公开(公告)号：CN115081475B

公开(公告)日：2025-04-15

申请号：CN202210652879.2

申请日：2022-06-08

Applicant: 西安电子科技大学

Inventor： 张敏 ,  赵檬 ,  王海 ,  李阔仰 ,  张镇晖

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提出了一种基于Transformer网络的干扰信号识别方法，主要解决现有方法对干扰信号进行特征提取的过程复杂、难度大且提取不完全的技术问题。方案包括：1)仿真通信信号数据和干扰信号数据，构建单一干扰和复合干扰数据集，并进行划分和标签标注；2)构建局部特征提取模块；3)构建全局特征融合模块；4)构建基于局部特征提取模块和全局特征融合模块的干扰识别网络；5)使用构建的数据集对干扰信号识别网络模型进行训练和验证，得到最终的干扰信号识别网络模型；7)利用模型各对类干扰信号进行准确识别。本发明能够实现对干扰信号全局和局部特征的全面提取，以及时域和频域特征的充分融合，有效提升了干扰信号的识别准确率。

公开(公告)号：CN119672410A

公开(公告)日：2025-03-21

申请号：CN202411713598.9

申请日：2024-11-27

Applicant: 西安电子科技大学 ,  北京遥测技术研究所

Inventor： 张敏 ,  鲁松 ,  王海 ,  霍豫 ,  王静温 ,  高晨宇

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明提出了一种基于状态空间模型的高光谱图像分类方法，主要解决现有方法分类精度不佳的问题。方案包括：1)输入高光谱图像，并对其进行预处理；2)使用邻域光谱融合法消除光谱变异性，再利用子谱扫描法感知光谱细节差异，获取图像光谱分类信息；3)利用SS2D层、改进的空间注意机制和多个残差块构建空间特征提取网络，并利用该网络获取高光谱图像的空间分类信息；4)通过在决策层融合空间与光谱分类信息，得到最终分类结果。本发明能够在较小范围内降低光谱变异性造成的影响，在能感知全面光谱信息的前提下不忽略光谱局部信息，同时联合空间信息，从而有效提升高光谱图像的分类效果。

公开(公告)号：CN119540788A

公开(公告)日：2025-02-28

申请号：CN202411636045.8

申请日：2024-11-15

Applicant: 西安电子科技大学

Inventor： 王海 ,  谭金林 ,  王晨好 ,  张敏 ,  霍豫 ,  成曦

IPC: G06V20/13 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06V10/766 ,  G06N3/0499 ,  G06N3/0895

Abstract: 本发明公开了一种基于权重再分配和任务对齐的遥感图像弱监督目标检测方法，主要解决现有检测方案邻域目标误分类、仅关注目标最显著区域以及分类分支与回归分支不一致的问题。方案包括：引入高质量正实例挖掘获取种子实例，依据实例间的空间和特征相似性确定邻域实例和背景实例；通过计算正实例之间的空间关系矩阵，筛选覆盖目标完整的实例，完成正实例权重再分配；同时考虑弱监督目标检测模型初期的不稳定性，引入任务对齐边框回归损失，通过设计任务对齐调制因子来动态调整权重，再将调制因子和实例的困难程度结合作为回归分支的权重。本发明能够避免邻域实例的误分类、关注目标整体，以及增加分类与回归分支的耦合性，有效提升检测性能。

公开(公告)号：CN119360032A

公开(公告)日：2025-01-24

申请号：CN202411419501.3

申请日：2024-10-11

Applicant: 西安电子科技大学 ,  北京遥测技术研究所

Inventor： 张敏 ,  赵少博 ,  王海 ,  霍豫 ,  王静温 ,  高晨宇

IPC: G06V10/30 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种特征融合互补学习的图像去噪方法，主要解决现有的图像去噪方法性能不稳定、生成的去噪图像质量不佳的问题。其实现方案是：构建均包括多级编码器和多级译码器的两个预测器，构建包括条件权重生成器和卷积网络的特征交互模块，构建包括卷积层的融合模块；两个预测器的每一级译码器输出经特征交互模块加权耦合后与下一级译码器的输入连接，且第一预测器最后一级译码器输出第一去噪图像，第二预测器最后一级译码器输出噪声，再由原噪声图像减去该噪声得到第二去噪图像；将第一与第二去噪图像按通道维度并联后输入融合模块得到最终的去噪图像。本发明既能稳定有效地去除图像噪声，同时能较好的还原出图像的纹理细节，可用于目标识别、图像转换、资源勘探。

公开(公告)号：CN116471154B

公开(公告)日：2025-01-03

申请号：CN202310584967.8

申请日：2023-05-23

Applicant: 西安电子科技大学

Inventor： 王海 ,  师梦瑶 ,  张敏 ,  董优强

IPC: H04L27/00 ,  G06N3/0464 ,  G06N3/048 ,  G06F18/241 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明提出了一种基于多域混合注意力的调制信号识别方法，主要解决现有方法提取特征不完备、在低信噪比下识别准确率较低的问题。方案包括：1)对离散复信号进行预处理，得到I/Q/A/P/F序列；2)构建空间特征提取模块提取序列的幅度等波形特征；3)利用离散余弦变换得到频域特征，并通过频域注意力模块提取不同频率分量的特征信息；4)构建时间特征提取模块挖掘空间特征和频域特征间的依赖关系并进行深层融合，获得调制信号的时间特征；5)将时间特征输入至分类器，经过分类器输出调制信号类别的识别结果。本发明能够获取不同域特征间的关联、互补性，增强模型稳定性及可靠性，有效提升低信噪比下各调制信号的识别准确率。

