-
公开(公告)号：CN114488067B
公开(公告)日：2024-08-09
申请号：CN202210138578.8
申请日：2022-02-15
Applicant: 哈尔滨工业大学
Abstract: 基于StaggeredSAR体制低过采样率下数据重建方法，本发明涉及低过采样率条件下数据重建的方法。本发明的目的是为了解决现有重建算法大多是将缺失的数据恢复，并将方位维非均匀数据重采样成均匀数据，再按照传统SAR成像算法实现图像聚焦，在低过采样率下往往会导致重建图像质量下降的问题。过程为：一：建立StaggeredSAR回波模型；二：利用Keystone变换完成非均匀数据的距离徙动校正；三：建立StaggeredSAR数据重建的非均匀观测模型；四：根据三得到的非均匀观测模型，利用贝叶斯压缩感知实现低过采样率条件下的数据重建，即重构出场景复图像。本发明用于微波遥感技术领域。
-
公开(公告)号：CN114114263B
公开(公告)日：2024-07-02
申请号：CN202111417490.1
申请日：2021-11-25
Applicant: 哈尔滨工业大学
IPC: G01S13/90
Abstract: 基于CV‑ConvLSTM的SAR三维转动目标转速估计方法，涉及图像处理技术领域，针对现有技术中运用时频分析成像处理的方法消除模糊存在准确率低的问题，本申请提出了一种CV‑ConvLSTM，CV‑ConvLSTM将包括卷积层、激活函数、输入门、遗忘门、输出门在内的整个网络扩展到复杂域中，并在此基础上，推导出一种用于CV‑ConvLSTM训练的复数域随时间反向传播算法CV‑BPTT。本申请基于CV‑ConvLSTM设计了TSF‑Net架构，进行SAR三维转动目标转速估计，将SAR转速估计任务转换为一个图像回归问题，来实现目标转速估计，估计精度显着提高。本申请利用SAR成像原理、复数域深度学习技术，更好的满足复杂SAR转速估计需求，对视角变化、仿射变换、噪声保持一定程度的稳定性。
-
公开(公告)号：CN114114261B
公开(公告)日：2024-07-02
申请号：CN202111417460.0
申请日：2021-11-25
Applicant: 哈尔滨工业大学
Abstract: 基于C2C的自监督SAR海杂波抑制方法、系统、存储介质及设备，属于雷达图像处理技术领域。为了解决现实中缺乏无杂波的真实数据，从而导致不能有效地利用现有的深度学习技术对SAR杂波进行抑制的问题。本发明首先对待抑制的宽幅场景SAR进行裁剪，形成测试切片集；在用于CV‑UNet++训练的杂波切片集中随机选取N个杂波切片，并按照C2C策略将测试切片S与N个杂波切片相减得到#imgabs0#并输入到CV‑UNet++中，得到N个杂波抑制后的切片Ti，取#imgabs1#为测试切片S的最终杂波抑制效果图。主要用于SAR海杂波的抑制。
-
公开(公告)号：CN114114190B
公开(公告)日：2024-07-02
申请号：CN202111417489.9
申请日：2021-11-25
Applicant: 哈尔滨工业大学
IPC: G01S7/41 , G01S13/90 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/06 , G06N3/084 , G06N3/045
Abstract: 基于Mix‑CV‑CNN网络的三维转动舰船目标识别方法，涉及目标识别领域。本发明是为了解决目前舰船识别方法在针对运动状态的舰船进行目标识别时会出现模糊、散焦的现象进而造成的舰船目标识别准确率低的问题。本发明具体过程为：获取待识别的SAR三维转动舰船目标图像，将待识别的SAR三维转动舰船目标图像输入到训练好的Mix‑CV‑CNN模型中获取SAR三维转动舰船目标的类别。Mix‑CV‑CNN模型采用Mix‑CV‑CNN前向传播和Mix‑CV‑CNN反向传播方法训练，Mix‑CV‑CNN前向传播为将训练集中的图像输入到构建的Mix‑CV‑CNN模型中输出舰船目标的类别；Mix‑CV‑CNN反向传播为利用前向传播获得的全连接层输出向量获取Mix‑CV‑CNN模型中每一层的误差项，并利用误差项更新卷积层和全连接层的权值获得训练好的Mix‑CV‑CNN模型。本发明用于动态舰船目标的识别。
-
公开(公告)号：CN115311185B
公开(公告)日：2023-07-11
申请号：CN202211027066.0
申请日：2022-08-25
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T3/40 , G06T7/10 , G06N3/0464 , G06N3/088 , G06V10/774 , G06V10/764
