-
公开(公告)号：CN112965040B
公开(公告)日：2024-01-23
申请号：CN202110163565.1
申请日：2021-02-05
Applicant: 重庆邮电大学
IPC: G01S7/41
Abstract: 本发明涉及一种基于背景预筛选的自适应CFAR目标检测方法，属于雷达目标检测技术领域。该方法首先对参考窗口进行参数估计剔除背景中的疑似目标，避免目标遮蔽效应；其次对背景均匀性进行评估，确保背景均匀时背景功率估计能使用到更多的参考窗口；对不均匀的背景检测杂波边缘，确定只保留属于本检测单元所在背景的参考窗口进行背景功率估计，提高算法在边缘环境的检测效果，避免由于背景功率估计的不准确导致边缘处出现漏警或虚警；最后再用得到的参考窗口利用CA‑CFAR对检测单元进行判决。本发明能够避免目标遮蔽效应，提升边缘环境中的目标检测效果，对复杂环境中的目标检测具有自适应性。(56)对比文件胡文琳;王永良;王首勇.一种基于有序统计的鲁棒CFAR检测器.电子学报.2007,(第03期),全文.范时胜;王立振.一种改进的VI CFAR检测器.空军雷达学院学报.2010,(第05期),全文.曲付勇;孟祥伟.基于排序数据变率的最大似然恒虚警检测方法.探测与控制学报.2011,(第01期),全文.原慧;陶建锋;安磊.基于删除平均的VI-CFAR检测器.现代防御技术.2013,(第04期),全文.包志强 等.自适应CA-CFAR的心电信号R波检测技术.信号处理.2019,全文.姚朝霞 等.基于局部对比度测量的红外弱小目标恒虚警检测.红外技术.2017,全文.王红岗 等.一种基于自适应非线性滤波的UWB SAR目标检测预处理方法.雷达科学与技术.2005,全文.E.J. Hughes 等.A multiple intelligentsoftware agent based technique forimproving radar detection of lowobservable small craft in sea clutter.TheIEE Seminar on Signal ProcessingSolutions for Homeland Security, 2005.(Ref. No. 2005/11108).2005,全文.Dimitrios Papamartzivanos 等.Introducing Deep Learning Self-AdaptiveMisuse Network Intrusion DetectionSystems.IEEE Access.2019,全文.
-
公开(公告)号：CN111325727B
公开(公告)日：2023-06-16
申请号：CN202010102528.5
申请日：2020-02-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于局部熵和水平集算法的颅内出血区域三维分割方法，属于图像处理技术领域。该方法包括：S1：输入多帧MRI图像；S2：初始化水平集函数，设置参数惩罚项系数和高斯核函数的大小；S3：计算局部熵和自适应长度项系数，根据推导式迭代计算全局和局部项的均值；S4：利用计算出的局部熵作为自适应权重模型调整全局项和局部项的权重，利用计算出的自适应长度项系数来改变曲面演化速度；S5：利用梯度下降法演化水平集函数，对图像进行三维分割。本发明特征在于相较于传统图像分割方法，易于实现，无需花费大量时间提取图像特征、调节系统参数；还保证了对多帧颅内出血的MRI图像进行三维分割。
-
公开(公告)号：CN110610207B
公开(公告)日：2022-11-25
申请号：CN201910854427.0
申请日：2019-09-10
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于迁移学习的小样本SAR图像舰船分类方法，属于计算机视觉技术领域。该方法包括：1)对SAR图像舰船切片进行预处理从而使舰船切片满足迁移学习对输入图片的要求，对舰船切片采取图像增强，并通过DCGAN网络合成相似的舰船切片图像，从而满足CNN分类网络对于数据数量的要求；2)将图片通过去噪自编码器提取图像特征，降低DCGAN网络生成图像时加入的噪声，降低不同海况背景对分类结果的影响；3)采用ResNet网络进行迁移学习，并采用fine‑tune方法进一步提升分类准确性。本发明保证了小样本SAR图像舰船分类能够达到一定准确性。
-
公开(公告)号：CN110610207A
公开(公告)日：2019-12-24
申请号：CN201910854427.0
申请日：2019-09-10
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于迁移学习的小样本SAR图像舰船分类方法，属于计算机视觉技术领域。该方法包括：1)对SAR图像舰船切片进行预处理从而使舰船切片满足迁移学习对输入图片的要求，对舰船切片采取图像增强，并通过DCGAN网络合成相似的舰船切片图像，从而满足CNN分类网络对于数据数量的要求；2)将图片通过去噪自编码器提取图像特征，降低DCGAN网络生成图像时加入的噪声，降低不同海况背景对分类结果的影响；3)采用ResNet网络进行迁移学习，并采用fine-tune方法进一步提升分类准确性。本发明保证了小样本SAR图像舰船分类能够达到一定准确性。
-
公开(公告)号：CN110011947A
公开(公告)日：2019-07-12
申请号：CN201910314163.X
申请日：2019-04-18
Applicant: 重庆邮电大学
IPC: H04L25/03
