-
公开(公告)号:CN109784318A
公开(公告)日:2019-05-21
申请号:CN201910187110.6
申请日:2019-03-13
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于神经网络的Link16数据链信号的识别方法,其首先输入待测信号;然后对输入的待测信号进行预处理,所述预处理包括降噪处理和PCA降维处理;再将经过预处理后的待测信号输入网络结构和参数确定的神经网络中进行识别;最后根据神经网络输出的信号类别进行识别结果判决。本发明鲁棒性好,对于复杂背景、噪声干扰等复杂情况下的Link16数据链信号识别效果好;同时本发明时间复杂度低,其主要把时间花在构建神经网络上,最后信号的识别用时少。
-
-
公开(公告)号:CN104361563A
公开(公告)日:2015-02-18
申请号:CN201410620489.2
申请日:2014-11-06
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于GPS的高光谱遥感图像几何精校正方法,首先读取成像光谱仪获取的bil格式的高光谱遥感图像数据和GPS记录的成像平台的姿态信息数据;然后将GPS记录的成像光谱仪获取高光谱遥感图像时扫描线对应的经纬度转换为高斯平面直角坐标;最后进行所有波段图像校正。本发明利用高精度GPS记录的成像平台的姿态信息数据对成像平台不稳定运动产生的高光谱遥感图像的几何畸变进行精校正,通用性强,省时省力;同时,由于本发明需要的成像平台的姿态信息数据少,计算量小,因此能够满足实时校正图像的需要。
-
公开(公告)号:CN118628937A
公开(公告)日:2024-09-10
申请号:CN202410735948.5
申请日:2024-06-07
Applicant: 西北工业大学
IPC: G06V20/17 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06V10/25 , G06V10/26 , G06V10/20 , G06V40/10 , G06V10/32
Abstract: 本发明涉及一种基于编‑解码结构双源图像融合的航拍人员检测方法,先采集包含人员目标的航拍双源图像,然后将航拍双源图像进行对齐后输入到训练好的编‑解码结构双源图像融合检测模型中,获得检测结果。该编‑解码结构双源图像融合检测模型包括Transformer‑Yolov5合并基础层、Yolov5颈部层和Yolov5预测头。Transformer‑Yolov5合并基础层包括可见光特征提取子层、红外特征提取子层以及位于可见光特征提取子层和红外特征提取子层中间的特征融合子层。特征融合子层为采用多头注意力机制的基于编‑解码的网络结构。该方法能够有效提升图像特征融合后的检测精度。
-
公开(公告)号:CN116630655A
公开(公告)日:2023-08-22
申请号:CN202310446658.4
申请日:2023-04-24
Applicant: 西北工业大学
IPC: G06V10/58 , G06V10/774 , G06V10/772 , G06V10/762
Abstract: 本发明公开了一种基于光谱变化增广的伪装目标检测方法及装置,先根据高光谱图像获取背景光谱变化字典和目标光谱变化字典,然后将背景光谱变化字典与目标光谱变化字典合并形成联合光谱变化字典,再利用联合光谱变化字典分别对背景字典和目标字典进行扩展,形成扩展背景字典和扩展目标字典,再基于协同表示使用扩展背景字典和扩展目标字典分别对测试样本进行重构,计算扩展背景字典的重构误差和扩展目标字典的重构误差,再根据扩展背景字典的重构误差和扩展目标字典的重构误差判别测试样本是否为伪装目标。该方法增加了字典中光谱变化的多样性,解决了由样本数量少和光谱变化导致的字典中光谱变化多样性有限的问题,进而提升了该方法的检测准确率。
-
公开(公告)号:CN116310321A
公开(公告)日:2023-06-23
申请号:CN202310142599.1
申请日:2023-02-21
Applicant: 西北工业大学
Abstract: 本发明公开了一种高分辨航空图像中目标检测方法,构建第一训练图片集,第一训练图片集中的初始训练图片均包含人员类目标;采用目标检测器对初始训练图片进行目标识别;选择初始训练图片中目标训练器未识别的目标框,并根据目标框生成目标实例库;将目标实例库中的伪样本植入初始训练图片,生成第二训练图片集;基于第二训练图片集对目标检测器进行训练;采用训练完成的目标检测器进行高分辨航空图像的目标检测;本发明通过向目标检测器未识别的初始训练图片中植入伪样本,在通过具有伪样本的最终训练图像对目标检测器进行训练,可以大大提高目标检测器的检测精度,降低误检率和漏检率,同时还可以减少训练过程中最终训练图片的需求量。
-
公开(公告)号:CN116012716A
公开(公告)日:2023-04-25
申请号:CN202310074232.0
申请日:2023-01-18
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/25 , G06V10/80
Abstract: 本发明公开了一种基于元学习的小样本遥感目标检测方法,包括:根据遥感图像构建支持集和查询集;获取支持集中每类遥感图像的类特征向量;获取查询集中每个遥感图像的感兴趣区域特征向量;计算类特征向量和感兴趣区域特征向量之间的距离,获得每类遥感图像的差异特征;对感兴趣区域特征向量进行通道级软注意力处理,得到每类遥感图像的类注意特征;通过全链接层对每类遥感图像的差异特征和每类遥感图像的类注意特征进行融合,得到融合特征;通过元检测器对融合特征进行遥感目标检测,解决如何减小对遥感图像误检、漏检导致目标检测效率低的问题。
-
公开(公告)号:CN110488239A
公开(公告)日:2019-11-22
申请号:CN201910926239.4
申请日:2019-09-27
Applicant: 西北工业大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于调频连续波雷达的目标检测方法,包括:S1、将目标回波信号的空间信息和时频信息进行整合,得到天线阵列的输出信号X(t,f),天线阵列的阵元数为M×N;S2、目标检测及目标数量的估计;S21、计算不同阵元数下天线阵列输出信号的协方差矩阵,则有RXX=E[X(t,f)XH(t,f)];S22、对协方差矩阵进行特征值分解,得到矩阵的特征值集合;S23、根据RAIC(k)的最小值计算目标数量的估计值;S231、计算不同待测目标数量k下对应的AIC(k)的值,根据RAIC(k)=AIC(k)/AIC(k-1)的最小值得到目标数量的估计值。本发明提供的目标检测方法,利用阵列调频连续波雷达对目标空域中目标进行检测,避免了脉冲雷达信号易截获、存在距离盲区和传统连续波雷达难以获得多普勒信息等缺点。
-
-
-
-
-
-
-