-
公开(公告)号：CN112070151B
公开(公告)日：2023-12-29
申请号：CN202010926790.1
申请日：2020-09-07
Applicant: 北京环境特性研究所
IPC: G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种MSTAR数据图像的目标分类识别方法、计算机设备及计算机可读存储介质，该方法包括如下步骤：获取MSTAR数据集并进行方位角信息检测，评估MSTAR数据集方位角信息缺失情况；若方位角间隔角度不超过4°，则对MSTAR数据集进行均匀降采样，得到初始训练集；以平移截取的方式扩充初始训练集，利用扩充后得到的训练集训练CNN网络；利用训练完成后得到的CNN网络进行目标分类识别。本发明能够充分利用方位角信息不完备的数据集，并压缩数据集容量，减少数据冗余，通过小样本数据集实现目标较为准确的分类识别，在一定程度上解决了
-
公开(公告)号：CN116109924A
公开(公告)日：2023-05-12
申请号：CN202310004978.4
申请日：2023-01-03
Applicant: 北京环境特性研究所
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，特别涉及一种SAR目标识别的分布特征诊断方法和装置。方法包括：获取待诊断的目标SAR图像；将目标SAR图像输入至预先训练好的识别模型中，得到目标SAR图像的识别结果；其中，识别模型包括依次连接的特征提取模块、全连接层和输出层；将目标SAR图像和目标SAR图像的识别结果输入至诊断网络中，得到目标SAR图像的诊断结果；其中，诊断网络是由识别模型中的特征提取模块、特征映射层和识别模型中的输出层依次连接组成的。本方案可以将目标SAR图像中各个区域对识别结果的贡献度进行溯源，从而对目标SAR图像中SAR目标的各个结构性区域对识别结果的影响情况进行诊断，获取识别该SAR目标的关键性区域。
-
公开(公告)号：CN114662323A
公开(公告)日：2022-06-24
申请号：CN202210317072.3
申请日：2022-03-29
Applicant: 北京环境特性研究所
IPC: G06F30/20 , G06F111/10 , G06F119/16
Abstract: 本发明提供了一种目标模拟方法、装置及存储介质，其中方法包括：首先获取待模拟目标对应第一频率的全空间第一RCS数据；然后根据第一RCS数据的起伏特性，确定待模拟目标的强散射区域，强散射区域为RCS值大于预设阈值的区域；再然后对强散射区域进行散射中心诊断，得到强散射区域的诊断结构和诊断结构对应的可见角域范围；最后对诊断结构进行结构调整，并根据可见角域范围和对应频率，对调整后的结构和调整前的诊断结构的散射特性进行等效性评估；若评估等效性较高，则将调整优化后的结构确定为待模拟目标在此可见角域范围内的模拟结构。本方案，能够对目标的局部散射特性进行精细模拟，且模拟的散射特性具有良好起伏特性与频率依赖性，整体逼真度高。
-
公开(公告)号：CN116580316A
公开(公告)日：2023-08-11
申请号：CN202310518498.X
申请日：2023-05-10
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本发明提出一种基于上下文特征的港口检测方法，该方法针对极化SAR图像，利用水域、人工建筑极化散射特性差异，首先通过对极化分解提取的不同极化参数进行分割实现水域、强散射建成区的提取；然后利用港区水域和陆地的上下文特征，提取海岸窄带区域并识别出带内大面积强散射区域实现港口感兴趣区域提取；最后利用港口上下文人工建筑的非对称散射特性，根据感兴趣区域共极化和交叉极化散射相关功率分布进行港口鉴别。实施结果表明，本发明实现了在海岸环境复杂，港口形态多样，噪声干扰严重情况下的港口检测，实现不同大小和类型港口的同时检测，有效降低漏检和虚警，在检测率与虚警率均远远优于现有方法。
-
公开(公告)号：CN119622634A
公开(公告)日：2025-03-14
申请号：CN202411724170.4
申请日：2024-11-28
Applicant: 北京环境特性研究所
IPC: G06F18/25 , G06F18/10 , G06F18/214 , G06N3/0464 , G06F18/2431
Abstract: 本发明公开了一种SAR数据特征融合智能识别方法及装置，属于智能识别技术领域。方法包括：对原始SAR图像数据集进行预处理，得到新SAR图像数据集；所述SAR图像数据集包括训练数据集和测试数据集；将新训练数据集输入至多维特征融合网络中训练，得到目标识别模型；其中，所述多维特征融合网络由ResNet网络和传统特征提取网络构建得到；将新测试数据集输入所述目标识别模型，输出得到目标识别结果。本发明能够快速精确的识别SAR图像海面船只，为将来的目标多维特征融合识别提供基础方法支撑。
