公开(公告)号：CN103344969A

公开(公告)日：2013-10-09

申请号：CN201310287051.2

申请日：2013-07-09

Applicant: 北京理工大学

Inventor： 陈禾 ,  师皓 ,  谢宜壮

IPC: G01S19/33

Abstract: 本发明提出一种具有GPS和北斗两种接收模式的双模导航仪，可以同时使用两个星座的卫星，使得卫星的可见数量增加。包括模拟信号处理模块、GPS接收模块、北斗接收模块、处理器模块和电源模块；其中模拟信号处理模块包括天线、低噪声放大器、滤波器和功分器；GPS接收模块包括GPS射频前端模块和基带信号处理模块；北斗接收模块包括北斗射频前端模块、高速A/D、FIFO和FPGA；处理器模块为OMAP双核处理器，包括DSP核和ARM核。

公开(公告)号：CN118411304A

公开(公告)日：2024-07-30

申请号：CN202410505245.3

申请日：2024-04-25

Applicant: 北京理工大学

Inventor： 尹逸斐 ,  陈亮 ,  师皓 ,  何静飞 ,  张平 ,  徐明

IPC: G06T5/70 ,  G06T7/11 ,  G06T5/60 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明提供一种基于盲点网络的SAR图像自监督去噪方法和系统，其中，方法包括：获取SAR图像，根据SAR图像得到同态噪声图像；构建掩膜映射器，根据同态噪声图像和掩膜映射器，得到去噪掩膜图像和去噪SAR图像；构建全局映射器，根据去噪掩膜图像和全局映射器，得到去噪盲点图像；构建多任务重现损失函数，重复进行损失值计算，直至损失函数收敛，得到目标去噪网络；获取待去噪SAR图像，输入至目标去噪网络，得到去噪图像。本发明无需在干净SAR图像情况下进行去噪网络的训练，能迁移到现有的去噪网络上，保证图像每个像素点都被充分利用，避免信息损失，更好地保留图像纹理、边缘等信息，解决目前网络无法训练及去噪效果差的问题。

公开(公告)号：CN118411289A

公开(公告)日：2024-07-30

申请号：CN202410506792.3

申请日：2024-04-25

Applicant: 北京理工大学

Inventor： 胡宇昂 ,  师皓 ,  陈亮 ,  何静飞 ,  尹逸斐 ,  徐明

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于生成对抗网络的SAR图像超分辨率方法，本发明基于构建两个基于深度学习的模型，分别为可学习的退化模型和超分辨率重建SR模型，引入CycleGAN的架构中，共同训练。通过CycleGAN的对抗损失、真实LR‑SAR图像和合成LR‑SAR图像的MAE像素级损失，以及真实HR图像和生成的SR图像特征图之间的感知损失，引导生成更高质量的SR‑SAR图像。相对于传统的SAR超分辨率方法，本方案采用真实的成对数据集，通过训练模型以学习真实SAR图像HR‑LR域之间的内在关系，从而生成质量更高的超分辨率重建的图像。

公开(公告)号：CN116503732A

公开(公告)日：2023-07-28

申请号：CN202310326057.X

申请日：2023-03-30

Applicant: 北京理工大学

Inventor： 江政杰 ,  李健昊 ,  陈亮 ,  师皓 ,  王裕沛

IPC: G06V20/10 ,  G06V10/30 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/094

Abstract: 本发明提供了一种基于域适应的无监督SAR图像舰船目标检测方法，通过从像素级和特征级逐步将光学图像域中的知识迁移到SAR图像域。在像素级，引入扩散模型，将光学域的舰船目标切片转化为伪SAR域的切片，然后与纯海洋背景结合起来，生成丰富的高质量过渡域图像，有效减小了光学图像域和SAR图像域之间的语义鸿沟。在特征级，通过构建以transformer为基础的检测器，在特征提取后和结果预测前分别利用对抗学习策略进行特征对齐操作，SAR域检测器可以从过渡域检测器中学习不变特征，提高对目标检测能力。最后，在SAR图像域利用学习到的检测器，对待处理的SAR图像进行舰船目标检测。在一定程度上缓解了标注SAR图像带来的巨大人工和时间消耗。

