-
公开(公告)号：CN109934282A
公开(公告)日：2019-06-25
申请号：CN201910176375.6
申请日：2019-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于合成孔径雷达小样本目标识别领域，具体涉及一种基于SAGAN样本扩充和辅助信息的SAR目标分类方法。本研究根据SAR的数据样本图像的特性，对Inception结构进行优化和改进，并添加适当的正则化条件，联合上述的GAN小样本生成和GAN小样本超分辨率的成果，对SAR小样本目标进行精确的识别。本发明提出了一种更适用于SAR遥感图像的网络，使得其能够学习不同种类目标区域的特征，从而生成新的较为逼真的目标区域图像，解决了SAR小样本的数据量少的问题。解决了针对合成孔径雷达SAR遥感图像中的目标区域，一种基于自注意力生成对抗网络样本扩充和辅助信息的SAR目标分类方法，本发明主要涉及生成式对抗网络来扩充SAR新样本数据，并基于Restnet50结构网络用以SAR小样本目标识别。
-
公开(公告)号：CN110807372A
公开(公告)日：2020-02-18
申请号：CN201910976624.X
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习遥感目标识别技术领域，具体涉及提高对目标的计算速度的一种基于深度特征重组的快速光学遥感目标识别方法。本方法包括如下步骤：分别建立自下而上50层ResNets以及101层ResNets网络架构作为构建特征金字塔网络的基础，对遥感图像进行初步特征提取，提取出4个不同的尺度的特征C2，C3，C4，C5；将得到的4个特征分别通过自上而下路径的卷积网络进行相互叠加得到新特征M2，M3，M4，M5用来消除不同层之间的混叠效果。将得到的M5特征图加倍得到新特征P5，特征P6是通过对P5进行3x3，然后对特征P6进行ReLU激活函数，再通过3x3,并且步长为2的卷积，就可以得到特征p7。本发明既具有单阶段测试模型的速度优势，又具有双阶段测试模型的计算准确度。
-
公开(公告)号：CN109886356A
公开(公告)日：2019-06-14
申请号：CN201910177081.5
申请日：2019-03-08
Applicant: 哈尔滨工程大学
Abstract: 一种基于三分支神经网络的目标追踪方法，属于计算机视觉技术领域。视觉目标跟踪属于视频分析，作为计算机视觉领域的一个重要分支，它的基本任务是根据给定的目标在初始帧的位置信息，预测目标在视频序列中的位置、区域以及运动轨迹。针对视觉目标追踪的精度低和速度慢，易受遮挡、背景混淆、尺寸变化、剧烈的表观变化、光照变化等影响。提出了一种基于三分支神经网络的目标追踪方法。与传统视觉目标追踪技术不同的是：利用三分支神经网络对目标进行追踪能够对目标有鲁棒性高的表示能力，可以应对目标表观的显著变化，对背景有更好的区分性，同时能有效地避免算法的漂移。在追踪速度也远远超过其他算法。
-
公开(公告)号：CN109934282B
公开(公告)日：2022-05-31
申请号：CN201910176375.6
申请日：2019-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于合成孔径雷达小样本目标识别领域，具体涉及一种基于SAGAN样本扩充和辅助信息的SAR目标分类方法。本研究根据SAR的数据样本图像的特性，对Inception结构进行优化和改进，并添加适当的正则化条件，联合上述的GAN小样本生成和GAN小样本超分辨率的成果，对SAR小样本目标进行精确的识别。本发明提出了一种更适用于SAR遥感图像的网络，使得其能够学习不同种类目标区域的特征，从而生成新的较为逼真的目标区域图像，解决了SAR小样本的数据量少的问题。解决了针对合成孔径雷达SAR遥感图像中的目标区域，一种基于自注意力生成对抗网络样本扩充和辅助信息的SAR目标分类方法，本发明主要涉及生成式对抗网络来扩充SAR新样本数据，并基于Restnet50结构网络用以SAR小样本目标识别。
-
公开(公告)号：CN108875741B
公开(公告)日：2021-12-07
申请号：CN201810620930.5
申请日：2018-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多尺度模糊的声学图像纹理特征提取方法，属于计算机技术领域，包括图像预处理，图像特征值提取及分类器分类。主要实现步骤为：寻找并选取图像的感兴趣区域ROI；对图像进行自适应中值滤波处理，以最小化图像的散斑噪声，保持对脉冲噪声的鲁棒性和图像的边缘特性；对图像进行膨胀和腐蚀操作来进一步移除散斑噪声以及柔化图像；利用直方图均衡来改善图像的对比度，使它在每个灰度级具有相同的像素数；对图像进行模糊局部二元模式操作LBP，得到对应ROI的FLBP地图；采用双树复小波变换DT‑CWT提取不同尺度的特征；选择随机森林RF作为分类器，将超声图像中内容分为正例和反例；本发明能够高效、准确的对超声图像进行分类，具有广阔的发展前景。