Abstract: 机动目标ISAR散焦图像高分辨重聚焦方法，属于ISAR图像处理领域。为了解决现有的机动目标ISAR图像存在的散焦问题。本发明首先将ISAR散焦图像进行分割，然后将分割后的ISAR散焦图像以复数的形式送入CVPHD网络进行处理，CVPHD网络为基于复数域Pix2pixHD结构，其包含一个复数的卷积单元、一个复数的残差单元、一个复数的反卷积单元、一个实数卷积单元；实数卷积单元输出虚假生成图像，即聚焦后的图像。本发明用于机动目标ISAR散焦图像的高分辨重聚焦。
-
Patent Agency Ranking
公开(公告)号：CN114758228A
公开(公告)日：2022-07-15
申请号：CN202210308171.5
申请日：2022-03-26
Applicant: 哈尔滨航天恒星数据系统科技有限公司 , 哈尔滨工业大学
Abstract: 本发明涉及SAR图像处理技术领域，更具体的说是一种基于GTAF的SAR多极化宽幅遥感影像的识别方法，所述方法，包括以下步骤：S1、对SAR图像进行尺寸为W×H＝13×13进行滑窗裁剪，构造SAR三维转动舰船目标训练集与测试集；S2、高斯型激活函数(GTAF)，包括一个普通实数域激活函数和一个高斯函数，用于联合激活神经元的实部和虚部；通过GTAF的前向传播与反向传播算法，利用所述训练集训练CV‑CNN，通过CV‑CNN自学习并提取样本的深层本质特征，训练完全部训练数据即可得到基于SAR多极化宽幅遥感影像识别模型；S3、将所述测试集输入到所述模型中，通过全连接层与输出层，更好的实现对SAR地物的识别。
-
公开(公告)号：CN113176573B
公开(公告)日：2022-06-17
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：CN114565653A
公开(公告)日：2022-05-31
申请号：CN202210202888.1
申请日：2022-03-02
Applicant: 哈尔滨工业大学
Abstract: 一种存在旋转变化和尺度差异的异源遥感图像匹配方法，涉及一种异源遥感图像匹配方法。为了解决异源遥感图像匹配是存在旋转变化和尺度差异的问题。本发明利用先验匹配点对计算初始的仿射变换矩阵并将异源遥感图像分成对应的图像块，基于harris算子提取光学遥感图像块中的角点，利用HOPC算法确定光学遥感图像块上的角点坐标对应的SAR遥感图像上的坐标点；以匹配点对为中心截取子图像块，基于神经网络得到匹配损失值并进一步筛选正确的匹配点；根据每对匹配图像块中正确匹配点的损失值对匹配点进行筛选，由损失值得到仿射变换矩阵的贡献度，通过贡献度加权获得最终的仿射变换矩阵，从而实现异源遥感图像匹配。主要用于异源遥感图像的匹配。
-
公开(公告)号：CN114114262A
公开(公告)日：2022-03-01
申请号：CN202111417477.6
申请日：2021-11-25
Applicant: 哈尔滨工业大学
Abstract: 基于CV‑ConvGRU的SAR三维转动目标重聚焦方法，涉及图像处理技术领域，针对现有技术中由于海浪、风、自身航行等因素的影响导致SAR成像模糊的问题，本申请提出了一种CV‑ConvGRU，CV‑ConvGRU将包括卷积层、激活函数、更新门、重置门在内的整个网络扩展到复杂域中，并在此基础上，推导出一种用于CV‑ConvGRU训练的反向传播算法。本申请基于CV‑ConvGRU设计了CV‑SSRN架构，进行SAR三维转动目标重聚焦，将SAR重聚焦任务转换为一个图像回归问题，并加入编码器与解码器，来实现目标重新聚焦，聚焦精度显着提高，避免了SAR成像模糊的问题。本申请利用SAR成像原理、复数域深度学习技术，更好的满足复杂SAR重聚焦需求，对视角变化、仿射变换、噪声保持一定程度的稳定性。
-
公开(公告)号：CN113407902A
公开(公告)日：2021-09-17
申请号：CN202110730293.9
申请日：2021-06-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于FPGA的输入分块重映射FFT方法，它属于FPGA平台上FFT运算速度优化技术领域。本发明解决了现有方法中FFT运算速度慢，并没有对FPGA内部资源进行最大化利用的问题。本发明通过使用改进输入结构的蝶形算法，从FFT的计算过程以及FPGA的硬件架构出发，采用HLS编译工具将并行输入FFT运算中的数据输入重映射模块与蝶形运算系数初始化进IP核中，实现与硬件综合。本发明设计的FFT方法能够在FPGA平台上对并行输入数据进行FFT计算，最大化并行的插值输入信号在FPGA平台上进行FFT的运算效率，时间性能上优于官方提供的IP核，实现了对FPGA内部资源进行最大化利用。本发明可以应用于对FPGA平台上FFT运算速度进行优化。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.044 seconds)