公开(公告)号：CN115565066A

公开(公告)日：2023-01-03

申请号：CN202211173313.8

申请日：2022-09-26

Applicant: 北京理工大学

Inventor： 师皓 ,  柴冰茜 ,  王裕沛 ,  陈亮

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer的SAR图像舰船目标检测方法，针对小尺度SAR舰船目标，以Transformer作为主干网络，通过可变形注意力机制融合舰船有效信息，提高检测精度。首先对输入的原始图像进行Patch划分。将patch划分后的图像输入由Transformer构成的四阶段特征提取骨干网络，得到由浅到深的四个不同尺度的特征。将四个不同尺度的特征输入特征金字塔网络进行特征融合，得到由浅到深的五个不同尺度的融合特征。根据原始图像的舰船位置标注，提取目标的粗提取边缘图像。将最浅层的融合特征以及粗提取边缘图像输入边缘指导的形状增强模块，得到增强后的最浅层融合特征。增强后的最浅层融合特征和其他四个尺度的融合特征输入无锚框的目标检测头部，得到目标检测结果。

公开(公告)号：CN114972851A

公开(公告)日：2022-08-30

申请号：CN202210512505.0

申请日：2022-05-12

Applicant: 北京理工大学

Inventor： 刘烨翔 ,  岳冰莹 ,  胡宇昂 ,  姚昕彤 ,  尹逸斐 ,  师皓

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于遥感影像的船只目标智能检测方法，将光学遥感影像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于多层垂直注意力模块的特征金字塔网络，得到更加精细化的特征提取融合结果，再经过具有ECA注意力增强模块的head检测头，以实现对船只目标的分类检测和定位。相较于之前的光学遥感影像船只检测方法，本方案通过先对光学遥感影像完成初步的特征提取、然后利用基于多层垂直注意力模块的特征金字塔网络对提取到的初步提取结果进行精修，提高了船只的检测精度。

公开(公告)号：CN105160355B

公开(公告)日：2018-05-15

申请号：CN201510543366.8

申请日：2015-08-28

Applicant: 北京理工大学

Inventor： 陈亮 ,  师皓 ,  买志宏 ,  陈禾 ,  龙腾

IPC: G06K9/62 ,  G06T7/00 ,  G06T5/50 ,  G06T3/40

Abstract: 本发明公开了一种基于区域相关和视觉单词的遥感图像变化检测方法，具体如下：首先选取参考图像和待检测图像；对参考图像和待检测图像分别进行直方图均衡化处理；对处理后的参考图像和待检测图像分别进行形态学重建的分水岭分割；对分割后得到的两幅图像进行融合处理，获得融合图像；融合图像中共包括k个子区域，对其中的每一个子区域j，计算加权相关系数Cj；设定加权相关系数阈值Δ，若第j个子区域的加权相关系数Cj大于Δ，则第j个子区域即为不变区域，直接将该不变区域提取出来；若第j个子区域的加权相关系数Cj小于Δ，则通过基于视觉单词理论的方法进行提取。使用该方法能够在满足检测任务的基础上提高检测的实时性和鲁棒性。

公开(公告)号：CN103593327A

公开(公告)日：2014-02-19

申请号：CN201310287039.1

申请日：2013-07-09

Applicant: 北京理工大学

Inventor： 陈禾 ,  师皓 ,  马翠梅 ,  谢宜壮 ,  龙腾

IPC: G06F17/14

Abstract: 本发明提出一种基于进制数转换的基3FFT处理方法，旨在降低地址生成的复杂度，可应用于任意固定基地址的产生和任意基FFT处理器的实现。该方法首先根据分析基3FFT算法，给出基于原位存储、时域抽取的基3FFT处理器结构；然后再根据所述的处理器结构，分析存储于存储器中操作数和旋转因子的访问地址，给出三进制表示的操作数和旋转因子地址表示形式；最后根据进制转换关系，给出基于三进制计数器的地址生成架构。