-
公开(公告)号：CN114998748A
公开(公告)日：2022-09-02
申请号：CN202210900842.7
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。
-
公开(公告)号：CN114895338A
公开(公告)日：2022-08-12
申请号：CN202210345688.1
申请日：2022-03-31
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于星载GNSS‑S雷达多维信息的大范围海面风场反演系统及方法。系统包括：星载GNSS‑S雷达，用于接收多颗导航卫星的大范围海面多维散射信号；GNSS‑S信号预处理模块，用于对多维散射信号进行预处理，采用数字波束形成方法恢复海面多个子波束区域的多维散射信号；双站SAR成像处理模块，用于对多个子波束区域的多维散射信号进行并行双站SAR成像处理、二维多视处理与归一化处理，获得多维GNSS‑S雷达图像；海面矢量风场反演模型，用于根据多维GNSS‑S雷达图像对多个子波束区域的海面矢量风场进行并行化反演。本发明可以同时反演海面的风速与风向，而且可实现大范围海面连续的矢量风场反演。
-
公开(公告)号：CN114624656A
公开(公告)日：2022-06-14
申请号：CN202210219484.3
申请日：2022-03-08
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种星载多基线双波段雷达系统及其空间目标探测方法，系统包括：S波段雷达发射宽波束信号和接收目标回波信号，实现大范围空间目标搜索，得到空间目标信息；目标搜索处理子系统处理S波段雷达的回波信号，实现大范围空间目标的检测，获得目标粗略位置和速度；Ka波段雷达根据空间目标信息，接收不同探测区域的目标回波信号并对目标进行批量跟踪，或对同一探测区域的目标进行干涉测量；S波段雷达与Ka波段雷达共孔径；目标跟踪与干涉测量子系统根据Ka波段雷达不同工作模式，对多个探测区域目标进行持续跟踪，得到目标实时轨迹信息，或对同一探测区域目标进行干涉测量，得到目标位置信息。可实现空间批量目标的高精度定位与跟踪。
-
公开(公告)号：CN114488135A
公开(公告)日：2022-05-13
申请号：CN202210314938.5
申请日：2022-03-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种低轨小卫星分布式GNSS‑S雷达系统及在轨处理方法，系统包括：主卫星(50)，用于对探测区域的导航卫星信号进行接收与捕获跟踪，对海面舰船目标的GNSS‑S回波信号进行接收与处理，对分布式GNSS‑S雷达信息进行融合处理；从卫星(10，20，30，40)，用于对探测区域的导航卫星信号进行接收与捕获跟踪，对海面舰船目标的GNSS‑S回波信号进行接收与处理。本发明具有成像探测性能高、信息时效性高、自身隐蔽性强、系统功耗低、系统成本低等优势。
-
公开(公告)号：CN119741467A
公开(公告)日：2025-04-01
申请号：CN202411637460.5
申请日：2024-11-15
Applicant: 北京卫星信息工程研究所
IPC: G06V10/25 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/84 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种基于光学和SAR遥感数据的飞机目标检测识别方法与装置，所述方法包括以下步骤：S1、选用标注完整的SAR图像形成数据集A用来训练第一目标检测模型；S2、选用与数据集A处于同区域同时刻的光学图像形成数据集B用来训练第二目标检测模型；S3、获取同区域同时刻的SAR、光学图像，并分别输入第一、第二目标检测模型检测，并根据检测目标的姿态角分别对第一、第二目标检测模型的检测结果进行旋转变换，获得第一、第二检测结果；S4、通过基于注意力的决策融合检测算法对上述第一、第二检测结果进行决策融合。本发明采用深度学习图像处理方法，通过光学、SAR多传感器数据融合检测技术，有效提高了目标识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119291681A
公开(公告)日：2025-01-10
申请号：CN202411193866.9
