-
公开(公告)号：CN108416358A
公开(公告)日：2018-08-17
申请号：CN201810187593.5
申请日：2018-03-07
Applicant: 北京环境特性研究所
IPC: G06K9/46
Abstract: 本发明提供了一种空间目标特征提取方法和装置，涉及图像特征提取技术领域。其中，该方法包括：对空间目标的图像进行Radon变换，以得到变换后的图像；对所述变换后的图像进行极值点检测，以确定空间目标的至少一个轴线的方向；根据边缘检测算法提取空间目标的轮廓信息；根据所述空间目标的至少一个轴线的方向和所述空间目标的轮廓信息确定轴线的端点。通过以上步骤，能够准确提取出空间目标的轴线特征，为空间目标结构设计和姿态识别等提供技术支撑。
-
公开(公告)号：CN108389196A
公开(公告)日：2018-08-10
申请号：CN201810160122.5
申请日：2018-02-26
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于极化特征的分布式散射中心快速提取方法、装置和设备，其中方法包括以下步骤：一种基于极化特征的分布式散射中心快速提取方法，其特征在于，该方法包括：利用阈值分割方法对四极化通道的ISAR图像进行图像分割；对图像分割后的每个闭合区域运用惯量矩方法确定是否为分布式散射中心；在判断为分布式散射中心时利用四极化通道的ISAR图像在对应分割区域的散射幅度来构造分布式散射中心的极化散射矩阵，并基于所述极化散射矩阵对分布式散射中心的类型进行判断。本发明相对于现有常用的分布式散射中心类型判断方法，能够更为准确、快速地实现典型分布式散射中心的类型判断。
-
公开(公告)号：CN105353376A
公开(公告)日：2016-02-24
申请号：CN201510824741.6
申请日：2015-11-24
Applicant: 北京环境特性研究所
IPC: G01S13/90
CPC classification number: G01S13/9035 , G01S2013/9064
Abstract: 公开了一种基于ISAR图像的空间目标姿态反演方法，包括：基于目标的观测时刻ISAR图像获取目标的太阳板轴长度、主体轴长度和主体轴方向；在偏航角ψ、俯仰角θ和滚动角均为0°条件下获取目标的第一仿真主体轴方向，根据主体轴方向和第一仿真主体轴方向之间的夹角确定目标的观测时刻偏航角ψt；在ψ＝ψt、条件下获取目标的第二仿真主体轴长度，根据主体轴长度和第二仿真主体轴长度确定目标的观测时刻俯仰角θt；在ψ＝ψt、θ＝θt、条件下获取目标的第三仿真太阳板轴长度，根据太阳板轴长度和第三仿真太阳板轴长度确定目标的观测时刻滚动角。本发明能够得到关于空间目标姿态的定量值，可以准确反演出目标的偏航角、俯仰角和滚动角，从而能够更加直接的了解目标在空中的运动规律。
-
公开(公告)号：CN117495747A
公开(公告)日：2024-02-02
申请号：CN202311505525.6
申请日：2023-11-13
Applicant: 北京环境特性研究所
IPC: G06T5/90 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及机器学习技术领域，特别涉及一种非合作目标的介质图像的生成方法、装置、设备及介质。方法包括：获取非合作目标的无介质图像；利用GTD模型生成无介质图像金属材质光滑表面的若干个三维散射中心；其中，无介质图像的目标表面无介质涂层；将无介质图像的三维散射中心输入至预先训练好的模型中，以对每一个三维散射中心的散射幅度系数进行调整，得到非合作目标的介质图像。本方案通过充分利用已知合作目标的先验信息对神经网络进行训练，能够较为准确地根据无介质图像生成介质图像，相较于传统方法生成的非合作目标的无介质图像，本方案可以有效提高非合作目标介质图像的准确性。
-
公开(公告)号：CN117274649A
公开(公告)日：2023-12-22
申请号：CN202311214915.8
申请日：2023-09-19
Applicant: 北京环境特性研究所
IPC: G06V10/762 , G06V10/77 , G06V10/82 , G06V20/60
Abstract: 本发明提供了一种雷达目标聚类识别方法、装置、电子设备及存储介质，其中方法包括：获取多个样本对，每一个样本对包括目标高分辨一维距离像HRRP和对应的深层降维特征；将每一个样本对中的深层降维特征输入至流形映射中，得到流形映射特征，并对所述流形映射特征进行聚类，得到目标聚类结果；获取待分类雷达目标HRRP的目标深层降维特征，并将所述目标深层降维特征输入至所述流形映射中，得到目标流形映射特征；根据所述目标聚类结果对所述目标流形映射特征进行聚类，以确定所述雷达目标HRRP的聚类标签。本方案，能够提高雷达目标聚类识别结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114417231A
