-
公开(公告)号：CN108846426B
公开(公告)日：2022-01-11
申请号：CN201810539758.0
申请日：2018-05-30
申请人： 西安电子科技大学
摘要： 本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。
-
公开(公告)号：CN108388927B
公开(公告)日：2021-10-29
申请号：CN201810250153.X
申请日：2018-03-26
申请人： 西安电子科技大学
摘要： 本发明公开一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从对滤波后的待分类极化SAR数据中提取输入特征向量并划分出训练样本集和测试样本集；3)对训练样本集中的样本两两组合得到样本对训练集；4)搭建深度卷积孪生网络并用训练样本集和样本对训练集对其进行训练；5)用训练好的深度卷积孪生网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充了训练集并提取差异化特征，使模型分类准确率更高，可用于极化SAR图像的目标分类、检测和识别。
-
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：CN107358256B
公开(公告)日：2019-07-23
申请号：CN201710550325.0
申请日：2017-07-07
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卡方‑棋盘距离度量的弱监督极化SAR分类方法，主要解决目前弱监督方法的分类精度低的问题。其实现方案包括：1)读入一幅极化SAR图像，基于Cloude‑Pottier目标分解方法，构造具有四维特征的极化矩阵；2)从极化矩阵中选取1％的标记样本作为训练样本；3)分步计算测试样本和训练样本的卡方距离以及空间棋盘距离；4)根据卡方距离和棋盘距离得到组合距离，将其作为最近邻方法评判近邻的标准,实现极化SAR图像分类。本发明仅采用少量训练样本利用最近邻分类器，精确实现了极化SAR的地物分类。
-
公开(公告)号：CN108846426A
公开(公告)日：2018-11-20
申请号：CN201810539758.0
申请日：2018-05-30
申请人： 西安电子科技大学
摘要： 本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。
-
公开(公告)号：CN107527054A
公开(公告)日：2017-12-29
申请号：CN201710844379.8
申请日：2017-09-19
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于多视角融合的前景自动提取方法，用于解决现有基于图切割的前景提取方法中，提取过程比较繁琐和提取的前景边缘不精确的技术问题。本发明首先对SVM分类器进行训练，然后对待提取图像进行灰度化，得到灰度图像，通过训练的SVM分类器，在灰度图像中检测包含前景的子图像，并将子图像在待提取图像中的位置坐标，作为GrabCut算法的输入，对待提取图像进行前景提取，得到待提取图像的像素视角下的提取结果，以SLIC算法对待提取图像生成超像素图像，通过融合超像素图像和像素视角下的提取结果，得到待提取图像的精确的前景提取结果。本发明可用于立体视觉、图像语义识别，三维重建、图像搜索等的应用与研究。
-
公开(公告)号：CN107358256A
公开(公告)日：2017-11-17
申请号：CN201710550325.0
申请日：2017-07-07
申请人： 西安电子科技大学
IPC分类号： G06K9/62
CPC分类号： G06K9/627
摘要： 本发明公开了一种基于卡方-棋盘距离度量的弱监督极化SAR分类方法，主要解决目前弱监督方法的分类精度低的问题。其实现方案包括：1)读入一幅极化SAR图像，基于Cloude-Pottier目标分解方法，构造具有四维特征的极化矩阵；2)从极化矩阵中选取1％的标记样本作为训练样本；3)分步计算测试样本和训练样本的卡方距离以及空间棋盘距离；4)根据卡方距离和棋盘距离得到组合距离，将其作为最近邻方法评判近邻的标准,实现极化SAR图像分类。本发明仅采用少量训练样本利用最近邻分类器，精确实现了极化SAR的地物分类。
-
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：CN106851757A
公开(公告)日：2017-06-13
申请号：CN201710137885.3
申请日：2017-03-09
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于SDN和SDR的异构网络切换方法，用于解决现有异构网络切换方法中存在的可靠性差和无线资源利用率低的技术问题，包括设定双重切换阈值；源无线网络软基站收集无线终端状态信息，并在满足预切换条件下将信息上报SDN控制器；SDN控制器监控无线网络软基站状态，联合无线终端状态信息确定最优目标无线网络软基站及预分配无线资源；源无线网络软基站更新无线终端状态信息，并设定切换时间阈值，在该阈值时间范围内，判断无线终端是否满足切换条件，将结果上报SDN控制器；SDN控制器根据上报结果决定是否下发预分配资源；最优目标无线网络软基站按需求调整网络参数；SDN控制器下发流表，实现异构网络切换。
-
公开(公告)号：CN108388927A
公开(公告)日：2018-08-10
申请号：CN201810250153.X
申请日：2018-03-26
申请人： 西安电子科技大学
摘要： 本发明公开一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从对滤波后的待分类极化SAR数据中提取输入特征向量并划分出训练样本集和测试样本集；3)对训练样本集中的样本两两组合得到样本对训练集；4)搭建深度卷积孪生网络并用训练样本集和样本对训练集对其进行训练；5)用训练好的深度卷积孪生网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充了训练集并提取差异化特征，使模型分类准确率更高，可用于极化SAR图像的目标分类、检测和识别。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.049 秒)
