一种自适应有效信号判定流体管道泄漏定位方法

    公开(公告)号:CN108506742B

    公开(公告)日:2020-07-03

    申请号:CN201810197101.0

    申请日:2018-03-10

    Abstract: 本发明属于漏失的预防、检查和确定位置技术领域,公开了一种自适应有效信号判定流体管道泄漏定位方法,根据管道泄漏信号,选取小波分解的基函数;确定小波分解的最优分解层数;确定门限阈值,利用软阈值法对泄漏信号进行小波降噪;设置有效信号长度估计值和移动步长;确定泄漏信号中的有效信号;利用互相关分析方法,根据泄漏信号中的有效信号,确定泄漏信号到达管道首末两端的时延数;减小有效信号长度,得到2组时延数;将3组时延数求均值作为最终的时延数,并确定泄漏信号到达管道首末两端的时间差;根据时间差计算泄漏源的位置。本发明与现有的定位方法相比,能够降低噪声对泄漏信号的影响,降低泄漏定位误差。

    基于半监督协同训练的SAR目标鉴别方法

    公开(公告)号:CN107977667A

    公开(公告)日:2018-05-01

    申请号:CN201610919536.2

    申请日:2016-10-21

    CPC classification number: G06K9/6269 G06K9/66

    Abstract: 本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法,主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是:1)将恒虚警率CFAR检测切片作为训练样本,从中取少量的样本进行标记;2)提取训练样本的两个林肯特征组;3)用标记过样本的两个林肯特征组训练两个分类器;4)利用3)得到的分类器对无标记样本进行鉴别;5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中;6)利用新的有标记样本重复4)-5)得到最终的分类器;7)用分类器对测试样本进行分类,得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果,可用于实现SAR图像目标的实时鉴别。

    基于二阶统计量扰动分析的SAR图像变化检测方法

    公开(公告)号:CN104778719B

    公开(公告)日:2017-10-24

    申请号:CN201510230170.3

    申请日:2015-05-07

    Abstract: 本发明公开了一种基于时变SAR图像二阶统计量扰动分析的变化检测方法,主要解决时变相干斑噪声影响SAR图像变化检测结果的问题。其实现过程是:(1)将已配准且进行辐射校正和几何校正的两幅待检测SAR图像做差,并取模产生差图像;(2)用两幅待检测图像和差图像构造二阶统计量向量;(3)结合扰动分析计算二阶统计量向量与不变区域二阶统计量的标准形式的相关系数,用相关系数构造差异图;(4)用模糊C均值聚类方法对差异图聚类,实现变化检测。本发明有效地减少了由于时变相干斑噪声造成的虚警,可用于对不同时段同一场景变化区域的检测。

    基于二阶统计量扰动分析的SAR图像变化检测方法

    公开(公告)号:CN104778719A

    公开(公告)日:2015-07-15

    申请号:CN201510230170.3

    申请日:2015-05-07

    Abstract: 本发明公开了一种基于时变SAR图像二阶统计量扰动分析的变化检测方法,主要解决时变相干斑噪声影响SAR图像变化检测结果的问题。其实现过程是:(1)将已配准且进行辐射校正和几何校正的两幅待检测SAR图像做差,并取模产生差图像;(2)用两幅待检测图像和差图像构造二阶统计量向量;(3)结合扰动分析计算二阶统计量向量与不变区域二阶统计量的标准形式的相关系数,用相关系数构造差异图;(4)用模糊C均值聚类方法对差异图聚类,实现变化检测。本发明有效地减少了由于时变相干斑噪声造成的虚警,可用于对不同时段同一场景变化区域的检测。

