-
公开(公告)号：CN118982756A
公开(公告)日：2024-11-19
申请号：CN202410989328.4
申请日：2024-07-23
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种遥感影像丢帧快速检测方法，属于遥感影像质量评估与处理领域。其包括：对遥感影像进行等比例降采样，生成遥感影像缩略图，检测提取遥感影像缩略图的暗像元区域；判定影像是否存在影像边缘区域的丢帧情况；生成掩膜图像，对掩膜图像进行形态学运算；根据形态学运算处理后的掩膜图像提取影像连通域，获得影像的有效区域；判定影像是否存在影像中部区域的丢帧情况。本发明能够快速准确地检测遥感影像是否存在丢帧问题，且无需额外制作丢帧影像样本数据集，简单易行，有效规避了丢帧影像自身特征易受特殊场景干扰而出现的误检，实现遥感影像的自动化质量评估。
-
公开(公告)号：CN116105693B
公开(公告)日：2024-10-29
申请号：CN202310261345.1
申请日：2023-03-17
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及无人机自主定位领域，提供一种基于POI数据的地面及低空场景无人机自主定位方法，包括：首先，使用开源的POI数据制备无偏定位基准数据；然后，在无人机实时航拍图像中检测标牌，识别出标牌中的文字信息；其次，将标牌的文字信息与POI数据中的地名字段进行检索，获取与标志牌匹配的POI数据中的经纬度信息；接着，利用标牌中心点经纬度量测标志牌四个角点的经纬度坐标，利用标志牌四个角点的图像深度信息和图像中心点的深度信息，根据成像几何关系，计算标志牌四个角点的高度；最后，根据成像几何关系，利用标牌四个角点的图像坐标和三维地理坐标，估计当前时刻无人机的位置。本发明定位误差不随无人机工作时间增加而累积。
-
公开(公告)号：CN116016064B
公开(公告)日：2024-06-28
申请号：CN202310064690.6
申请日：2023-01-12
Applicant: 西安电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: H04L25/08 , G06N3/0455 , G06N3/0464 , G06N3/088 , H04L27/00
Abstract: 本发明提出了一种基于U型卷积去噪自编码器的通信信号降噪方法，主要解决现有技术对低信噪比信号识别正确率低的问题，其实现方案为：获取原始通信数据建立训练数据集；分别构建包括四个编码单元的降噪编码器和四个解码单元的降噪解码器，并将两者级联后，再将编码器的前三个编码单元分别与解码器的后三个单元连接，组成U型卷积去噪自编码器信号降噪模型；将训练数据集输入到该模型通过反向传播法对其进行训练；将待测有噪声的测试样本输入到训练好的U型卷积去噪自编码器信号降噪模型进行测试推理，输出降噪后的信号样本。本发明能实现信号的智能降噪，有效提升对低信噪比信号的识别正确率，可用于频谱管理、电子对抗、通信甄别。
-
公开(公告)号：CN117235197A
公开(公告)日：2023-12-15
申请号：CN202311317318.8
申请日：2023-10-12
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/29 , G06F16/2455
Abstract: 本发明公开了一种结合邻接地物拓扑关系的道路交叉口匹配方法，属于遥感图像处理技术领域。其包括步骤：从整个城市的地物语义信息中提取道路交叉口集合；计算道路交叉口的三个拓扑向量；在道路交叉口集合中寻找与待匹配道路交叉口邻接类别数目一致的道路交叉口，组成道路交叉口候选集；计算待匹配道路交叉口的三个拓扑向量；计算待匹配道路交叉口与道路交叉口候选集中每一个道路交叉口的拓扑向量距离；分别找到使三个拓扑向量距离取最小值的道路交叉口，若两个道路交叉口的编号相同，则匹配成功。本发明可充分利用道路交叉口周围的地物语义特征以及空间分布关系构建道路交叉口的匹配模型，为异源地理数据的融合应用提供支撑。
-
公开(公告)号：CN116125421B
公开(公告)日：2023-10-20
申请号：CN202310073357.1
申请日：2023-02-07
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G01S7/41
Abstract: 本发明属于雷达目标探测应用技术领域，公开了一种基于深度学习的阵列雷达多回波信号目标检测方法，首先构建阵列雷达多目标探测多信噪比数据集并提取频域特征矩阵集，随后设计一种阵列雷达信号融合神经网络，其中密集卷积核群可以学习阵列雷达多信号间频域特征之间的相位偏移特性，实现多信号间的纠正和融合，并采用多卷积核融合提取网络和全连接分类网络，提取叠加增强后信号中目标特征并进行分类。通过采用频域特征矩阵集训练阵列雷达信号融合神经网络得到训练完毕的网络模型。对待检测阵列雷达探测信号进行频域特征矩阵提取并通过网络模型进行目标检测，判断待检测阵列雷达探测信号中是否存在目标，完成目标检测，提高了目标检测精度。
