基于图神经网络多特征融合的相干雷达目标检测方法

    公开(公告)号:CN117233725B

    公开(公告)日:2024-01-23

    申请号:CN202311517775.1

    申请日:2023-11-15

    Abstract: 本发明公开了一种基于图神经网络多特征融合的相干雷达目标检测方法,属于雷达信号检测技术领域,包括步骤:S1,对雷达回波数据进行图节点划分,图节点对应回波时间序列数据,获取训练集和验证集测试集;S2,提取时域特征、频域特征和时频特征;S3,构建图邻接矩阵,生成由邻接矩阵和各节点特征向量集构成的三个信号图数据;S4,根据样本数据中对应各节点信号类别,将节点划分训练集、验证集和测试集;S5,搭建雷达目标检测神经网络模型,对雷达目标检测图神经网络进行训练;S6,将测试集输入训练好的雷达目标检测图神经网络,输出对应节点为目标或杂波信号的二分类结果。本发明提高了雷达(56)对比文件WO 2023087558 A1,2023.05.25汪明明等.HetGNN-3D:基于异构图神经网络的3D目标检测优化模型.小型微型计算机系统.2022,全文.傅文谦.基于图神经网络的激光点云行人目标检测研究.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑.2023,全文.Yang, Y.等.The Target DetectionMethod of Pulse-Doppler Radar Based on Graph Attention Networks.2022 IEEE 5thInternational Conference on ElectronicsTechnology (ICET)..2022,全文.Yang, Honghui等.Graph R-CNN: TowardsAccurate 3D Object Detection withSemantic-Decorated Local Graph.COMPUTERVISION, ECCV 2022, PT VIII.2023,全文.苏宁远;陈小龙;关键;牟效乾;刘宁波.基于卷积神经网络的海上微动目标检测与分类方法.雷达学报.2018,(第05期),全文.

    基于图像修补和背景估计的红外弱小目标检测方法

    公开(公告)号:CN112802020A

    公开(公告)日:2021-05-14

    申请号:CN202110366439.6

    申请日:2021-04-06

    Abstract: 本发明公开了基于图像修补和背景估计的红外弱小目标检测方法,包括步骤:S1,输入原始红外图像;S2,通过空间域滤波方法抑制原始红外图像的背景杂波,得到滤波后图像;S3,利用阈值分割方法将疑似弱小目标分割出来;S4,利用图像修补对疑似小目标所在像素进行恢复和估计,重建出红外背景图像;S5,通过原始红外图像减去重建出的红外背景图像,得到目标显著图;S6,再次利用阈值分割方法将弱小目标从目标显著图中分割出来,输出弱小目标信息等;本发明有效解决了现有方法由于噪声、杂波和边缘等因素导致的检测率低、虚警率高的问题,并且该方法的算法复杂度低、计算耗时少,易满足现实应用中的高实时性要求等。

    基于图像修补和背景估计的红外弱小目标检测方法

    公开(公告)号:CN112802020B

    公开(公告)日:2021-06-25

    申请号:CN202110366439.6

    申请日:2021-04-06

    Abstract: 本发明公开了基于图像修补和背景估计的红外弱小目标检测方法,包括步骤:S1,输入原始红外图像;S2,通过空间域滤波方法抑制原始红外图像的背景杂波,得到滤波后图像;S3,利用阈值分割方法将疑似弱小目标分割出来;S4,利用图像修补对疑似小目标所在像素进行恢复和估计,重建出红外背景图像;S5,通过原始红外图像减去重建出的红外背景图像,得到目标显著图;S6,再次利用阈值分割方法将弱小目标从目标显著图中分割出来,输出弱小目标信息等;本发明有效解决了现有方法由于噪声、杂波和边缘等因素导致的检测率低、虚警率高的问题,并且该方法的算法复杂度低、计算耗时少,易满足现实应用中的高实时性要求等。

Patent Agency Ranking