-
公开(公告)号：CN113096058B
公开(公告)日：2022-04-12
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MixCenterNet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：CN112784757B
公开(公告)日：2022-04-08
申请号：CN202110098588.9
申请日：2021-01-25
Applicant: 哈尔滨工业大学
IPC: G06V20/00 , G06V10/26 , G06V10/56 , G06V10/46 , G06V10/774 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 海上SAR舰船目标显著性检测与识别方法，属于图像处理领域。本发明为了解决针对弱目标检测性能较差、图像显著性提取适应性低的问题。本发明方法包括：将高斯滤波后的单通道SAR灰度图像扩充为三通道灰度图像，进行Lab颜色空间转换，计算像素点在不同尺度下的显著性，生成多尺度显著性子图，将各显著性子图融合后形成最终的显著图；对显著图做两次阈值分割，得到分割结果；对显著图中疑似目标区域的像素点进行聚类，输出疑似目标区域对应的外接矩形信息；提取哈尔特征，将哈尔特征输入至级联分类器中进行训练，得到舰船目标识别模型；将哈尔特征输入值级联分类器中进行二分类，得到舰船目标。本发明用于SAR舰船目标显著性检测与识别。
-
公开(公告)号：CN114114261A
公开(公告)日：2022-03-01
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并输入到CV‑UNet++中，得到N个杂波抑制后的切片Ti，取为测试切片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：CN119395702A
公开(公告)日：2025-02-07
申请号：CN202411636112.6
申请日：2024-11-15
Applicant: 哈尔滨工业大学
Abstract: 任意构型BiSAR极坐标格式图像的运动补偿方法，解决了现有的运动补偿方法难以解决斜视角度下一般配置的散焦问题，属于微波遥感成像领域。本发明包括：建立带有运动误差的任意构型BiSAR的回波模型，根据建立的回波模型得到二维运动误差在波数域引起的相位误差；提出了一种降维操作函数。通过此操作，将QPE和耦合误差降至一维。然后，使用加权最大似然相位梯度自动对焦算法WPGA对一维运动误差进行校正，与PGA相比，该算法使用更少的样本实现了更精确的相位估计。最后，通过点目标仿真和实际实验验证了该方法的优越性。
-
公开(公告)号：CN118918030A
公开(公告)日：2024-11-08
申请号：CN202411030278.3
申请日：2024-07-30
Applicant: 哈尔滨工业大学
IPC: G06T5/70 , G06T5/60 , G06T5/90 , G06T5/20 , G06V10/762 , G06N3/0895 , G06N3/0464
Abstract: 用于SAR图像船目标的自监督深度学习旁瓣与杂波抑制方法，涉及图像处理技术领域，针对现有旁瓣和噪声抑制技术往往在降低噪声的同时牺牲了图像的细节信息，进而影响影像的解析度的问题，本申请可以抑制旁瓣和杂波的同时保留船只目标细节的能力，避免了对影像解析度的影响。
-
Patent Agency Ranking
公开(公告)号：CN114114190A
公开(公告)日：2022-03-01
申请号：CN202111417489.9
申请日：2021-11-25
Applicant: 哈尔滨工业大学
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：CN114114262B
公开(公告)日：2024-07-02
申请号：CN202111417477.6
申请日：2021-11-25
Applicant: 哈尔滨工业大学
IPC: G01S13/90 , G06N3/048 , G06N3/0464 , G06N3/084
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：CN114114263A
公开(公告)日：2022-03-01
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：CN111781599B
公开(公告)日：2021-08-13
申请号：CN202010684656.5
申请日：2020-07-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于CV‑EstNet的SAR运动舰船目标速度估算方法，属于SAR图像处理领域。本发明针对现有对散焦和偏移的SAR舰船目标图像进行运动补偿的方式法复杂且稳定性差的问题。包括：基于三维舰船模型与射线追踪法仿真获得SAR运动舰船样本，并将SAR运动舰船样本分组为训练样本库与测试样本库；基于复数域角度构建复数域速度估计网络CV‑EstNet架构，所述CV‑EstNet架构包括一个输入层、五个卷积层、三个池化层、两个全连接层及一个输出层；采用训练样本库中的训练样本对CV‑EstNet架构进行训练，训练超参数，得到具有速度估计功能的CV‑EstNet网络模型；再采用测试样本库中的测试样本对CV‑EstNet网络模型进行测试，获得SAR舰船目标的距离向速度和方位向速度。本发明实现了SAR运动舰船目标速度估计。
-
公开(公告)号：CN111781599A
公开(公告)日：2020-10-16
申请号：CN202010684656.5
申请日：2020-07-16
Applicant: 哈尔滨工业大学
Abstract: 一种基于CV-EstNet的SAR运动舰船目标速度估算方法，属于SAR图像处理领域。本发明针对现有对散焦和偏移的SAR舰船目标图像进行运动补偿的方式法复杂且稳定性差的问题。包括：基于三维舰船模型与射线追踪法仿真获得SAR运动舰船样本，并将SAR运动舰船样本分组为训练样本库与测试样本库；基于复数域角度构建复数域速度估计网络CV-EstNet架构，所述CV-EstNet架构包括一个输入层、五个卷积层、三个池化层、两个全连接层及一个输出层；采用训练样本库中的训练样本对CV-EstNet架构进行训练，训练超参数，得到具有速度估计功能的CV-EstNet网络模型；再采用测试样本库中的测试样本对CV-EstNet网络模型进行测试，获得SAR舰船目标的距离向速度和方位向速度。本发明实现了SAR运动舰船目标速度估计。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.027 seconds)