公开(公告)号：CN118608944A

公开(公告)日：2024-09-06

申请号：CN202410651112.7

申请日：2024-05-24

Applicant: 西安电子科技大学

Inventor： 张敏 ,  刘昊睿 ,  黄荣辉 ,  王海 ,  林生 ,  霍豫

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于领域泛化的跨场景高光谱图像分类方法，主要解决现有分类方法在目标场景中分类精度低、泛化效果差的问题。包括：1)构建基于卷积网络与Transformer网络的扩展域生成器；2)根据扩展域数据和源域数据，引入随机化参数得到中间域数据；3)构建扩展域生成器与鉴别器组成的分类模型；4)利用类内监督对比损失与交叉熵损失优化生成器；5)利用文本图像对齐损失、类间监督对比损失与交叉熵损失优化鉴别器；6)使用训练好的模型对高光谱图像进行分类，获取最终分类结果。本发明能够充分利高光谱图像的空间光谱信息，同时从不同角度出发进行图像特征对齐，有效提高了模型对目标场景分类的泛化性能与分类精度。

公开(公告)号：CN118429811A

公开(公告)日：2024-08-02

申请号：CN202410617463.6

申请日：2024-05-17

Applicant: 西安电子科技大学

Inventor： 张敏 ,  朱源毅 ,  王海 ,  林生 ,  赵少博

IPC: G06V20/10 ,  G06V10/772 ,  G06V10/25

Abstract: 本发明公开了一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法，主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括：1)利用光谱信息散度和空间上下文显著性构建目标字典和背景字典；2)建立目标函数，将高光谱图像分解成低秩成分、稀疏成分和残差成分，并对低秩背景系数施加约束能量最小正则项约束；3)利用背景字典构建子空间检测器、目标字典空间索引构建目标引导图，分别对低秩背景项和稀疏目标项进行优化；4)对两种结果进行非线性融合得到最终检测结果。本发明通过结合基于高性能字典的空间和光谱优势，双字典低秩稀疏模型的先验优势，并以由粗到细的方式进行优化，有效提升了高光谱目标检测性能。

公开(公告)号：CN114494829B

公开(公告)日：2024-06-11

申请号：CN202210045694.5

申请日：2022-01-16

Applicant: 西安电子科技大学 ,  陕西航天技术应用研究院有限公司

Inventor： 王海 ,  周科学 ,  张敏 ,  谭金林 ,  王梁 ,  张锐

IPC: G06V20/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。

公开(公告)号：CN111401680B

公开(公告)日：2024-01-30

申请号：CN202010082000.6

申请日：2020-02-06

Applicant: 西安电子科技大学

Inventor： 张敏 ,  胡核算 ,  马艳

IPC: G06Q10/0631 ,  G06Q50/04 ,  G06N20/00

Abstract: 省了大量查找信标的时间。本发明属于自动制造系统技术领域，公开了一种具有复杂进程子网的自动制造系统的协同活性构建方法，PN子网和满足活性的WRCN子网通过共同变迁路径合成；为避免对制造系统的运转产生浪费，一旦开始加工之后，WRCN中资源库所的资源要连续输入；在满足上述条件的前提下，PN子网中工作库所的托肯数和WRCN子网中资源库所的托肯数进一步满足限制规则中的约束。本发明采用Petri网作为数学工具，子网合成之后的结果网一定满足活性，不需要再去找出所有信(56)对比文件Hesuan Hu.A Petri Net-Based Discrete-Event Control of Automated ManufacturingSystems with Assembly Operations.《TRANSACTIONS ON CONTROL SYSTEMSTECHNOLOGY》.2015,第第23卷卷(第第2期期),513-525.

公开(公告)号：CN116758263A

公开(公告)日：2023-09-15

申请号：CN202310586691.7

申请日：2023-05-23

Applicant: 西安电子科技大学

Inventor： 王海 ,  张蕾 ,  张敏 ,  周科学

IPC: G06V10/22 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/766

Abstract: 本发明提出了一种基于多层级特征融合和联合定位的遥感图像目标检测方法，主要解决现有背景复杂下，对于方向任意、尺度不一的目标检测困难的问题。包括：1)使用ResNet50和FPN进行特征提取和融合，得到融合后的三层特征图；2)使用改进后的多层级特征融合模块和平衡坐标注意力机制模块对特征图进行多层级特征融合和特征权重分配，生成不同尺度的特征图；3)在检测头网络中设计包括粗略定位模块和细化定位模块；4)将不同尺度的特征图送入检测头网络，进行粗‑细联合定位，完成目标的分类与回归，获取最终检测结果。本发明有效提高了对具有小尺度、排列紧密和方向任意等特性目标的检测精度，可用于遥感图像目标检测任务。