-
Patent Agency Ranking
公开(公告)号：CN119556284A
公开(公告)日：2025-03-04
申请号：CN202411706714.4
申请日：2024-11-26
Applicant: 北京环境特性研究所
IPC: G01S13/90 , G01S7/41 , G06V10/82 , G06V10/26 , G06V10/40 , G06N3/08 , G06V10/30 , G06V10/28 , G06V10/34
Abstract: 本发明实施例涉及SAR场景识别解译技术领域，特别涉及一种基于环境认知的SAR遥感数据解译方法。本发明实施例提供了一种基于环境认知的SAR遥感数据解译方法，包括：对SAR场景数据进行区域划分，得到多个区域场景；针对得到的每个所述区域场景的SAR数据，均进行环境电磁特性计算，得到该区域场景的特征量，所述特征量包括后向散射系数和概率分布；将所述特征量输入至经过训练的神经网络识别模型，所述神经网络识别模型对所述特征量进行特征提取后，输出该特征量对应区域场景的具体类型。本发明实施例提供了一种基于环境认知的SAR遥感数据解译方法，能够实现存在参与性介质的场景红外特性实时仿真。
-
公开(公告)号：CN112580554A
公开(公告)日：2021-03-30
申请号：CN202011559267.6
申请日：2020-12-25
Applicant: 北京环境特性研究所
Abstract: 本发明涉及图像识别技术领域，尤其涉及一种基于CNN的MSTAR数据噪声强度控制的分类识别方法。该分类识别方法包括：搭建卷积神经网络模型；获取MSTAR图像，并检测图像包含噪声程度等级；选择设定噪声等级以下的噪声图像作为原始图像训练集；扩充图像样本，将得到的扩充后的含噪声图像训练集输入到卷积神经网络模型进行训练和测试；将训练完成后的卷积神经网络模型用于目标图像分类识别；通过多源噪声扩充方法，以削弱噪声特征对网络性能的影响，有助于提升目标的识别准确率。
-
公开(公告)号：CN112070151A
公开(公告)日：2020-12-11
申请号：CN202010926790.1
申请日：2020-09-07
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种MSTAR数据图像的目标分类识别方法、计算机设备及计算机可读存储介质，该方法包括如下步骤：获取MSTAR数据集并进行方位角信息检测，评估MSTAR数据集方位角信息缺失情况；若方位角间隔角度不超过4°，则对MSTAR数据集进行均匀降采样，得到初始训练集；以平移截取的方式扩充初始训练集，利用扩充后得到的训练集训练CNN网络；利用训练完成后得到的CNN网络进行目标分类识别。本发明能够充分利用方位角信息不完备的数据集，并压缩数据集容量，减少数据冗余，通过小样本数据集实现目标较为准确的分类识别，在一定程度上解决了获取实测SAR图像难度大、成本高的问题。
-
公开(公告)号：CN114662323B
公开(公告)日：2025-03-11
申请号：CN202210317072.3
申请日：2022-03-29
Applicant: 北京环境特性研究所
IPC: G06F30/20 , G06F111/10 , G06F119/16
Abstract: 本发明提供了一种目标模拟方法、装置及存储介质，其中方法包括：首先获取待模拟目标对应第一频率的全空间第一RCS数据；然后根据第一RCS数据的起伏特性，确定待模拟目标的强散射区域，强散射区域为RCS值大于预设阈值的区域；再然后对强散射区域进行散射中心诊断，得到强散射区域的诊断结构和诊断结构对应的可见角域范围；最后对诊断结构进行结构调整，并根据可见角域范围和对应频率，对调整后的结构和调整前的诊断结构的散射特性进行等效性评估；若评估等效性较高，则将调整优化后的结构确定为待模拟目标在此可见角域范围内的模拟结构。本方案，能够对目标的局部散射特性进行精细模拟，且模拟的散射特性具有良好起伏特性与频率依赖性，整体逼真度高。
-
公开(公告)号：CN118091660A
公开(公告)日：2024-05-28
申请号：CN202410047308.5
申请日：2024-01-12
IPC: G01S13/90
Abstract: 本发明提出一种基于嵌入体散射成分马尔科夫场分割的海岸线检测方法，利用强散射干扰体散射功率低的特性，以及自然地物散射相干矩阵的对称性，将散射相干矩阵分为体散射成分和非体散射成分两部分，并建立体散射成分和非体散射成分散射矩阵联合概率分布模型，将新的分布模型嵌入马尔科夫场分割方法之中，实现图像强、中和低散射三区域分割，由低散射区域实现海岸线检测的提取。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
