-
公开(公告)号：CN112132104B
公开(公告)日：2021-08-03
申请号：CN202011070409.2
申请日：2020-10-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于环路生成对抗网络的ISAR舰船目标图像域增强识别方法，涉及雷达目标识别领域。本发明是为了解决现有对舰船类别识别的准确率低的问题。对数据库中存储的多种舰船类别的舰船原始ISAR图像和原始光学图像分别进行预处理，分别得到原始ISAR图像数据集和原始光学图像数据集；将原始ISAR图像数据集和原始光学图像数据集作为1个训练集，采用环路生成对抗网络对训练集进行训练，得到训练好的环路生成对抗网络；对待测试的舰船ISAR图像或光学图像并进行预处理得到待测试的ISAR图像或光学图像；采用训练好的环路生成对抗网络解析待测试的ISAR图像或光学图像，得到同时具有光学特征和ISAM特征的新图像；采用卷积神经网络解析新图像得到舰船类别。它用于识别图像。
-
公开(公告)号：CN113096058A
公开(公告)日：2021-07-09
申请号：CN202110441799.8
申请日：2021-04-23
Applicant: 哈尔滨工业大学
Abstract: 空间目标多源数据参数化仿真与MinCenterNet融合检测方法，涉及ISAR图像处理领域。本发明是为了解决目前的多源数据融合检测方法存在可操作性低、检测精度不高从而导致的在实际中难以应用的问题。本发明包括：获取光学渲染图像；获取空间目标ISAR仿真图像；将光学渲染图像和ISAR仿真图像进行MixCenterNet融合检测；融合检测时将成对的光学渲染图像和ISAR仿真图像输入MixCenterNet中；光学图像经34层ResNet骨干网络处理，ISAR图像经16层的VGG骨干网络处理，然后分别通过级联角点池化与中心池化生成角点热图与中心点热图确定目标在光学图像中的位置；ISAR图像经16层的VGG骨干网络处理所得特征图，连同光学图像经34层的ResNet骨干网络处理所得特征图一并输入到全连接层，再经Softmax层输出目标类别信息。
-
公开(公告)号：CN111723875B
公开(公告)日：2021-06-22
申请号：CN202010684648.0
申请日：2020-07-16
Applicant: 哈尔滨工业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01S13/90 , G01S13/937
Abstract: 一种基于CV‑RefocusNet的SAR三维转动舰船目标重聚焦方法，属于SAR图像处理领域。包括：SAR样本生成、网络架构设计、重聚焦实现三个部分；SAR样本生成部分负责生成SAR三维转动舰船目标图像，构成训练样本库和测试样本库，网络架构设计部分给出CV‑RefocusNet网络架构，阐明网络设计细节，重聚焦实现部分基于CV‑RefocusNet，对SAR三维转动舰船目标样本库进行训练测试，实现重聚焦功能。本发明可以实现SAR三维转动舰船目标重聚焦，得到清晰目标图像。
-
公开(公告)号：CN110210422B
公开(公告)日：2021-04-27
申请号：CN201910488118.6
申请日：2019-06-05
Applicant: 哈尔滨工业大学
Abstract: 一种基于光学图像辅助的舰船ISAR像识别方法，本发明涉及舰船ISAR像识别方法。本发明的目的是为了解决现有技术对舰船ISAR像识别准确率低的问题。过程为：一、对数据库中已知舰船类别的舰船ISAR像进行预处理；二、得到训练好的衍生网络Pix2pix；三、利用训练好的衍生网络Pix2pix将舰船ISAR像生成舰船光学图像，将舰船光学图像与舰船ISAR像合并；得到训练好的卷积神经网络；四、对待测试的舰船ISAR像进行预处理；五、利用训练好的衍生网络Pix2pix，将得到的舰船光学图像与舰船ISAR像合并；六、将得到的合成图像输入训练好的卷积神经网络，得到类别。本发明用于雷达目标识别领域。
-
Patent Agency Ranking
公开(公告)号：CN111723875A
