-
公开(公告)号：CN106656202A
公开(公告)日：2017-05-10
申请号：CN201611222537.8
申请日：2016-12-27
Applicant: 电子科技大学
IPC: H03M7/30
CPC classification number: H03M7/30
Abstract: 本发明属于信号检测与估计(signal detection and estimation)与通信技术领域，运用在DOA的感应器部分损坏或者异常的场景，实现方法是基于贝叶斯估计的鲁棒性压缩感知。本发明的目的在于提供一种基于贝叶斯的鲁棒性压缩感知方法。本发明考虑部分观测信号出现异常，对稀疏原始信号进行有效恢复的问题。本发明的核心思想是利用一个服从伯努利分布的指针，基于贝叶斯框架来自动检测异常值的位置，并对其剔除进行有效恢复。
-
公开(公告)号：CN106559367A
公开(公告)日：2017-04-05
申请号：CN201611121254.4
申请日：2016-12-08
Applicant: 电子科技大学
IPC: H04L25/02
Abstract: 本发明属于毫米波通信(millimeter wave communication)技术领域，特别涉及一种利用张量的低秩CANDECOMP/PARAFAC分解(CP分解)来联合估计下行链路信道的算法。本发明提供一种基于低秩张量分解的MIMO‑OFDM系统毫米波信道估计方法。本发明将基站接收到的信号构造成一个三阶张量，此张量存在CP分解，并且根据毫米波信道的稀疏散射性质，张量内在的低秩性保证了CP分解的唯一性，因此通过CP分解，张量可以唯一地分解成一系列一阶张量的线性组合，然后通过分解后的因子矩阵即可估计信道相关参数，如到达相位，时延，衰落系数等。
-
公开(公告)号：CN106127221A
公开(公告)日：2016-11-16
申请号：CN201610407759.0
申请日：2016-06-12
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于极化‑纹理特征与DPL的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类过程中图像信息不全面字典判别性能差而导致的运算时间长、分类效率低的问题。本发明的具体步骤如下：(1)读入极化SAR图像；(2)滤波；(3)构造样本集；(4)稀疏编码；(5)构造邻域特征样本矩阵；(6)归一化邻域特征样本矩阵；(7)选取训练样本和测试样本；(8)训练合成字典和分析字典；(9)测试合成字典和分析字典；(10)上色；(11)输出分类结果图。本发明具有对极化SAR图像分类正确率高和分类效率高的优点。
-
公开(公告)号：CN106096652A
公开(公告)日：2016-11-09
申请号：CN201610407916.8
申请日：2016-06-12
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 本发明公开了一种基于稀疏编码和小波自编码器的极化SAR图像分类方法，主要解决由于特征提取不合理而造成的边界分类问题和没有考虑空间相关性而导致的区域一致性较差的问题。其主要步骤是：(1)、输入图像；(2)、预处理；(3)、提取图像特征；(4)、稀疏编码；(5)、选取训练样本和测试样本；(6)、训练小波稀疏自编码器；(7)、训练softmax分类器；(8)、调整网络参数；(9)、图像分类；(10)、上色；(11)、输出分类结果图。本发明具有良好的去噪效果，考虑到数据的邻域信息，能更好地从低维特征中学到更高级的特征，使得本发明的分类结果图的轮廓、边缘更加清晰，改善了极化SAR图像的分类性能。
-
公开(公告)号：CN105930846A
公开(公告)日：2016-09-07
申请号：CN201610207230.4
申请日：2016-04-05
Applicant: 西安电子科技大学
CPC classification number: G06K9/468 , G06K9/6267
Abstract: 本发明公开了一种基于邻域信息和SVGDL的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像分类过程中字典学习收敛速度慢而导致的运算时间长、计算效率低的问题。本发明的具体步骤如下：(1)输入极化SAR图像；(2)滤波；(3)提取极化邻域特征；(4)降维；(5)选取训练样本和测试样本；(6)训练字典和分类器；(7)测试字典和分类器；(8)上色；(9)输出分类结果图。本发明与现有技术相比，有效地提高了极化SAR图像分类正确率和计算效率。
-
Patent Agency Ranking
公开(公告)号：CN105913083A
公开(公告)日：2016-08-31
申请号：CN201610217899.1
申请日：2016-04-08
