-
公开(公告)号：CN107358261B
公开(公告)日：2020-05-01
申请号：CN201710571602.6
申请日：2017-07-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于曲线波SAE的高分辨SAR图像变化检测方法，根据两幅配准后的同一地区不同时相的SAR图像构建训练数据集并进行归一化；构建三层堆栈自编码网络；从数据集中选择样本训练网络；得到显著性区域图；修改选择样本的尺寸大小和自编码网络每层神经元个数，得到两个尺度下的显著性区域，将这两个尺度下的显著性区域合并得到最终显著性区域，提取对应两幅图像的显著性区域；构建曲线波堆栈自编码网络；选择样本训练得到该尺度下变化检测结果图；得到多个尺度下的变化检测结果，并将这些变化检测结果通过阈值合并为最终的变化检测结果。本发明引入曲线波SAE的变化检测，在特征域作差异图，避免了SAR图像噪声干扰，提高了检测精度。
-
公开(公告)号：CN107832798B
公开(公告)日：2020-04-14
申请号：CN201711155378.9
申请日：2017-11-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非下采样轮廓波NSCT阶梯网模型的极化SAR图像目标检测方法，主要解决现有技术中只能依靠散射信息对地物进行分类和未考虑极化SAR图像的多尺度特征而导致的分类准确率偏低的问题。本发明的具体步骤如下：(1)对待检测的极化SAR图像进行Lee滤波；(2)将相干矩阵进行Yamaguchi分解；(3)特征矩阵归一化；(4)对特征矩阵进行非下采样轮廓波变换；(5)构造数据集；(6)构建阶梯网目标检测模型；(7)训练目标检测模型；(8)获得测试结果。本发明具有对极化SAR图像的多尺度特征提取好，目标检测的精度高的优点。
-
公开(公告)号：CN108460341B
公开(公告)日：2020-04-07
申请号：CN201810113862.3
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法，主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建多分支深度网络；(2)生成含有目标区域训练数据集；(3)第一次训练集成深度卷积网络；(4)生成所有区域训练数据集；(5)第二次训练集成深度卷积网络；(6)生成测试数据集；(7)得到检测结果图；(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本，充分利用光学遥感图像的信息，更好地区分光学遥感图像中的目标和复杂的背景，具有测试过程简单、检测结果误检目标少的优点。
-
公开(公告)号：CN107944353B
公开(公告)日：2019-12-24
申请号：CN201711102099.6
申请日：2017-11-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于轮廓波二值空间金字塔池化BSPP网络的合成孔径雷达SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测的检测精度不高、运算速度较慢的问题。本发明的具体步骤如下：(1)SAR图像预处理；(2)特征矩阵归一化；(3)构造训练数据集；(4)构建轮廓波BSPP感兴趣区域检测网络；(5)训练感兴趣区域检测网络；(6)构建轮廓波BSPP变化检测网络；(7)训练变化检测网络；(8)获取测试样本；(9)检测测试样本的感兴趣区域；(10)感兴趣区域的变化检测；(11)输出变化检测结果图。本发明具有对SAR图像变化检测的检测精度高和运算速度快的优点。
-
公开(公告)号：CN107451614B
公开(公告)日：2019-12-24
申请号：CN201710644479.6
申请日：2017-08-01
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间坐标与空谱特征融合的高光谱分类方法，克服了现有技术空间信息引入方式复杂和信息利用不充分的问题。本发明具体实现的步骤为：(1)输入数据；(2)获取训练样本集和测试样本集；(3)确定空间特征；(4)获取光谱特征；(5)融合分析光谱特征与空间特征；(6)输出最终分类图。本发明利用了空间坐标引入了空间信息，同时采用空谱特征融合的方式，充分地利用信息，以很少的时间获得了很高的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN106559367B