公开(公告)日：2020-09-29
申请号：CN202010684648.0
申请日：2020-07-16
Applicant: 哈尔滨工业大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G01S13/90 , G01S13/937
Abstract: 一种基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法，属于SAR图像处理领域。包括：SAR样本生成、网络架构设计、重聚焦实现三个部分；SAR样本生成部分负责生成SAR三维转动舰船目标图像，构成训练样本库和测试样本库，网络架构设计部分给出CV-RefocusNet网络架构，阐明网络设计细节，重聚焦实现部分基于CV-RefocusNet，对SAR三维转动舰船目标样本库进行训练测试，实现重聚焦功能。本发明可以实现SAR三维转动舰船目标重聚焦，得到清晰目标图像。
-
公开(公告)号：CN109934840A
公开(公告)日：2019-06-25
申请号：CN201910222890.3
申请日：2019-03-22
Applicant: 哈尔滨工业大学
Abstract: 基于GMPHD滤波器的圆周SAR运动目标跟踪方法，本发明涉及涉及SAR运动目标跟踪方法。本发明的目的是为了解决现有方法进行运动目标跟踪准确率低的问题。过程为：一：基于DPCA-CFAR方法对运动目标进行初步检测，得到运动目标的观测值；二：建立运动目标的状态向量和量测向量；三：建立基于CSAR系统的运动目标状态方程和量测方程；四：高斯分量标记值初始化；五：基于运动目标的状态方程和量测方程，生成自适应新生目标强度，并为新生目标分配新的高斯标记值；六：基于五进行GMPHD递推；七：基于六进行运动目标状态估计与航迹提取，完成SAR运动目标跟踪。本发明用于微波遥感技术和雷达数据处理领域。
-
公开(公告)号：CN105050114B
公开(公告)日：2018-10-02
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。
-
公开(公告)号：CN107797101A
公开(公告)日：2018-03-13
申请号：CN201711003643.1
申请日：2017-10-24
Applicant: 哈尔滨工业大学
Abstract: 密集杂波环境下基于点迹多维筛选的航迹起始方法，本发明涉及雷达数据处理领域中航迹起始方法。本发明为解决现有技术在密集杂波背景下基于数据处理的航迹起始方法存在的虚假航迹多、起始速度慢及目标起始困难等的问题。一：对点迹速度、加速度和运动转角进行运动状态约束；二：根据点迹统计距离和离散度阈值，完成对所有点迹序列中所有点迹的评判；三：对多帧点迹序列中每个点迹多维特征分别进行线性归一化，得到点迹线性归一化后的信噪比和形态特征，分别设置归一化信噪比阈值和形态特征阈值，根据归一化信噪比阈值和归一化形态特征阈值评判点迹；四：根据一、二和三得到点迹等级，确定航迹起始。本发明用于航迹起始领域。
-
公开(公告)号：CN107290731A
公开(公告)日：2017-10-24
申请号：CN201710476610.2
申请日：2017-06-21
Applicant: 哈尔滨工业大学
IPC: G01S7/41
Abstract: 一种基于图像域模板匹配的雷达航迹起始方法，本发明涉及图像处理和目标数据处理领域。本发明的目的是为了解决现有的模板匹配法在强杂波的背景下存在算法计算量大，处理时间长，无法满足航迹起始对于实时性的要求的问题，以及航迹起始处理结果虚警率高，正确率低的问题。过程为：一：得到带有圈数标记的点迹数据；二：得到包含雷达的三圈点迹数据；三：得到雷达单层图像矩阵；四：得到多维图像矩阵；五：直至含有雷达的三圈点迹数据；六：进行匹配，如成功则保存结果，如失败则舍弃；判断是否框选完毕，如果没有则执行五；如果完毕，判断是否全部滑窗完成，如果没有则执行二；如果有，则结束。本发明用于雷达航迹起始领域。
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.075 seconds)