申请日：2024-08-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种星载SAR大幅宽海面目标成像智能重构方法，包括以下步骤：利用星载GNSS‑S雷达获取大幅宽海面的探测区域中的多个重点目标的目标信息；通过星间链路将目标信息传递给后方的星载SAR，作为智能重构的先验目标信息；星载SAR基于先验目标信息，通过成像性能和系统资源分析，构建多目标优化数学模型；利用遗传算法求解多目标优化模型，得到最优系统资源分配结果；根据最优系统资源分配结果，通过SAR成像，获取高分辨率、高信噪比图像。本发明，能够实现海面大幅宽多目标观测的资源智能协调，以保证同时获取多个重点目标的高分辨率、高信噪比图像，提高成像效率与识别准确率。
-
公开(公告)号：CN119251680A
公开(公告)日：2025-01-03
申请号：CN202411380023.X
申请日：2024-09-30
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/08 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于提示学习的遥感图像分类方法，包括：获取遥感图像样本及其真实类别标签，并进行预处理，形成遥感图像数据集；根据遥感图像数据集，通过图像编码器和文本编码器，获得遥感图像样本的图像特征向量和文本特征向量；计算遥感图像样本的图像特征向量和文本特征向量之间的相似性，得到遥感图像样本的预测类别标签；计算分类损失和对比损失，重复执行上述步骤，训练并输出分类模型；利用分类模型进行遥感图像分类。本发明，通过上述方法缓解了遥感图像分类方法中语义信息不足的问题，提高了遥感图像分类准确性。
-
公开(公告)号：CN119251679A
公开(公告)日：2025-01-03
申请号：CN202411380020.6
申请日：2024-09-30
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766
Abstract: 本发明的基于双曲空间映射的遥感图像目标检测方法，包括S1、提取遥感图像的特征，得到层级特征图；S2、通过特征融合网络，融合相同类型的层级特征图，获得第一多层级特征图；S3、利用双曲空间映射网络将第一多层级特征图的通道信息投影到双曲空间，得到第二多层级特征图；S4、拼接第一多层级特征图和第二多层级特征图，获得融合特征图；S5、构建特征检测头，检测融合特征图，计算分类损失和位置预测损失；S6、重复S1至S5，训练遥感图像目标检测模型；S7、利用S6得到的遥感图像目标检测模型检测遥感图像。本发明通过增强预测特征图的信息维度，帮助模型理解数据分布，学习更抽象的特征表示，从而提高对目标检测任务的泛化能力。
-
公开(公告)号：CN114442095B
公开(公告)日：2024-08-30
申请号：CN202210135486.4
申请日：2022-02-14
Applicant: 北京卫星信息工程研究所
IPC: G01S13/90
Abstract: 本发明涉及一种蜂群无人机收发组网SAR资源优化与动态重构方法，包括以下步骤：a、根据SAR系统探测性能和无人机节点资源构建多目标函数；b、根据多目标函数的解进行SAR资源及模式的重构。本发明具有高动态重构、大幅宽成像与反隐身探测能力。
-
公开(公告)号：CN116563680B
公开(公告)日：2024-02-06
申请号：CN202310493846.2
申请日：2023-05-05
Applicant: 北京卫星信息工程研究所
IPC: G06V10/80 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明涉及一种基于高斯混合模型的遥感图像特征融合方法、电子设备，通过特征提取主干网络提取输入遥感图像特征，得到不同层级位置的特征图；构建特征融合网络并对不同层级位置的特征图进行融合，获得遥感图像目标的多特征图；构建多个高斯混合模型拟合多特征图，获得高斯混合模型的参数；对多个高斯混合模型进行加权平均融合，利用融合后的高斯混合模型生成数据并与原始特征图拼接；利用融合特征图输入检测模型的检测头，进行遥感图像检测，计算分类、位置预测损失；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，提升了模型分类和定位出遥感图像中的感兴趣目标的能力，提高遥感图像目标定位准确性，提高模型检测能力。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.027 seconds)
