一种SAR图像多尺度舰船目标检测方法

    公开(公告)号:CN114494829B

    公开(公告)日:2024-06-11

    申请号:CN202210045694.5

    申请日:2022-01-16

    摘要: 本发明提供了一种SAR图像多尺度舰船目标检测方法,解决了舰船目标检测网络直接进行特征图融合,忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集;构建特征提取模块;构建特征融合模块;构建基于特征提取和特征融合模块的舰船目标检测网络;进行网络训练和测试,实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征,且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测,提升了检测精度,用于SAR图像舰船目标检测。

    一种SAR图像多尺度舰船目标检测方法

    公开(公告)号:CN114494829A

    公开(公告)日:2022-05-13

    申请号:CN202210045694.5

    申请日:2022-01-16

    摘要: 本发明提供了一种SAR图像多尺度舰船目标检测方法,解决了舰船目标检测网络直接进行特征图融合,忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集;构建特征提取模块;构建特征融合模块;构建基于特征提取和特征融合模块的舰船目标检测网络;进行网络训练和测试,实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征,且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测,提升了检测精度,用于SAR图像舰船目标检测。

    基于领域泛化的跨场景高光谱图像分类方法

    公开(公告)号:CN118608944A

    公开(公告)日:2024-09-06

    申请号:CN202410651112.7

    申请日:2024-05-24

    摘要: 本发明公开了一种基于领域泛化的跨场景高光谱图像分类方法,主要解决现有分类方法在目标场景中分类精度低、泛化效果差的问题。包括:1)构建基于卷积网络与Transformer网络的扩展域生成器;2)根据扩展域数据和源域数据,引入随机化参数得到中间域数据;3)构建扩展域生成器与鉴别器组成的分类模型;4)利用类内监督对比损失与交叉熵损失优化生成器;5)利用文本图像对齐损失、类间监督对比损失与交叉熵损失优化鉴别器;6)使用训练好的模型对高光谱图像进行分类,获取最终分类结果。本发明能够充分利高光谱图像的空间光谱信息,同时从不同角度出发进行图像特征对齐,有效提高了模型对目标场景分类的泛化性能与分类精度。

    基于低秩稀疏表示和约束能量最小的高光谱目标检测方法

    公开(公告)号:CN118429811A

    公开(公告)日:2024-08-02

    申请号:CN202410617463.6

    申请日:2024-05-17

    摘要: 本发明公开了一种基于低秩稀疏表示和约束能量最小的高光谱目标检测方法,主要解决现有检测方案在复杂应用场景下检测效果不佳的问题。包括:1)利用光谱信息散度和空间上下文显著性构建目标字典和背景字典;2)建立目标函数,将高光谱图像分解成低秩成分、稀疏成分和残差成分,并对低秩背景系数施加约束能量最小正则项约束;3)利用背景字典构建子空间检测器、目标字典空间索引构建目标引导图,分别对低秩背景项和稀疏目标项进行优化;4)对两种结果进行非线性融合得到最终检测结果。本发明通过结合基于高性能字典的空间和光谱优势,双字典低秩稀疏模型的先验优势,并以由粗到细的方式进行优化,有效提升了高光谱目标检测性能。

    具有复杂进程子网的自动制造系统的协同活性构建方法

    公开(公告)号:CN111401680B

    公开(公告)日:2024-01-30

    申请号:CN202010082000.6

    申请日:2020-02-06

    发明人: 张敏 胡核算 马艳

    摘要: 省了大量查找信标的时间。本发明属于自动制造系统技术领域,公开了一种具有复杂进程子网的自动制造系统的协同活性构建方法,PN子网和满足活性的WRCN子网通过共同变迁路径合成;为避免对制造系统的运转产生浪费,一旦开始加工之后,WRCN中资源库所的资源要连续输入;在满足上述条件的前提下,PN子网中工作库所的托肯数和WRCN子网中资源库所的托肯数进一步满足限制规则中的约束。本发明采用Petri网作为数学工具,子网合成之后的结果网一定满足活性,不需要再去找出所有信(56)对比文件Hesuan Hu.A Petri Net-Based Discrete-Event Control of Automated ManufacturingSystems with Assembly Operations.《TRANSACTIONS ON CONTROL SYSTEMSTECHNOLOGY》.2015,第第23卷卷(第第2期期),513-525.

    基于多层级特征融合和联合定位的遥感图像目标检测方法

    公开(公告)号:CN116758263A

    公开(公告)日:2023-09-15

    申请号:CN202310586691.7

    申请日:2023-05-23

    摘要: 本发明提出了一种基于多层级特征融合和联合定位的遥感图像目标检测方法,主要解决现有背景复杂下,对于方向任意、尺度不一的目标检测困难的问题。包括:1)使用ResNet50和FPN进行特征提取和融合,得到融合后的三层特征图;2)使用改进后的多层级特征融合模块和平衡坐标注意力机制模块对特征图进行多层级特征融合和特征权重分配,生成不同尺度的特征图;3)在检测头网络中设计包括粗略定位模块和细化定位模块;4)将不同尺度的特征图送入检测头网络,进行粗‑细联合定位,完成目标的分类与回归,获取最终检测结果。本发明有效提高了对具有小尺度、排列紧密和方向任意等特性目标的检测精度,可用于遥感图像目标检测任务。

    基于小波变换和多模态特征融合的自动调制分类方法

    公开(公告)号:CN116738278A

    公开(公告)日:2023-09-12

    申请号:CN202310587426.0

    申请日:2023-05-23

    摘要: 本发明公开了一种基于小波变换和多模态特征融合的自动调制分类方法,主要解决低信噪比条件下现有模型分类正确率不高的技术问题;方案包括:1)获取现有数据集中信号的I/Q样本;2)通过小波阈值去噪对样本数据进行预处理,并提取去噪信号的A/P信息,输入时序模态特征提取网络;同时采用格拉姆角场对样本数据进行重构,将一维序列转换为二维图像,作为图像模态特征提取网络的输入;3)使用基于注意力机制的特征融合方法来融合两个网络提取的多模态特征;4)通过全连接层得到最终的调制分类结果。本发明充分考虑到了不同模态特征之间的的差异性和互补性,能够有效提高低信噪比环境下的调制分类正确率,同时解决调制的混淆问题。

    基于随机直方图森林的高光谱异常检测方法

    公开(公告)号:CN116563257A

    公开(公告)日:2023-08-08

    申请号:CN202310555722.2

    申请日:2023-05-17

    发明人: 王海 王霎 张敏 成曦

    摘要: 本发明提出了一种基于随机直方图森林的高光谱异常检测方法,主要解决现有技术中随机选择样本及分割属性导致检测性能不佳的问题。方案包括:1)基于维度变换及归一化操作对高光谱图像进行预处理;2)构建基于峰度分割准则的随机直方图森林对所有样本实例进行训练和测试;3)计算每个样本实例的马氏距离并进行异常评估,得到检测结果;4)采用具有指数约束的非线性操作,将随机直方图森林和马氏距离的检测结果进行融合,得到最终的检测结果。本发明能够更好地利用高光谱图像的特征,具有较好的检测性能,有效提高了异常检测算法的准确性及鲁棒性,且对高光谱异常检测应用场景具有普适性。