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269 , G06K9/6271
Abstract: 本发明公开了一种基于稠密SAR?SIFT和稀疏编码的SAR分类方法，主要解决现有特征提取算法无法从具有相干斑噪声的SAR图像中有效的提取特征的问题。其实现步骤为：(1)利用稠密SAR?SIFT提取图像的局部特征；(2)设定字典原子数用K?means聚类算法对局部特征进行聚类构造字典；(3)对局部特征进行稀疏空间编码得到特征编码；(4)对图像的特征编码进行空域最大值池化，得到图像的特征向量；(5)采用快速稀疏SVM分类器对特征向量进行分类。该发明与现有方法相比，可以抑制相干斑噪声的影响，提升了分类精度，并且采用稀疏空间编码方式加速了分类的速度。
-
公开(公告)号：CN105913073A
公开(公告)日：2016-08-31
申请号：CN201610206108.5
申请日：2016-04-05
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于深度增量支持向量机的SAR图像目标识别方法。其步骤为：(1)输入SAR图像；(2)图像预处理；(3)构建初始训练集和增量训练集；(4)初始化深度增量支持向量机；(5)计算测试样本的初始识别率；(6)更新深度增量支持向量机；(7)计算测试样本的识别率；本发明结合了增量学习和深度学习的优点，采用深度增量支持向量机对SAR图像进行目标识别，能处理增量训练样本，并且可以获取更具判别性的深层目标信息。本发明具有提高SAR图像目标识别精度，减少训练时间的优点。
-
公开(公告)号：CN105894035A
公开(公告)日：2016-08-24
申请号：CN201610206107.0
申请日：2016-04-05
Applicant: 西安电子科技大学
CPC classification number: G06K9/6269 , G06K9/4671
Abstract: 本发明公开了一种基于SAR?SIFT和DBN的SAR图像分类方法，主要解决了合成孔径雷达图像分类问题。其分类过程为：(1)输入整数类型SAR图像矩阵；(2)转换SAR图像矩阵；(3)提取SAR?SIFT特征；(4)最大池化处理；(5)归一化；(6)训练四个受限玻耳兹曼机RBM；(7)训练softmax分类器；(8)构建深度置信网DBN网络；(9)分类；(10)计算分类精度。本发明提取了合成孔径雷达图像的SAR?SIFT特征，采用了深度置信网DBN，逐层地学习特征，保留了雷达图像的信息完整性，挖掘了深度信息，具有良好的分类效果，可用于SAR图像分类。
-
公开(公告)号：CN105869146A
公开(公告)日：2016-08-17
申请号：CN201610164208.6
申请日：2016-03-22
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10044 , G06T2207/20221
Abstract: 本发明公开了一种基于图像显著性融合的SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测易受斑点噪声的影响，而且检测精度不高的问题。本发明的具体步骤如下：(1)输入SAR图像；(2)滤波；(3)计算像素的对数比值值；(4)构造全局显著图；(5)计算不同尺度的对比度显著值；(6)构造局部显著图；(7)融合局部显著图和全局显著图；(8)模糊聚类；(9)输出变化检测结果。本发明具有对SAR图像变化检测的噪声影响鲁棒性好和检测精度高的优点。
-
公开(公告)号：CN105844279A
公开(公告)日：2016-08-10
申请号：CN201610163983.X
申请日：2016-03-22
Applicant: 西安电子科技大学
CPC classification number: G06K9/4671 , G06K9/6252 , G06T7/0002 , G06T2207/10044 , G06T2207/20081
Abstract: 本发明公开了一种基于深度学习与SIFT特征的SAR图像变化检测方法，主要解决现有技术对SAR图像的斑点噪声敏感，导致最终变化检测结果精度不高的问题。本发明的具体步骤如下：(1)读入SAR图像；(2)归一化；(3)构造训练特征；(4)训练深度神经网络；(5)对两幅读入的SAR图像作对数比值运算，得到对数比值差异图像；(6)构造对数比值差异图像的邻域特征样本矩阵；(7)检测对数比值差异图像；(8)输出变化检测结果图。本发明充分利用了SIFT特征对SAR图像斑点噪声的稳定特性，克服了SAR图像斑点噪声的影响，提高了SAR图像变化检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.031 seconds)