-
Patent Agency Ranking
公开(公告)号：CN111028277A
公开(公告)日：2020-04-17
申请号：CN201911256966.0
申请日：2019-12-10
Applicant: 中国电子科技集团公司第五十四研究所 , 哈尔滨工程大学
IPC: G06T7/33
Abstract: 本发明公开了遥感图像配准技术领域的基于伪孪生卷积神经网络的SAR和光学遥感图像配准方法，先对特征图像块的采集和匹配，再进行异常点去除和最终配准，采用了最大化正样本和难负样本之间的特征距离的策略，并且定义了新的损失函数对网络进行训练，伪孪生网络的两个分支通过卷积运算连接，得到两个输入图像块之间的相似性得分；本发明通过提出了伪孪生卷积神经网络体系结构，使得伪孪生网络的左分支和右分支能够分别输入不同大小的光学和SAR遥感图像，能够解决在极高分辨率下光学和SAR遥感图像中识别相应图像块的任务。
-
公开(公告)号：CN108875741A
公开(公告)日：2018-11-23
申请号：CN201810620930.5
申请日：2018-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多尺度模糊的声学图像纹理特征提取方法，属于计算机技术领域，包括图像预处理，图像特征值提取及分类器分类。主要实现步骤为：寻找并选取图像的感兴趣区域ROI；对图像进行自适应中值滤波处理，以最小化图像的散斑噪声，保持对脉冲噪声的鲁棒性和图像的边缘特性；对图像进行膨胀和腐蚀操作来进一步移除散斑噪声以及柔化图像；利用直方图均衡来改善图像的对比度，使它在每个灰度级具有相同的像素数；对图像进行模糊局部二元模式操作LBP，得到对应ROI的FLBP地图；采用双树复小波变换DT‑CWT提取不同尺度的特征；选择随机森林RF作为分类器，将超声图像中内容分为正例和反例；本发明能够高效、准确的对超声图像进行分类，具有广阔的发展前景。
-
公开(公告)号：CN111028277B
公开(公告)日：2023-01-10
申请号：CN201911256966.0
申请日：2019-12-10
Applicant: 中国电子科技集团公司第五十四研究所 , 哈尔滨工程大学
IPC: G06T7/33
Abstract: 本发明公开了遥感图像配准技术领域的基于伪孪生卷积神经网络的SAR和光学遥感图像配准方法，先对特征图像块的采集和匹配，再进行异常点去除和最终配准，采用了最大化正样本和难负样本之间的特征距离的策略，并且定义了新的损失函数对网络进行训练，伪孪生网络的两个分支通过卷积运算连接，得到两个输入图像块之间的相似性得分；本发明通过提出了伪孪生卷积神经网络体系结构，使得伪孪生网络的左分支和右分支能够分别输入不同大小的光学和SAR遥感图像，能够解决在极高分辨率下光学和SAR遥感图像中识别相应图像块的任务。
-
公开(公告)号：CN110189761B
公开(公告)日：2021-03-30
申请号：CN201910421436.0
申请日：2019-05-21
Applicant: 哈尔滨工程大学
IPC: G10L21/0208
Abstract: 本发明提供的是一种基于贪婪深度字典学习的单信道语音去混响方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏和贪婪深度字典学习对单信道语音去混响问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。本发明将传统的单信道语音去混响方法与深度字典学习相结合，提高单信道去混响的效果，使其具有良好的去混响效果，提高深度网络结构的可推导性。
-
公开(公告)号：CN110189761A
公开(公告)日：2019-08-30
申请号：CN201910421436.0
申请日：2019-05-21
Applicant: 哈尔滨工程大学
IPC: G10L21/0208
Abstract: 本发明提供的是一种基于贪婪深度字典学习的单信道语音去混响方法。步骤一、将输入的混沌、纯净语音进行信号预处理，进行特征的提取；步骤二、结合稀疏和贪婪深度字典学习对单信道语音去混响问题进行模型建立；步骤三、将建立好的模型与提取的特征进行模型训练，得到基本系数；步骤四、再次输入混沌、纯净语音信号数据进行测试，经过傅里叶逆变换后，最终得到纯净语音。本发明将传统的单信道语音去混响方法与深度字典学习相结合，提高单信道去混响的效果，使其具有良好的去混响效果，提高深度网络结构的可推导性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.01 seconds)
