-
公开(公告)号：CN109946694A
公开(公告)日：2019-06-28
申请号：CN201910223830.3
申请日：2019-03-22
Applicant: 哈尔滨工业大学
Abstract: 基于随机有限集的圆周SAR多目标跟踪方法，本发明涉及圆周SAR多目标跟踪方法。本发明的目的是为了解决传统基于数据关联的多目标跟踪方法计算复杂的问题。过程为：一：基于DPCA-CFAR方法对运动目标进行初步检测，得到运动目标的量测值；二：根据运动目标量测值，建立多运动目标的状态向量集合和量测向量集合；三：对得到的量测向量进行修正，得到补偿后量测向量；四：根据补偿后量测向量，建立目标状态模型和量测模型；五：根据给出的目标状态模型和量测模型进行基于GMPHD滤波器的目标跟踪。本发明用于微波遥感技术与雷达数据处理领域。
-
公开(公告)号：CN119540765A
公开(公告)日：2025-02-28
申请号：CN202411647404.X
申请日：2024-11-18
Applicant: 哈尔滨工业大学
Abstract: 基于全局邻域信息增强差异图的SAR变化检测方法，涉及图像变化检测技术领域。本发明是为了解决现有SAR变化检测方法还存在检测效率和准确率低的问题。本发明包括：利用双时相SAR图像对生成初始差异图像，然后利用初始差异图像获取包含结构信息与差异特征的分割图；利用包含结构信息与差异特征的分割图获取SAR图像X的权重AXi,j和SAR图像Y的权重AYi,j，再利用SAR图像X的权重AXi,j和SAR图像Y的权重AYi,j更新SAR图像X和Y，获得SAR图像PGX和PGY；利用SAR图像PGX和PGY获取最终差异图；对最终差异图进行自动阈值分割，获得SAR图像变化区域。本发明用于检测SAR图像变化区域。
-
公开(公告)号：CN114067058B
公开(公告)日：2024-04-16
申请号：CN202111405300.4
申请日：2021-11-24
Applicant: 哈尔滨工业大学
Abstract: 本发明的多角度SAR立体成像方法涉及通过数学模型得到多角度的SAR立体成像方法，目的是为了现有多角度SAR立体成像过程需要结合几何关系求解，求解过程不够顺畅，以及在斜视情况下，求解出的目标三维坐标存在大误差的问题，具体步骤如下：步骤一、获得多个角度的SAR回波数据和SAR运动轨迹；步骤二、得到多个不同角度的SAR图像，组成多角度的SAR图像序列；步骤三、构建本质矩阵；以及获取多角度的SAR图像序列中的同名点坐标；步骤四、通过多角度的SAR图像序列中的同名点坐标与本质矩阵构建投影方程，计算目标的三维坐标，进而通过目标的三维坐标对目标进行立体成像。
-
公开(公告)号：CN116994143A
公开(公告)日：2023-11-03
申请号：CN202311044597.5
申请日：2023-08-18
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06V10/426 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 基于复数区域图Transformer的机动空间目标识别方法，涉及逆合成孔径雷达图像处理领域。本发明是为了解决空间目标快速机动会引起ISAR图像上的姿态变化大，并且由于ISAR图像通常以复数值的形式存在，一般的实数域网络会导致ISAR图像中关键相位信息的丢失的问题。本发明首先，对比学习模块训练ISAR图像块对以适应目标ISAR图像的变化。其次，PGT特征提取模块通过图推理方法和Transformer框架提取图像块的局部和全局上下文特征，以获得目标更有效的表示。最后图识别模块更新特征嵌入形成的节点和节点间边的特征，并输出目标的分类概率和分类结果。
-
公开(公告)号：CN114913230A
公开(公告)日：2022-08-16
申请号：CN202210520029.7
申请日：2022-05-13
Applicant: 哈尔滨工业大学
Abstract: 绕飞背景下多种类空间目标姿态信息识别方法，它属于空间遥感与地理科学技术领域。本发明解决了现有的空间目标姿态信息识别方法存在信息利用率低且实时性差的问题。本发明方法所采取的主要技术方案为：步骤一、分别采集各种类卫星绕飞时，在相对于成像传感器视线方向的各个姿态下的空间目标光学图像，根据卫星姿态信息和卫星种类信息生成张量，并对生成的张量进行分解后，再根据分解结果获得每张图像对应的姿态特征向量；步骤二、基于步骤一的分解结果和获得的姿态特征向量对待测的空间目标光学图像进行姿态识别。本发明方法可以应用于空间目标姿态信息识别。
-
Patent Agency Ranking
公开(公告)号：CN114510877A
