基于CV-ConvLSTM的SAR三维转动目标转速估计方法

    公开(公告)号:CN114114263B

    公开(公告)日:2024-07-02

    申请号:CN202111417490.1

    申请日:2021-11-25

    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。

    基于C2C的自监督SAR海杂波抑制方法、系统、存储介质及设备

    公开(公告)号:CN114114261B

    公开(公告)日:2024-07-02

    申请号:CN202111417460.0

    申请日:2021-11-25

    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#imgabs0#并输入到CV‑UNet++中,得到N个杂波抑制后的切片Ti,取#imgabs1#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。

    基于Mix-CV-CNN网络的三维转动舰船目标识别方法

    公开(公告)号:CN114114190B

    公开(公告)日:2024-07-02

    申请号:CN202111417489.9

    申请日:2021-11-25

    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。

    基于CV-ConvGRU的SAR三维转动目标重聚焦方法

    公开(公告)号:CN114114262A

    公开(公告)日:2022-03-01

    申请号:CN202111417477.6

    申请日:2021-11-25

    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。

    基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法

    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

    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。

    基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法

    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

    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。

    织构化BiFeO3陶瓷的制备方法

    公开(公告)号:CN102627452A

    公开(公告)日:2012-08-08

    申请号:CN201210141983.1

    申请日:2012-05-09

    Abstract: 织构化BiFeO3陶瓷的制备方法,它涉及一种陶瓷的制备方法。本发明解决了现有方法制备的BiFeO3陶瓷致密性差的问题。本方法如下:一、制备Fe(NO3)3溶胶;二、制备BiFeO3溶胶;三、制备纳米粉末;四、制备陶瓷片;五、将陶瓷片在800℃~850℃保温2h~6h,即得织构化BiFeO3陶瓷。本方法有效解决了传统固相合成球磨法会打碎Bi2O3纳米棒,无法形成织构的弊端,本发明利用Bi2O3纳米棒的取向性,采用溶胶凝胶燃烧法制备织构化BiFeO3陶瓷,利用陶瓷晶粒的定向排列,在较低的陶瓷烧结温度下,获得致密化的BiFeO3陶瓷。

    一种AlN改性具有高压电和高力学性能的钛酸钡基复合陶瓷材料及其制备方法

    公开(公告)号:CN103979954A

    公开(公告)日:2014-08-13

    申请号:CN201410200878.X

    申请日:2014-05-13

    Abstract: 一种AlN改性具有高压电和高力学性能的钛酸钡基复合陶瓷材料及其制备方法,它涉及一种具有高压电性能和高力学性能的钛酸钡基复合陶瓷材料及其制备方法。本发明的材料组成为(1-x)BaTiO3-xAlN,其中x=0.75-10mol%。本发明用普通原料和传统固相合成法制备钛酸钡基陶瓷该体系为钙钛矿相,当x>1.5mol%时,产生BaAl2O4二次相。当AlN含量x=1.5mol%时,复合陶瓷的压电常数d33值大于300pC/N,维氏硬度Hv可达5.9GPa。本发明方法提高了钛酸钡压电陶瓷的压电常数和力学性能,不需要精细粉体和特殊烧结工艺即可获得性能优异的BT基复合陶瓷,有较好的应用前景。

    基于CV-ConvGRU的SAR三维转动目标重聚焦方法

    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

    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。

Patent Agency Ranking