-
公开(公告)号：CN111580064B
公开(公告)日：2022-07-12
申请号：CN202010596437.1
申请日：2020-06-28
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多域多维特征融合的海面小目标检测方法，将HH、HV、VH、VV这四种极化下的回波数据进行联合处理，提取时域、频域、时频域和极化域的多维特征信息；通过极化域和特征域的线性融合，将多维特征压缩到3D特征空间中，保证高维度信息量的同时降低计算代价；在3D特征空间中，采用快速凸包算法获得虚警可控的判决区域，实现目标检测。本发明的检测方法在不同海洋环境下具有稳健性能，提升雷达对海面小目标的探测性能，为海面小目标检测提供新思路。
-
公开(公告)号：CN111505643B
公开(公告)日：2022-07-05
申请号：CN202010322451.2
申请日：2020-04-22
Applicant: 南京信息工程大学
Abstract: 本发明针对含目标回波样本是稀疏的、不完备的，并且人工提取的特征往往是经验的、定性的问题，提供一种基于时频图深度学习的检测方法。本发明通过半仿真方法获取含目标回波大量数据，解决两类数据非均衡问题。通过白化预处理和迁移学习分类器，能够自主学习时频图的特性，深入挖掘两类数据的差异。本发明将分类器输出的两类概率作为统计量，解决了虚警控制的问题，这种恒虚警特性在实际雷达检测中具有重要意义。
-
公开(公告)号：CN113030894B
公开(公告)日：2022-06-28
申请号：CN202110228502.X
申请日：2021-03-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种利用快速扫描的相参雷达图像提取海浪参数的方法，具体包括步骤：在相参X波段雷达图像中选取研究区域，对图像的振幅做傅里叶变换得二维图像谱，计算峰值周期和峰值波向；分别拟合每个径向的模随方位角的变化，根据拟合的函数校正图像；对校正后的图像做Hilbert变换，得到相位，对相位求导得多普勒频移；对径向的多普勒频移做傅里叶变换，利用传递函数将其转换为海浪的波高谱；根据波高谱得海浪的有效波高。本发明利用相参X波段雷达快速扫描的一幅图像提取海浪的峰值波长、峰值周期、峰值波向和有效波高等参数，不需要外部数据做定标，在观测海浪参数时不影响雷达的导航功能，实现实时观测不同方向的海浪变化。
-
公开(公告)号：CN105224935B
公开(公告)日：2018-08-24
申请号：CN201510713055.1
申请日：2015-10-28
Applicant: 南京信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Android平台的实时人脸关键点定位方法，属于计算机视觉技术领域。本发明方法包括以下步骤：收集人脸训练图片集，并标定关键点；随机选取训练集中的n个样本作为每一个训练样本的初始形状；计算每一个训练样本标准化目标；提取每一个关键点的形状索引特征；采用相关性分析方法选择适量的特征；采用两层增强回归结构(外部层和内部层)；计算每一个阶段的回归器；使用人脸检测的方法估计人脸窗口，根据训练好的回归模型预测人脸关键点位置。目前已有的方法计算复杂度较高，在移动平台上运行过慢；而且对噪声敏感，定位的精度低。本发明以样本的线性组合来约束形状，应用基于回归的方法提高了人脸关键点定位的精度和效率。
-
公开(公告)号：CN105224935A
公开(公告)日：2016-01-06
申请号：CN201510713055.1
申请日：2015-10-28
Applicant: 南京信息工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Android平台的实时人脸关键点定位方法，属于计算机视觉技术领域。本发明方法包括以下步骤：收集人脸训练图片集，并标定关键点；随机选取训练集中的n个样本作为每一个训练样本的初始形状；计算每一个训练样本标准化目标；提取每一个关键点的形状索引特征；采用相关性分析方法选择适量的特征；采用两层增强回归结构(外部层和内部层)；计算每一个阶段的回归器；使用人脸检测的方法估计人脸窗口，根据训练好的回归模型预测人脸关键点位置。目前已有的方法计算复杂度较高，在移动平台上运行过慢；而且对噪声敏感，定位的精度低。本发明以样本的线性组合来约束形状，应用基于回归的方法提高了人脸关键点定位的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN105117739A
公开(公告)日：2015-12-02
申请号：CN201510457010.2
申请日：2015-07-29