公开(公告)日：2022-05-17
申请号：CN202210138087.3
申请日：2022-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于StaggeredSAR体制非线性变化PRI序列设计方法，本发明涉及PRI序列设计的方法。本发明的目的是为了解决现有StaggeredSAR体制中线性变化PRI序列的盲区分布的局限性问题。过程为：一：基于StaggeredSAR体制，计算变化的PRI序列对应的盲区位置，组成PRI序列对应的盲区分布图；二：对盲区分布图的盲区位置的不连续性定量描述；三：对盲区分布图的盲区位置的均匀性定量描述；四：定义非线性变化的PRI序列的目标准则函数；五：采用遗传算法对每个PRI序列计算目标准则函数并进行优化，得到最优目标准则函数值对应的PRI序列。本发明用于微波遥感技术领域。
-
公开(公告)号：CN112782693B
公开(公告)日：2021-11-30
申请号：CN202011588010.3
申请日：2020-12-29
Applicant: 哈尔滨工业大学
Abstract: 基于Staggered SAR体制线性快变PRI序列设计方法，本发明涉及结构化数据生成文本方法。本发明为解决现有Staggered SAR体制中变化的脉冲重复间隔引起的脉冲缺失和方位向非均匀采样的问题。过程为：一：建立发射序列PRI变化规律；二：考虑避免脉冲遮掩以及星下点回波影响情况下平均脉冲重复周期的选取范围，根据平均脉冲重复周期的选取范围计算在平均脉冲重复周期下的盲区范围；三：计算M取不同值时，相邻PRI间隔的取值范围；四：优化最大脉冲重复周期参数；五：对Staggered SAR方位维信号重建，最终利用重建后的数据完成SAR成像。本发明用于本发明涉及微波遥感技术领域。
-
公开(公告)号：CN113176573A
公开(公告)日：2021-07-27
申请号：CN202110463376.6
申请日：2021-04-23
Applicant: 哈尔滨工业大学
Abstract: 复数域结构化SAR舰船目标动态仿真与速度估计方法，属于SAR图像处理领域。本发明是为了解决在做SAR舰船目标仿真时缺乏大量仿真样本，且现有的SAR舰船目标仿真方法无法获取精确的舰船目标SAR图像，导致无法获取准确的舰船目标的问题。本发明方法包括：获取舰船3D模型，对舰船3D模型进行预处理，将预处理后的舰船3D模型划分为多个三角面元；根据设定的雷达参数进行射线追踪，得到舰船目标散射点空间坐标；进行舰船目标成像；将训练样本输入AlexNet网络得到训练好的AlexNet预训练模型，将待测样本输入训练好的AlexNet预训练模型，计算得到AlexNet网络复数域速度估计结果。本发明用于SAR舰船目标动态仿真与速度估计。
-
公开(公告)号：CN112784757A
公开(公告)日：2021-05-11
申请号：CN202110098588.9
申请日：2021-01-25
Applicant: 哈尔滨工业大学
Abstract: 海上SAR舰船目标显著性检测与识别方法，属于图像处理领域。本发明为了解决针对弱目标检测性能较差、图像显著性提取适应性低的问题。本发明方法包括：将高斯滤波后的单通道SAR灰度图像扩充为三通道灰度图像，进行Lab颜色空间转换，计算像素点在不同尺度下的显著性，生成多尺度显著性子图，将各显著性子图融合后形成最终的显著图；对显著图做两次阈值分割，得到分割结果；对显著图中疑似目标区域的像素点进行聚类，输出疑似目标区域对应的外接矩形信息；提取哈尔特征，将哈尔特征输入至级联分类器中进行训练，得到舰船目标识别模型；将哈尔特征输入值级联分类器中进行二分类，得到舰船目标。本发明用于SAR舰船目标显著性检测与识别。
-
公开(公告)号：CN105050114A
公开(公告)日：2015-11-11
申请号：CN201510363063.8
申请日：2015-06-26
Applicant: 哈尔滨工业大学
Abstract: 高频段频谱占用的Volterra预测方法，涉及高频段频谱监测技术领域。实现了对变化剧烈的非平稳高频频谱占用因子序列的预测。本发明利用状态空间理论对高频段频谱占用因子序列进行状态空间重构，获得频谱占用因子序列状态空间的重构序列；利用频谱占用因子序列状态空间的重构序列，建立高频段频谱占用因子序列的Volterra预测模型；采用递归最小二乘算法，对Volterra预测模型的核系数进行动态调整，实现高频段频谱占用的Volterra预测。本发明适用于对变化剧烈的非平稳高频频谱占用因子序列进行预测。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.041 seconds)