    基于弱监督学习的SAR图像目标鉴别方法

    公开(公告)号:CN106326938B

    公开(公告)日:2019-03-08

    申请号:CN201610815763.0

    申请日:2016-09-12

    Abstract: 本发明公开了一种基于弱监督学习的SAR图像目标鉴别方法,主要解决现有技术鉴别性能低和样本标记成本高的问题。其实现方案是:在训练阶段,先对正图像的样本集和负图像的负样本集分别提取局部限制性编码LLC特征,再用负样本集训练一个潜在的狄利克雷分配LDA模型,并用该模型从正图像样本集中挑选初始正样本集,用以迭代训练二类SVM鉴别器,得到最优鉴别器;在测试阶段,先对测试样本集提取局部限制性编码LLC特征,再用得到的最优鉴别器对测试样本集进行鉴别。本发明在鉴别性能与全监督的二类SVM鉴别器相近的同时减少了人工标记的成本,更具有实用性,而且,对比杂波训练的一类SVDD鉴别器在复杂场景下的鉴别性能更优,适用于SAR图像目标鉴别。

    基于半监督协同训练的SAR目标鉴别方法

    公开(公告)号:CN107977667B

    公开(公告)日:2019-02-19

    申请号:CN201610919536.2

    申请日:2016-10-21

    Abstract: 本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法,主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是:1)将恒虚警率CFAR检测切片作为训练样本,从中取少量的样本进行标记;2)提取训练样本的两个林肯特征组;3)用标记过样本的两个林肯特征组训练两个分类器;4)利用3)得到的分类器对无标记样本进行鉴别;5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中;6)利用新的有标记样本重复4)‑5)得到最终的分类器;7)用分类器对测试样本进行分类,得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果,可用于实现SAR图像目标的实时鉴别。

    一种自适应有效信号判定流体管道泄漏定位方法

    公开(公告)号:CN108506742A

    公开(公告)日:2018-09-07

    申请号:CN201810197101.0

    申请日:2018-03-10

    Abstract: 本发明属于漏失的预防、检查和确定位置技术领域,公开了一种自适应有效信号判定流体管道泄漏定位方法,根据管道泄漏信号,选取小波分解的基函数;确定小波分解的最优分解层数;确定门限阈值,利用软阈值法对泄漏信号进行小波降噪;设置有效信号长度估计值和移动步长;确定泄漏信号中的有效信号;利用互相关分析方法,根据泄漏信号中的有效信号,确定泄漏信号到达管道首末两端的时延数;减小有效信号长度,得到2组时延数;将3组时延数求均值作为最终的时延数,并确定泄漏信号到达管道首末两端的时间差;根据时间差计算泄漏源的位置。本发明与现有的定位方法相比,能够降低噪声对泄漏信号的影响,降低泄漏定位误差。

    结合多阈值分割与模糊聚类的SAR图像变化检测方法

    公开(公告)号:CN103020978B

    公开(公告)日:2015-07-15

    申请号:CN201210596406.1

    申请日:2012-12-14

    Abstract: 本发明公开了一种结合多阈值分割与模糊聚类的SAR图像变化检测方法,主要针对已有模糊聚类算法的不足,把多阈值分割与模糊聚类结合起来,用于SAR图像变化检测。其实现步骤是:(1)对两幅SAR图像进行中值滤波;(2)计算得到归一化后的对数比差异图像;(3)采用基于标准粒子群优化的大津法对归一化后的对数比差异图像进行多阈值分割;(4)初始化隶属度矩阵U0和U1;(5)采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类;(6)去模糊;(7)输出变化检测结果。本发明把多阀值分割和模糊聚类结合起来用于SAR图像变化检测,降低了变化检测时间,并提高了变化检测的精度。

    结合多阈值分割与模糊聚类的SAR图像变化检测方法

    公开(公告)号:CN103020978A

    公开(公告)日:2013-04-03

    申请号:CN201210596406.1

    申请日:2012-12-14

    Abstract: 本发明公开了一种结合多阈值分割与模糊聚类的SAR图像变化检测方法,主要针对已有模糊聚类算法的不足,把多阈值分割与模糊聚类结合起来,用于SAR图像变化检测。其实现步骤是:(1)对两幅SAR图像进行中值滤波;(2)计算得到归一化后的对数比差异图像;(3)采用基于标准粒子群优化的大津法对归一化后的对数比差异图像进行多阈值分割;(4)初始化隶属度矩阵U0和U1;(5)采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类;(6)去模糊;(7)输出变化检测结果。本发明把多阀值分割和模糊聚类结合起来用于SAR图像变化检测,降低了变化检测时间,并提高了变化检测的精度。

Patent Agency Ranking