Applicant: 南京信息工程大学
IPC: G06K9/66
CPC classification number: G06K9/66
Abstract: 本发明公开了一种基于卷积神经网络的服装分类方法，包括以下步骤：获取服装图像样本，并分为训练样本和测试样本；对训练样本和测试样本进行预处理；构建卷积神经网络模型；利用预处理后的训练样本对卷积神经网络模型进行前向传播和后向传播两个阶段的训练，当后向传播训练计算出的误差达到期望值时，训练结束，并得到卷积神经网络模型的参数；利用训练结束的卷积神经网络模型对预处理后的测试样本进行测试，并输出最终服装分类结果。本发明设计的卷积神经网络框架可以把服装图像直接作为网络的输入，隐式地对图像的特征进行提取，建立全局的特征表达，相比于人工设计的特征提取更加方便和精确，解决了现有算法对衣服分类准确率低的问题。
-
公开(公告)号：CN112147601B
公开(公告)日：2023-05-26
申请号：CN202010915183.5
申请日：2020-09-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的海面小目标检测方法，包括以下步骤：获取待检测距离单元回波向量，以及周围参考距离单元的回波向量；在时域、频域以及时频域中提取多维特征；构建高维特征向量；对特征向量做归一化处理；根据仿真含目标回波数据和海杂波数据，提取归一化特征向量，构建两类均衡的训练样本；将两类训练样本作为随机森林的输入，建立分裂因子和虚警率之间的数学函数表达式，获得虚警可控的随机森林两分类器；将归一化特征向量为带入随机森林两分类器中，获得输出分类标签，判断回波向量是否存在目标。通过此发明可以提升在低SCR条件下雷达的探测性能，解决高维特征域中虚警可控两分类器设计的难点，为海面小目标检测提供新思路。
-
公开(公告)号：CN113030894A
公开(公告)日：2021-06-25
申请号：CN202110228502.X
申请日：2021-03-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种利用快速扫描的相参雷达图像提取海浪参数的方法，具体包括步骤：在相参X波段雷达图像中选取研究区域，对图像的振幅做傅里叶变换得二维图像谱，计算峰值周期和峰值波向；分别拟合每个径向的模随方位角的变化，根据拟合的函数校正图像；对校正后的图像做Hilbert变换，得到相位，对相位求导得多普勒频移；对径向的多普勒频移做傅里叶变换，利用传递函数将其转换为海浪的波高谱；根据波高谱得海浪的有效波高。本发明利用相参X波段雷达快速扫描的一幅图像提取海浪的峰值波长、峰值周期、峰值波向和有效波高等参数，不需要外部数据做定标，在观测海浪参数时不影响雷达的导航功能，实现实时观测不同方向的海浪变化。
-
公开(公告)号：CN112147601A
公开(公告)日：2020-12-29
申请号：CN202010915183.5
申请日：2020-09-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机森林的海面小目标检测方法，包括以下步骤：获取待检测距离单元回波向量，以及周围参考距离单元的回波向量；在时域、频域以及时频域中提取多维特征；构建高维特征向量；对特征向量做归一化处理；根据仿真含目标回波数据和海杂波数据，提取归一化特征向量，构建两类均衡的训练样本；将两类训练样本作为随机森林的输入，建立分裂因子和虚警率之间的数学函数表达式，获得虚警可控的随机森林两分类器；将归一化特征向量为带入随机森林两分类器中，获得输出分类标签，判断回波向量是否存在目标。通过此发明可以提升在低SCR条件下雷达的探测性能，解决高维特征域中虚警可控两分类器设计的难点，为海面小目标检测提供新思路。
-
公开(公告)号：CN111580064A
公开(公告)日：2020-08-25
申请号：CN202010596437.1
申请日：2020-06-28
Applicant: 南京信息工程大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于多域多维特征融合的海面小目标检测方法，将HH、HV、VH、VV这四种极化下的回波数据进行联合处理，提取时域、频域、时频域和极化域的多维特征信息；通过极化域和特征域的线性融合，将多维特征压缩到3D特征空间中，保证高维度信息量的同时降低计算代价；在3D特征空间中，采用快速凸包算法获得虚警可控的判决区域，实现目标检测。本发明的检测方法在不同海洋环境下具有稳健性能，提升雷达对海面小目标的探测性能，为海面小目标检测提供新思路。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.035 seconds)
