-
公开(公告)号：CN106971402A
公开(公告)日：2017-07-21
申请号：CN201710267557.5
申请日：2017-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于光学辅助的SAR图像变化检测方法，属于图像处理技术领域，主要解决SAR图像噪声影响大，分辨率不高，分类不精确的问题。其过程为：用两幅不同时刻的SAR图像构造差异图，应用FCM将像素分为严变、严不变与中间3类。根据每个像素邻域的严变、严不变像素个数，及光学图像各通道拉成列，作为辅助特征，进行聚类，有效克服了SAR图像分类方法杂点过多的缺陷。本发明具有噪声小，分类精确的优点，有助于后续的分类。
-
公开(公告)号：CN107133649A
公开(公告)日：2017-09-05
申请号：CN201710320669.2
申请日：2017-05-09
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于点‑域距离的增量式极化SAR地物分类方法，主要解决传统的分类方法分类精度低的问题。其方案是：1.对输入的极化SAR图像的极化相干矩阵T进行取实部与归一化处理，得到用于分类的极化SAR数据矩阵X；2.随机选取不同比例的训练样本；3.利用K近邻分类对极化SAR数据矩阵X进行初始分类，并用预测标签矩阵L1表示初始分类结果；4.对于预测标签矩阵L1进行基于点‑域距离的增量式分类结果优化，得到最终的分类结果。本发明将增量式思想运用到极化SAR地物分类中，不断对分类结果进行优化，实现了分类结果的动态的学习更新，使分类精度得到了显著提升。
-
公开(公告)号：CN112784690B
公开(公告)日：2022-12-27
申请号：CN202011623078.0
申请日：2020-12-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN112865915A
公开(公告)日：2021-05-28
申请号：CN202110005855.3
申请日：2021-01-05
申请人： 西安电子科技大学
摘要： 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
公开(公告)号：CN112784690A
公开(公告)日：2021-05-11
申请号：CN202011623078.0
申请日：2020-12-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于深度学习的宽带信号参数估计方法，基于YOLOv4网络和灰度时频图实现宽带特定信号的检测和识别，并对检测结果进一步计算和更新得到每个检测到宽带信号的估计参数，克服了现有方法检测识别精度低、参数估计不准、适用类型少且严重依赖专家先验等问题。本发明主要包括以下步骤：(1)生成宽带特定信号训练集；(2)训练YOLOv4网络；(3)对宽带信号灰度时频图进行检测识别；(4)计算检测识别到的每个宽带特定信号的参数；(5)对宽带特定信号的参数进行判断；(6)更新宽带特定信号参数。本发明具有宽带特定信号检测识别精度高、参数估计准和方法普适等优点，可用于无线电检测和侦查中对宽带信号进行分析。
-
公开(公告)号：CN107240138B
公开(公告)日：2019-07-23
申请号：CN201710378830.1
申请日：2017-05-25
申请人： 西安电子科技大学
IPC分类号： G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
摘要： 本发明提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明压缩重构图像的PSNR指标和主观视觉评价高。
-
公开(公告)号：CN112865915B
公开(公告)日：2022-07-12
申请号：CN202110005855.3
申请日：2021-01-05
申请人： 西安电子科技大学
摘要： 本发明提供了一种用于对抗深度学习的无线电信号伪造方法，解决了人工智能与电子对抗技术领域，基于深度学习的信号分类器难以对抗的技术问题。实现包括：对调制后的无线电信号随机生成候选对抗信号，将候选对抗信号作为初始父代种群，通过基于视觉限制的差分进化方法生成信号干扰方案集；采用基于深度学习的无线电信号分类器评估获得干扰信号和对抗信号，完成对抗信号伪造。本发明伪造的信号和原无线电信号具有极高的相似性，有效对抗基于深度学习的信号分类器，降低无线电信号调制类型分类精度。本发明伪造的信号在干扰信号未知的情况下，基本不影响无线电信号内容理解。用于军事领域电子对抗，防止无线电信号调制类型被识别。
-
公开(公告)号：CN106971402B
公开(公告)日：2020-03-17
申请号：CN201710267557.5
申请日：2017-04-21
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于光学辅助的SAR图像变化检测方法，属于图像处理技术领域，主要解决SAR图像噪声影响大，分辨率不高，分类不精确的问题。其过程为：用两幅不同时刻的SAR图像构造差异图，应用FCM将像素分为严变、严不变与中间3类。根据每个像素邻域的严变、严不变像素个数，及光学图像各通道拉成列，作为辅助特征，进行聚类，有效克服了SAR图像分类方法杂点过多的缺陷。本发明具有噪声小，分类精确的优点，有助于后续的分类。
-
公开(公告)号：CN107133649B
公开(公告)日：2019-10-25
申请号：CN201710320669.2
申请日：2017-05-09
申请人： 西安电子科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于点‑域距离的增量式极化SAR地物分类方法，主要解决传统的分类方法分类精度低的问题。其方案是：1.对输入的极化SAR图像的极化相干矩阵T进行取实部与归一化处理，得到用于分类的极化SAR数据矩阵X；2.随机选取不同比例的训练样本；3.利用K近邻分类对极化SAR数据矩阵X进行初始分类，并用预测标签矩阵L1表示初始分类结果；4.对于预测标签矩阵L1进行基于点‑域距离的增量式分类结果优化，得到最终的分类结果。本发明将增量式思想运用到极化SAR地物分类中，不断对分类结果进行优化，实现了分类结果的动态的学习更新，使分类精度得到了显著提升。
-
公开(公告)号：CN107240138A
公开(公告)日：2017-10-10
申请号：CN201710378830.1
申请日：2017-05-25
申请人： 西安电子科技大学
IPC分类号： G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
CPC分类号： G06T9/40 , H04N19/124 , H04N19/176 , H04N19/85 , H04N19/96
摘要： 本发明提出了一种基于样本二叉树字典学习的全色遥感图像压缩方法，用于解决现有全色遥感图像压缩方法中存在的结构复杂的纹理信息不能够得到有效表示的技术问题。实现步骤为：通过图像样本复杂度的评价函数，区分图像中简单样本和复杂样本；对训练图像和待压缩图像分别进行预处理得到样本集Y和T；由样本集Y和T分别建立训练样本二叉树和测试样本二叉树，完成不同复杂度样本的划分；训练样本二叉树叶节点上不同复杂度的样本用来训练不同尺度的字典；而测试样本二叉树叶节点上不同复杂度的样本集在对应字典下稀疏编码，得到系数矩阵；系数矩阵经过量化编码得到二进制码流。本发明压缩重构图像的PSNR指标和主观视觉评价高。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.029 秒)