Abstract: 本发明涉及一种超奈奎斯特传输系统中基于分解矩阵的干扰消除调制方法，属于无线移动通信领域。该方法包括：S1：自适应调节：利用ISI矩阵分解后的特征向量生成自适应调节向量值；S2：FTN调制：将待传输信号以大于传统奈奎斯特采样的速率与脉冲成型函数进行卷积，然后将卷积后得到的待发送信号通过射频发出；S3：匹配滤波：将接收端所接收到的信号进行匹配滤波，然后将匹配滤波的输出信号以超奈奎斯特采样速率进行采样得到处理后信号；S4：分解：将分解向量值与匹配滤波输出的信号矩阵相乘。本发明提高了发送信号的传输速率，完全消除了码间干扰，降低了接收端解码的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN105608679B
公开(公告)日：2018-11-06
申请号：CN201610060748.X
申请日：2016-01-28
Applicant: 重庆邮电大学
Inventor： 王诗言
IPC: G06T5/00
Abstract: 本发明涉及一种融合结构张量与非局域全变分的图像去噪方法，属于图像处理技术领域。该方法包括以下步骤：1)对带噪图像f进行N*N的分块，N的取值可为N＝3,5,7...；2)对图像去噪建模，建立融合结构张量与非局域全变分的目标函数；3)利用分裂Bregman算法求解目标函数得到去噪图像。本发明所述方法具有有效去噪同时保持图像的纹理特征与几何结构特征的优点，算法快速，同时能够减少阶梯效应的产生。
-
公开(公告)号：CN105722046A
公开(公告)日：2016-06-29
申请号：CN201610216861.2
申请日：2016-04-08
Applicant: 重庆邮电大学
CPC classification number: H04W4/16 , H04L65/1069 , H04L65/1076 , H04W4/06 , H04W4/90
Abstract: 本发明涉及一种TD?LTE应急通信系统强插/强拆业务的实现方法，属于应急通信技术领域。该方法包括以下步骤：S1：系统服务器为每位注册用户分配用户优先级，并存储在服务器的数据库中；S2：用户A与用户B正在通话，用户C向系统服务器发起呼叫用户A的新会话请求；S3：服务器接收并处理用户C发起的新呼叫请求，根据呼叫紧急类型、业务类型和用户类型确定新呼叫的综合优先级因子，并与原呼叫的综合优先级因子进行比较；S4：服务器根据比较结果，判断进行相应的强插/强拆或拒绝呼叫操作，同时给用户C返回相应的信息，用户C根据返回的信息做出相应操作，一次呼叫处理结束。本方法能够适用于应急通信场景下不同呼叫类型、不同呼叫紧急情况和不同优先级用户的具体需求。
-
公开(公告)号：CN104768183A
公开(公告)日：2015-07-08
申请号：CN201510117188.2
申请日：2015-03-17
Applicant: 重庆邮电大学
CPC classification number: Y02D70/126
Abstract: 本发明请求保护一种LTE系统中对移动终端的射频前端动态功耗评估的方法。本发明包括：根据LTE系统中上行链路采用的调制方式QPSK、16QAM和64QAM下分别计算射频前端对应的能耗；在能耗建模时，综合考虑了由调制级数和滚降因子共同引起的信号峰均比PAR对射频前端能耗的影响，同时选择衰落信道更贴近实际情况；在MATLAB平台下完成仿真实验，根据仿真结果完成能耗评估；本发明把LTE通信系统相关参数与射频前端能耗相关联，在一定的信道质量下，终端通过选择最佳的调制方式和升余弦滚降滤波器的滚降因子，使终端在满足一定的误码率前提下获得较低的能耗。
-
公开(公告)号：CN119810449A
公开(公告)日：2025-04-11
申请号：CN202510010489.9
申请日：2025-01-03
Applicant: 重庆邮电大学
Abstract: 本发明属于夜间语义分割领域，特别涉及一种夜间语义分割方法、夜间语义分割模型训练方法和装置，包括构建并训练夜间语义分割模型，将待分割的夜间场景的图像输入训练好的夜间语义分割模型得到像素级分割图；所述夜间语义分割模型包括特征编码器、空域分支、频域分支、多频全连接层模块、乘法器、重塑模块以及混合域融合模块；本发明采用的夜间语义分割方法及装置通过所述夜间语义分割模型可以有效提高在夜间场景下的分割准确性，将频率信息融合到空间特征中，增强分割网络的泛化性和鲁棒性。本发明采用的夜间语义分割模型的训练方法及装置能够有效提升夜间语义分割模型的准确性。
-
公开(公告)号：CN119624811A
公开(公告)日：2025-03-14
申请号：CN202411772314.3
申请日：2024-12-04
Applicant: 重庆邮电大学
IPC: G06T5/60 , G06T5/73 , G06V10/40 , G06V10/80 , G06N3/0455 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于残差信道先验引导的多尺度Transformer图像去雨方法，包括：获取有雨图像，将其输入训练后的图像去雨处理网络中，得到去雨后的图像。该图像去雨处理网络的训练过程包括：获取有雨图像样本及其对应的真实无雨图像；利用残差通道先验提取模块提取有雨图像样本的先验特征图；利用上下文特征提取模块对有雨图像样本提取特征，得到不同尺度上雨纹的浅层特征；对其进行特征融合得到第一综合特征图；利用L个递归Transformer提取模块RSTM对第一综合特征图进行处理得到去雨后的图像；计算去雨后的图像与输入有雨图像样本所对应的真实无雨图像之间的损失，通过该损失反向传播优化网络参数。本发明能够从不同方向和尺度去除雨纹，使去雨图像更加符合真实图像。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.034 seconds)
