-
公开(公告)号：CN107219510A
公开(公告)日：2017-09-29
申请号：CN201710351886.8
申请日：2017-05-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于无限最大间隔线性判别投影模型的雷达目标识别方法，用于解决现有雷达目标识别方法中存在的识别率低的技术问题。实现步骤为：获取功率谱特征训练样本集X和其对应的类别标号集y；构建无限最大间隔线性判别投影模型；定义无限最大间隔线性判别投影模型联合伪后验分布的表达式；设定无限最大间隔线性判别投影模型联合伪后验分布的表达式中各个参数的初始值；表示无限最大间隔线性判别投影模型联合伪后验分布中各个参数的条件后验分布；对表示出的各个参数的条件后验分布进行采样；获取功率谱特征测试样本集和其对应的测试类别标号集获取雷达目标的识别率。本发明可用于对雷达高分辨距离像进行检测识别。
-
公开(公告)号：CN106054189A
公开(公告)日：2016-10-26
申请号：CN201610561588.7
申请日：2016-07-17
Applicant: 西安电子科技大学
IPC: G01S13/90
CPC classification number: G01S13/9005
Abstract: 本发明提出了一种基于dpKMMDP模型的雷达目标识别方法，用于解决现有基于分类器模型的雷达目标识别方法中存在的识别率较低的技术问题。实现步骤为：1.提取雷达SAR图像训练样本集X；2.计算训练样本集的核函数矩阵G；3.构建dpKMMDP模型，并计算模型中各参数的联合条件后验分布；4.计算各参数的条件后验分布；5.设定各参数的初始值；6.各参数进行循环采样，保存T0次测试阶段所需参数的采样结果；7.提取测试样本集并计算测试样本集的隐变量集8.将隐变量集代入LVSVM分类器计算测试样本的目标类别标号并输出。本发明能实现对复杂非线性可分雷达SAR图像数据的分类，用于对雷达目标的识别。
-
公开(公告)号：CN106951921A
公开(公告)日：2017-07-14
申请号：CN201710149246.9
申请日：2017-03-14
Applicant: 西安电子科技大学
CPC classification number: G06K9/6269 , G06K9/6256 , G06N20/00
Abstract: 本发明公开了一种基于贝叶斯多核学习支持向量机的SAR目标识别方法，主要解决现有的目标识别方法对SAR图像目标识别不准确的问题。其实现步骤为：1)输入原始SAR图像并预处理，计算不同特征的核矩阵；2)根据多核学习方法对核矩阵进行组合；3)根据组合的核矩阵对支持向量机建立贝叶斯多核学习支持向量机模型；4)使用期望最大化算法求解贝叶斯多核学习支持向量机模型，得到最优解；5)使用最优解对SAR图像测试数据进行目标识别。本发明有效地结合了贝叶斯方法的推断能力和多核学习方法的区分能力，提高了识别性能，可用于对SAR图像的分类。
-
公开(公告)号：CN103954934B
公开(公告)日：2016-09-28
申请号：CN201410181747.1
申请日：2014-04-30
Applicant: 西安电子科技大学
IPC: G01S7/02
Abstract: 本发明属于雷达自动目标检测领域，公开一种基于低秩字典学习及稀疏表示的极化SAR舰船检测方法，该方法适用于极化SAR图像中的舰船目标检测，其具体包括以下步骤：步骤1，提取海杂波样本作为训练杂波样本，由杂波样本的像素构造训练数据矩阵Z；步骤2，利用训练数据矩阵Z进行训练，通过学习得到低秩字典D；步骤3，基于学习得到的低秩字典D，对测试样本的所有像素的特征向量进行稀疏表示，根据求解的稀疏表示系数定义一个依赖于散射机制的检测统计量，并设定一个检测统计量门限，对测试样本的所有像素的检测统计量进行门限检测，获得最终显示检测结果的二值图像。
-
公开(公告)号：CN104091335A
公开(公告)日：2014-10-08
申请号：CN201410320187.3
申请日：2014-07-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种极化SAR图像目标检测方法，主要解决现有检测方法对能量的依赖和虚警率较高的问题。其实现步骤是：选取目标和杂波两类训练样本，并进行特征提取和能量归一；定义极化字典学习目标函数，监督学习一个对杂波和目标具有区分能力的极化字典；对测试图像进行极化特征提取和能量归一；采用极化字典对测试特征向量进行稀疏编码；将特征向量在杂波子字典下的重构误差比例作为检验统计量；比较检验统计量与阈值的大小，将大于阈值的像素判为目标，否则判为杂波，完成目标检测。本发明仅利用极化信息进行目标检测，具有稳健性好，虚警率低，能对弱小目标进行检测的优点，适用于目标和杂波对比度较低时的极化SAR图像目标检测。
-
Patent Agency Ranking
公开(公告)号：CN106951921B