-
公开(公告)号：CN116125421A
公开(公告)日：2023-05-16
申请号：CN202310073357.1
申请日：2023-02-07
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G01S7/41
Abstract: 本发明属于雷达目标探测应用技术领域，公开了一种基于深度学习的阵列雷达多回波信号目标检测方法，首先构建阵列雷达多目标探测多信噪比数据集并提取频域特征矩阵集，随后设计一种阵列雷达信号融合神经网络，其中密集卷积核群可以学习阵列雷达多信号间频域特征之间的相位偏移特性，实现多信号间的纠正和融合，并采用多卷积核融合提取网络和全连接分类网络，提取叠加增强后信号中目标特征并进行分类。通过采用频域特征矩阵集训练阵列雷达信号融合神经网络得到训练完毕的网络模型。对待检测阵列雷达探测信号进行频域特征矩阵提取并通过网络模型进行目标检测，判断待检测阵列雷达探测信号中是否存在目标，完成目标检测，提高了目标检测精度。
-
公开(公告)号：CN115495611A
公开(公告)日：2022-12-20
申请号：CN202211442411.7
申请日：2022-11-18
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/587 , G06T7/12 , G06T7/13 , G06V20/17 , G06V10/74
Abstract: 本发明属于空间数据检索领域，实现一种面向无人机自主定位的空间场景检索方法，该方法在无人机图像上提取出空间对象轮廓，并将空间对象按照类型和是否处于边缘进行重排序，并筛选出初始匹配空间对象，然后计算所有空间对象与初始匹配空间对象的矢量空间距离，并作为空间对象匹配的条件；在空间检索过程中，依据空间距离关系对底图进行裁剪以缩小检索空间范围；最后匹配成功数最多的空间对象即为初始匹配空间对象的对应斑块。本发明相较于传统的空间检索方法，使用空间对象的矢量空间距离刻画空间关系，而不使用斑块相似性考虑匹配成功度，对于无人机图像的几何畸变、空间对象的边缘不准确等问题有更大的容错空间，且检索效率更高。
-
公开(公告)号：CN115019212A
公开(公告)日：2022-09-06
申请号：CN202210755231.8
申请日：2022-06-30
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的红外遥感图像车辆识别方法，该方法综合利用深度学习车辆识别模型和SVM车辆识别模型，当深度学习车辆识别概率大于一定阈值且SVM模型识别车辆信息熵值小于一定阈值时，该目标被新增到红外遥感图像车辆样本库中，用于重新训练深度学习车辆识别模型。该方法有效增加了红外遥感图像车辆样本，通过综合利用深度学习模型和SVM模型解决了样本量少时深度学习模型可靠性低的问题，提高了深度学习识别模型的识别精度。
-
公开(公告)号：CN113095437B
公开(公告)日：2022-03-01
申请号：CN202110476630.6
申请日：2021-04-29
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06K9/62 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种Himawari‑8遥感数据的火点检测方法，属于遥感数据火点检测技术领域。其包括以下步骤：对Himawari‑8卫星遥感数据进行预处理，获取像素及其邻域，并制作数据集；搭建双输入卷积神经网络模型，将辐射温度波段和反射率波段分别输入网络；使用数据集进行深度学习模型的训练，根据损失函数的变化情况，迭代更新网络模型参数，收敛得到最佳的网络模型；将得到的模型用于测试集中数据的火点检测。本发明方法与传统的上下文相对阈值算法相比，能够自动进行火点判断，并能有效提高遥感数据火点检测的准确率。
-
公开(公告)号：CN111553222A
公开(公告)日：2020-08-18
申请号：CN202010316759.6
申请日：2020-04-21
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于迭代超像素分割的遥感地物分类后处理方法，属于遥感图像智能应用技术领域。该方法首先对遥感影像采用深度学习地物分类方法进行初步分类结果生成，随后采用SLIC算法根据遥感影像分辨率以及成像效果设置合理参数对遥感影像进行初步超像素分割，接着对每个超像素块计算超像素块复杂度判断是否需要进行二次甚至多次迭代分割，对不需要进一步分割的超像素块对应的图斑区域进行图斑复杂度计算，根据复杂度大小进行不同后处理策略，最后以最小粒度的超像素为基础单元进行类别合并输出最终后处理结果。该方法能够对人为参数弱依赖的地物分类结果进行优化，具有较好的精度提升和业务应用能力。
