地复杂背景干扰,突出目标区域,利用感受野增强检测头模块RFEHead,设计不同空洞率卷积增强感受野,提升检测头的多尺度感知性能。
-
公开(公告)号:CN105306130A
公开(公告)日:2016-02-03
申请号:CN201510654933.7
申请日:2015-10-12
申请人: 中国电子科技集团公司第三十八研究所
CPC分类号: H04B7/18506 , G01S13/00 , H04B7/18563
摘要: 本发明涉及一种SAR与无线通信一体化系统,所述FPGA控制器的输出端与D/A转换器的输入端相连,D/A转换器的输出端与模拟发射通道的输入端相连,模拟发射通道的输出端与环行器的输入端相连,环行器的输出端与模拟接收通道的输入端相连,模拟接收通道的输出端与A/D转换器的输入端相连,A/D转换器的输出端与FPGA控制器的输入端相连,所述环行器与相控阵天线双向通讯,所述FPGA控制器与数字波束形成模块双向通讯。本发明还公开了一种SAR与无线通信一体化系统的实现方法。本发明实现宽带无线移动通信功能,不仅减小了设备体积、重量要求,而且减少了能源消耗,一定程度的避免了复杂的电磁兼容性问题。
-
公开(公告)号:CN117115170B
公开(公告)日:2024-01-12
申请号:CN202311385351.4
申请日:2023-10-25
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号: G06T7/00 , G06N3/088 , G06V10/774 , G06V10/80 , G06V10/82
摘要: 本发明公开了一种无监督域自适应SAR舰船检测方法及系统,包括以下步骤:获取光学舰船图像和SAR舰船图像;构建UDA‑SARDet模型;将所述光学舰船图像和所述SAR舰船图像作为所述UDA‑SARDet模型的输入数据进行训练与测试;利用通过测试的所述UDA‑SARDet模型完成对SAR图像舰船检测。本发明使用未标注的SAR舰船图像和现有的已标注的光学数据集,高效完成SAR图像的舰船检测任务。同时设计全新的网络模型结构和IoU损失函数,解决了SAR图像舰船目标多尺度、特征少、信息容易丢失等问题,提升了模型的检测性能。
-
公开(公告)号:CN114519679B
公开(公告)日:2022-10-21
申请号:CN202210158438.7
申请日:2022-02-21
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
摘要: 本发明提供一种SAR目标图像数据智能增强方法,包括:输入待增强的SAR图像数据,确定需要生成图像的角度,对SAR图像数据进行旋转填充;构建高分辨率GAN模型,包括生成器和鉴别器;所述生成器依次包括:第一卷积层、多个密集连接的残差模块、第二卷积层、上采样层和第三卷积层;所述鉴别器包括四个序列模块;将旋转填充后的SAR图像数据输入到高分辨率GAN模型,进行重构,获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法,可以扩充Mstar等一些数据量较少的SAR目标数据集,提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集,提高检测的精度。
-
公开(公告)号:CN114529836A
公开(公告)日:2022-05-24
申请号:CN202210170355.X
申请日:2022-02-23
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
摘要: 本发明提供一种SAR图像目标检测方法,包括:为了解决SAR目标轮廓不清晰和多尺度问题,所述SAR图像目标检测网络的基准网络采用YOLOX网络,引入了无锚框的检测框架,在此基础上对其骨干网络进行了重新的轻量化设计,即NLCNet网络,包括对网络尾部的SE模块进行了删除,并对深度可分离卷积进行了重新的堆叠,同时在网络尾部使用了大的卷积核,从而获取图像的全局信息;针对SAR目标的强散射特性,在骨干网络中设计了一种新的位置注意力机制,细节是在不同空间方向上,将SE模块的全局池化操作替换为两个一维池化操作,形成两个独立的分支,能够更好的在通道注意力中添加位置信息来抑制背景杂波,从而更加准确的识别和定位目标;该方法具有较快的检测速度和精度。
-
公开(公告)号:CN104166141A
公开(公告)日:2014-11-26
申请号:CN201410390192.1
申请日:2014-08-11
申请人: 中国电子科技集团公司第三十八研究所
IPC分类号: G01S13/90