公开(公告)日：2019-07-02
申请号：CN201710149246.9
申请日：2017-03-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于贝叶斯多核学习支持向量机的SAR目标识别方法，主要解决现有的目标识别方法对SAR图像目标识别不准确的问题。其实现步骤为：1)输入原始SAR图像并预处理，计算不同特征的核矩阵；2)根据多核学习方法对核矩阵进行组合；3)根据组合的核矩阵对支持向量机建立贝叶斯多核学习支持向量机模型；4)使用期望最大化算法求解贝叶斯多核学习支持向量机模型，得到最优解；5)使用最优解对SAR图像测试数据进行目标识别。本发明有效地结合了贝叶斯方法的推断能力和多核学习方法的区分能力，提高了识别性能，可用于对SAR图像的分类。
-
公开(公告)号：CN106054189B
公开(公告)日：2018-06-05
申请号：CN201610561588.7
申请日：2016-07-17
Applicant: 西安电子科技大学
IPC: G01S13/90
Abstract: 本发明提出了一种基于dpKMMDP模型的雷达目标识别方法，用于解决现有基于分类器模型的雷达目标识别方法中存在的识别率较低的技术问题。实现步骤为：1.提取雷达SAR图像训练样本集X；2.计算训练样本集的核函数矩阵G；3.构建dpKMMDP模型，并计算模型中各参数的联合条件后验分布；4.计算各参数的条件后验分布；5.设定各参数的初始值；6.各参数进行循环采样，保存T0次测试阶段所需参数的采样结果；7.提取测试样本集并计算测试样本集的隐变量集8.将隐变量集代入LVSVM分类器计算测试样本的目标类别标号并输出。本发明能实现对复杂非线性可分雷达SAR图像数据的分类，用于对雷达目标的识别。
-
公开(公告)号：CN105334504B
公开(公告)日：2017-11-21
申请号：CN201510566530.7
申请日：2015-09-08
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC: G01S7/41
Abstract: 本发明公开了一种基于大边界的非线性判别投影模型的雷达目标识别方法，主要解决现有技术不能很好地对非线性可分数据进行分类的问题。其技术步骤为：1.提取雷达数据的功率谱特征样本集X；2.计算训练样本集的核函数矩阵G；3.构建大边界的非线性判别投影模型，得出该模型中各参数的联合条件后验分布；4.推导各参数的条件后验分布；5.设定各参数的先验初始值,并对各参数进行I0次循环采样；6.保存T0次测试阶段所需参数的采样结果；7.利用保存数据计算隐变量8.将隐变量代入LVSVM分类器得出测试样本的目标类别标号。本发明提高了原始数据空间的可分性，能实现对非线性可分数据的分类，用于对雷达目标的识别。
-
公开(公告)号：CN104091335B
公开(公告)日：2017-01-18
申请号：CN201410320187.3
申请日：2014-07-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种极化SAR图像目标检测方法，主要解决现有检测方法对能量的依赖和虚警率较高的问题。其实现步骤是：选取目标和杂波两类训练样本，并进行特征提取和能量归一；定义极化字典学习目标函数，监督学习一个对杂波和目标具有区分能力的极化字典；对测试图像进行极化特征提取和能量归一；采用极化字典对测试特征向量进行稀疏编码；将特征向量在杂波子字典下的重构误差比例作为检验统计量；比较检验统计量与阈值的大小，将大于阈值的像素判为目标，否则判为杂波，完成目标检测。本发明仅利用极化信息进行目标检测，具有稳健性好，虚警率低，能对弱小目标进行检测的优点，适用于目
-
公开(公告)号：CN105334504A
公开(公告)日：2016-02-17
申请号：CN201510566530.7
申请日：2015-09-08
Applicant: 西安电子科技大学 , 西安中电科西电科大雷达技术协同创新研究院有限公司
IPC: G01S7/41
CPC classification number: G01S7/415
Abstract: 本发明公开了一种基于大边界的非线性判别投影模型的雷达目标识别方法，主要解决现有技术不能很好地对非线性可分数据进行分类的问题。其技术步骤为：1.提取雷达数据的功率谱特征样本集X；2.计算训练样本集的核函数矩阵G；3.构建大边界的非线性判别投影模型，得出该模型中各参数的联合条件后验分布；4.推导各参数的条件后验分布；5.设定各参数的先验初始值,并对各参数进行I0次循环采样；6.保存T0次测试阶段所需参数的采样结果；7.利用保存数据计算隐变量；8.将隐变量代入LVSVM分类器得出测试样本的目标类别标号。本发明提高了原始数据空间的可分性，能实现对非线性可分数据的分类，用于对雷达目标的识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