公开(公告)日：2022-04-29
申请号：CN202111461268.1
申请日：2021-12-03
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于特征模的单站RCS计算方法和装置，该方法的一个具体实施方式包括：读入待计算目标的信息，根据待计算目标的信息建立待计算目标的矩量法方程和特征方程；基于所述特征方程获取多个最小的特征值，将所述多个最小的特征值对应的特征模式向量形成一组全域基，并使用形成的全域基表示待计算目标的表面电流参数；将使用所述全域基表示的待计算目标的表面电流参数输入所述矩量法方程，并对所述矩量法方程中的阻抗矩阵进行降阶处理；求解经过所述降阶处理的所述矩量法方程以获得待计算目标的表面电流数据，依据获得的表面电流数据确定待计算目标的单站RCS。该实施方式能够快速、准确地计算电大目标单站RCS。
-
公开(公告)号：CN111220960B
公开(公告)日：2022-01-07
申请号：CN202010062821.3
申请日：2020-01-19
Applicant: 北京环境特性研究所
IPC: G01S7/41
Abstract: 本发明涉及一种多站雷达下的目标特征提取方法和装置，涉及雷达信号处理技术领域。其中，所述方法包括：基于几何绕射理论构建多站雷达下的目标电磁散射模型；确定目标在多站雷达下的回波信号，以及所述目标对应的稀疏字典矩阵；根据所述目标在多站雷达下的回波信号以及所述目标对应的稀疏字典矩阵，对所述多站雷达下的目标电磁散射模型进行求解，以得到目标的所述参数的估计值。通过以上步骤，能够解决现有多站电磁散射中心模型只能表征散射中心的位置、不能够反演目标的结构信息的问题，填补当前多站电磁散射机理表征及其参数反演方法的空白。
-
公开(公告)号：CN111220960A
公开(公告)日：2020-06-02
申请号：CN202010062821.3
申请日：2020-01-19
Applicant: 北京环境特性研究所
IPC: G01S7/41
Abstract: 本发明涉及一种多站雷达下的目标特征提取方法和装置，涉及雷达信号处理技术领域。其中，所述方法包括：基于几何绕射理论构建多站雷达下的目标电磁散射模型；确定目标在多站雷达下的回波信号，以及所述目标对应的稀疏字典矩阵；根据所述目标在多站雷达下的回波信号以及所述目标对应的稀疏字典矩阵，对所述多站雷达下的目标电磁散射模型进行求解，以得到目标的所述参数的估计值。通过以上步骤，能够解决现有多站电磁散射中心模型只能表征散射中心的位置、不能够反演目标的结构信息的问题，填补当前多站电磁散射机理表征及其参数反演方法的空白。
-
公开(公告)号：CN108427105B
公开(公告)日：2020-06-02
申请号：CN201810163100.4
申请日：2018-02-26
Applicant: 北京环境特性研究所
IPC: G01S7/41
Abstract: 本发明涉及一种改进的基于DE模型的频带拼接方法、装置、设备及介质，其中方法包括以下步骤：采用旋转不变技术估计信号参数方法联合各频段数据估计散射中心位置；使用第一段频带的数据估计散射中心幅度系数；计算第二段频带至第P段频带的幅度校正因子，进行P‑1次多项式拟合，将缺失频段中心频率代入获得缺失频带的幅度校正因子；根据估计的散射中心位置、缺失频带的幅度校正因子和散射中心幅度系数生成缺失频带数据，完成频带拼接。本发明相对于基于GTD模型的频带拼接方法而言对数据的拟合更为准确，相对于传统的DE模型频带拼接方法而言对大带宽的数据的拼接效果更好。
-
公开(公告)号：CN106846402B
公开(公告)日：2019-07-12
申请号：CN201710005389.2
申请日：2017-01-04
Applicant: 北京环境特性研究所
IPC: G06T7/70
Abstract: 本发明公开了一种对多帧ISAR图像中的散射中心进行关联的方法。该方法包括：确定具有N帧ISAR图像的ISAR图像序列中的第一帧图像的散射中心的二维位置；对于其它的每一帧图像，都分别建立与上一帧图像之间的空间管道；根据N帧图像之间的空间管道，构造至少一个连续空间管道，并确定各个连续空间管道中的有效散射中心的个数；如果在N帧图像中同一连续空间管道有多于M个有效散射中心，则该连续空间管道中的各个空间管道为关联的，输出关联的连续空间管道中的散射中心参数。通过使用本发明所提供的对多帧ISAR图像中的散射中心进行关联的方法，可以有效提高散射中心关联的准确性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.024 seconds)