摘要: 本发明涉及基于子带合成的多输入多输出合成孔径雷达系统设计方法,包括雷达波形产生模块产生各发射阵元发射所需的正交编码信号;雷达以M个发射阵元同时发射信号,以N个接收阵元同时接收回波信号;每个接收阵元通过主接收通道接收回波信号,通过子接收通道从主接收通道接收到的回波信号中提取自身需要的部分回波信号,每个接收阵元具有M个子接收通道;对M个子接收通道得到的部分回波信号进行信号重构;对重构后的信号在距离向进行子带合成。本发明采用基于子脉冲线性调频步进体制即子带合成的方位多孔径MIMOSAR系统,成倍降低了系统的瞬时工作带宽及采样率,可在SAR模式下可以实现远距离高分辨率宽观测带成像。
-
公开(公告)号:CN115546555B
公开(公告)日:2024-05-03
申请号:CN202211274361.6
申请日:2022-10-18
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法,属于SAR图像目标检测技术领域,包括以下步骤:构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型;将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中,输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet,从更加均衡的角度解决SAR图像舰船目标检测的问题,在大大减小参数量和计算量的同时,检测精度也得到一定保证和提升。
-
公开(公告)号:CN116401790A
公开(公告)日:2023-07-07
申请号:CN202310387228.X
申请日:2023-04-12
申请人: 中国电子科技集团公司第三十八研究所
IPC分类号: G06F30/17 , H01Q1/52 , H01Q21/00 , G01S7/02 , G06F30/20 , G06F30/27 , G06F18/00 , G06N20/00 , G06F111/06 , G06F111/04
摘要: 本发明公开了一种GMTI模式天线布阵方法及信号处理方法,所述天线布阵方法包括:根据用户需求确定非均匀稀疏布阵基本参数要求;根据多通道自适应处理理论,计算动目标最小可检测速度;根据天线方向基线长度与方位向子孔径划分,计算最大无模糊速度;根据阵列合成理论,优化非均匀子阵布局,消除盲速点;检查计算值与用户需求、飞机平台参数符合性,若不符合,返回上述步骤重新设计,直到符合要求,得到满足要求的非均匀天线布阵方式;本发明的优点在于:结合飞机平台可布阵空间,完成非均匀布阵,实现最大天线布阵利用率,避免复杂地理杂波引入的动目标处理损失,提升慢速目标检测能力。
-
公开(公告)号:CN114202696B
公开(公告)日:2023-01-24
申请号:CN202111534166.8
申请日:2021-12-15
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/40
摘要: 本发明提供了一种基于上下文视觉的SAR目标检测方法、装置和存储介质,属于目标检测领域,包括:获取SAR图像;将SAR图像输入目标检测模型中,目标检测模型对SAR图像中的目标物进行定位和识别,获得检测结果。本发明通过从上到下和从下到上的注意力增强双向多尺度连接操作,以指导动态注意力矩阵的学习,增强不同分辨率下的特征交互,促使模型能够更为精准的提取多尺度的目标特征信息,回归检测框和分类,抑制干扰背景信息,从而增强了视觉表示能力。在增加注意力增强模块的情况下,整个Neck几乎不增加参数量和计算量也能使检测性能得到极强的增益。
-
公开(公告)号:CN114519679A
公开(公告)日:2022-05-20
申请号:CN202210158438.7
申请日:2022-02-21
申请人: 安徽大学 , 中国电子科技集团公司第三十八研究所
摘要: 本发明提供一种SAR目标图像数据智能增强方法,包括:输入待增强的SAR图像数据,确定需要生成图像的角度,对SAR图像数据进行旋转填充;构建高分辨率GAN模型,包括生成器和鉴别器;所述生成器依次包括:第一卷积层、多个密集连接的残差模块、第二卷积层、下采样层和第三卷积层;所述鉴别器包括四个序列模块;将旋转填充后的SAR图像数据输入到高分辨率GAN模型,进行重构,获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法,可以扩充Mstar等一些数据量较少的SAR目标数据集,提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集,提高检测的精度。
-
-
-
-
-
-
-
-
-