-
公开(公告)号：CN116413672A
公开(公告)日：2023-07-11
申请号：CN202310176783.8
申请日：2023-02-28
IPC分类号： G01S7/41 , G06V10/764 , G06V10/774
摘要： 本发明公开了一种基于高斯混合模型的杂波背景提取方法，实现步骤为：获取训练样本集和测试样本集；构建高斯混合模型；对高斯混合模型进行迭代训练；对每个测试样本的类别进行预测；获取杂波背景的提取结果。本发明中使用的高斯混合模型可以有效地确定具有目标特征的信息，利用目标信息将其中虚假的目标信息排除可以确定真实目标，由真实目标通过剔除样本中的真实目标信号，可以提取到包含具有较高强度杂波背景在内的杂波背景信息，最终得到较为全面的杂波背景信息，避免了现有技术对多普勒‑距离图像中具有较高强度的杂波背景的提取能力较差的缺陷，有效提高了对杂波的抑制能力。
-
公开(公告)号：CN115830423A
公开(公告)日：2023-03-21
申请号：CN202211597596.9
申请日：2022-12-12
IPC分类号： G06V10/80 , G06V10/82 , G06N3/08 , G06V10/774 , G06V10/40 , G06F18/10 , G06N3/0464
摘要： 本发明公开了一种于毫米波雷达与可见光图像融合的目标检测方法，其实现方法为：对雷达数据进行预处理，得到雷达图像；搭建毫米波雷达与可见光图像融合的目标检测网络，包括特征提取子网络、图像融合子网络以及RetinaNet网络；将经过预处理过的雷达图像和可见光图像输入毫米波雷达与可见光图像融合的目标检测网络进行训练，得到训练好的网络模型；测试集的雷达数据经过同样的预处理之后与可见光图像输入训练好的模型进行测试，得到目标检测结果。本发明相比于单独的图像检测方法，检测精度更高，能获得较好的检测结果，可用于进行目标检测。
-
公开(公告)号：CN114764889A
公开(公告)日：2022-07-19
申请号：CN202210430177.X
申请日：2022-04-22
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于风格迁移的SAR图像目标检测方法，主要解决现有技术在进行SAR图像目标检测时，由于图像样本数量不足，质量较低造成检测性能低的问题。其方案是：利用风格迁移网络，生成SAR样本对应的可见光图像；将SAR原始图像及可见光图像均送入目标检测网络中，得到两路的检测结果，并对其进行预处理，划分训练数据和测试数据；构建由卷积神经网络和长短时间记忆网络并联而成的分类网络；将训练数据送入到该分类网络进行训练；将测试数据输入到训练好的分类网络进行决策级融合，得到最终的检测结果。本发明检测精度较高，特别是在数据样本不足，样本状况复杂的情况下，仍能取得较好的检测结果，可用于SAR图像处理。
-
-
搜索结果
3 条记录 (耗时 0.03 秒)