公开(公告)日：2019-08-30
申请号：CN201611121254.4
申请日：2016-12-08
Applicant: 电子科技大学
IPC: H04L25/02
Abstract: 本发明属于毫米波通信(millimeter wave communication)技术领域，特别涉及一种利用张量的低秩CANDECOMP/PARAFAC分解(CP分解)来联合估计下行链路信道的算法。本发明提供一种基于低秩张量分解的MIMO‑OFDM系统毫米波信道估计方法。本发明将基站接收到的信号构造成一个三阶张量，此张量存在CP分解，并且根据毫米波信道的稀疏散射性质，张量内在的低秩性保证了CP分解的唯一性，因此通过CP分解，张量可以唯一地分解成一系列一阶张量的线性组合，然后通过分解后的因子矩阵即可估计信道相关参数，如到达相位，时延，衰落系数等。
-
公开(公告)号：CN110111345A
公开(公告)日：2019-08-09
申请号：CN201910399005.9
申请日：2019-05-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于注意力网络的3D点云分割的方法，解决了现有语义分割对全局上下文信息利用不足的技术问题。其过程包括：对3D点云数据集数据预处理；构建基于注意力网络和多尺度模块的AMNet分割网络，对训练集数据进行训练；再对测试集数据拉伸处理；用AMNet模型文件进行网络性能评估，用D-KNN模块对结果优化，输出最终分割结果。本发明通过AMNet充分利用全局上下文信息，获得精确的分割结果，有效减少了点云数据处理的空间消耗，降低了空间成本，同时提高了分割结果精确性。本发明用于3D点云语义分割。
-
公开(公告)号：CN110044212A
公开(公告)日：2019-07-23
申请号：CN201910185404.5
申请日：2019-03-12
Applicant: 西安电子科技大学
IPC: F41H11/02
Abstract: 本发明属于无人机回收技术领域，公开了一种基于视觉测量信息的旋翼无人机抓捕回收方法，主要对无人机位置信息进行分析，为了提高目标预测的实时性和准确性，采用分段式轨迹拟合与目标预测，即基于上一时间段内无人机的位置信息，通过n阶多项式拟合出该时间段内无人机的运动轨迹；预测出无人机在下一时间段内无人机任意时刻的位置；根据无人机的预测位姿调整抓捕模块相应的位姿，通过循环进行轨迹拟合与目标预测，持续调整抓捕装置的相应位姿，使抓捕装置调整到最佳抓捕位姿；当无人机进入抓捕范围内，抓捕装置实现无人机的抓捕，完成无人机的安全回收。本发明不需要机载的视觉系统，可以低成本、准确得到回收平台的位姿信息，具有较好的可靠性。
-
公开(公告)号：CN107657615B
公开(公告)日：2019-07-23
申请号：CN201711101922.1
申请日：2017-11-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于增量CAE的高分辨SAR图像变化检测方法，主要解决现有方法中SAR图像变化检测易受斑点噪声的影响，检测精度不高且检测速度慢的问题。本发明的具体步骤如下：(1)输入高分辨SAR图像；(2)构建初始样本集；(3)归一化；(4)构建增量卷积自编码CAE网络；(5)构建误差函数；(6)训练增量卷积自编码CAE网络；(7)获得特征差异图；(8)获得15×15像素尺度下变化检测结果图；(9)获得三个不同尺度下的变化检测结果图；(10)融合不同尺度的变化检测结果图；(10)输出高分辨合成孔径雷达SAR图像变化检测的结果图。本发明具有对SAR图像变化检测的噪声影响鲁棒性好、检测精度高和检测速度快的优点。
-
公开(公告)号：CN107944370B
公开(公告)日：2019-07-02
申请号：CN201711143547.7
申请日：2017-11-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于DCCGAN的极化SAR图像分类方法，其实现步骤为：(1)输入图像；(2)预处理数据；(3)特征矩阵归一化及取块；(4)构造数据集；(5)构造DCCGAN模型；(6)训练DCCGAN模型；(7)构造判别分类网络模型并初始化模型；(8)训练判别分类网络模型；(9)预测分类。本发明无需对极化合成孔径雷达SAR图像的极化目标进行分解，可直接从极化散射矩阵中提取特征，充分利用极化合成孔径雷达SAR图像的丰富信息，有效地提高了极化合成孔径雷达SAR图像的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.029 seconds)
