-
公开(公告)号：CN117368911A
公开(公告)日：2024-01-09
申请号：CN202311306302.7
申请日：2023-10-10
Applicant: 哈尔滨工程大学
Abstract: 一种基于方差分形的真实海杂波分布的航海雷达目标检测方法，属于海洋环境海杂波背景下舰船目标探测技术领域。本发明针对现有海杂波模型下的恒虚警率目标检测的虚警率较高的问题。包括：对预处理后雷达图像中的采样点通过方差分形方法进行目标粗检测，通过计算得到Hurst指数，再基于设定的Hurst指数门限阈值确定目标点；根据目标点的分布确定多个目标区域；对每个目标区域内的目标点，基于Hurst指数门限阈值去除目标点，得到每个目标区域对应的真实海杂波分布区域图像；再进行数据拟合得到真实海杂波分布模型；基于真实海杂波分布模型对目标区域进行恒虚警率逐线逐点精检测，确定真实目标点。本发明用于舰船目标探测。
-
公开(公告)号：CN115236664B
公开(公告)日：2025-04-04
申请号：CN202210791766.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S13/89 , G01S13/937 , G01S7/41
Abstract: 本发明公开了一种航海雷达图像反演有效波高的方法，首先利用离线的浮标数据和雷达，通过最小二乘法拟合得到海浪的波峰周期和平均过零周期之间的关系，再通过3D‑FFT谱分析法得到二维海浪谱，从二维海浪谱中获取海浪的波峰周期，然后计算平均过零周期，通过阴影法计算海浪的均方根波陡，最后通过平均过零周期和均方根波陡参数计算海浪的有效波高。本发明能独立地通过雷达数据反演海浪的有效波高参数，使得利用雷达测量海浪有效波高参数的过程完全脱离了浮标的支持，不需要借助于其他仪器，增加了算法的适用性和独立性。
-
公开(公告)号：CN118628777A
公开(公告)日：2024-09-10
申请号：CN202410746713.6
申请日：2024-06-11
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/25 , G06V10/75
Abstract: 本发明属于海洋环境条件下舰船目标探测技术领域，具体涉及一种基于超像素的海杂波动态分布背景下的航海雷达目标快速检测方法、程序、设备及存储介质。本发明首先对待检测雷达图像进行超像素分割得到超像素集合，并计算超像素加权信息熵，利用k‑means聚类算法进行目标快速检测，得到候选目标超像素集合和纯海杂波超像素集合；对每个候选目标超像素的所有邻接超像素进行数据拟合，获取对应该候选目标超像素的海杂波动态特性曲线；采用海杂波动态分布下的恒虚警率检测器对每个候选目标超像素的海杂波动态特性曲线进行逐点精检测，汇总所有候选目标超像素中各像素点的检测结果，得到整幅待检测雷达图像的目标检测结果。
-
公开(公告)号：CN114910913A
公开(公告)日：2022-08-16
申请号：CN202210591517.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种利用雷达图像检测降雨的方法，离线确定检测是否降雨的阈值；在待检测雷达图像中选取笛卡尔框并计算待检测雷达图像海浪主波长λ和主波长包含像元点数α；设置滑窗大小和起始位置并遍历笛卡尔框，循环计算出滑窗在每个遍历位置时回波强度矩阵中回波差异最大值；从滑窗在每个遍历位置时回波强度矩阵中回波差异最大值中选出最大值作为笛卡尔框内回波差异最大值Bmax；利用笛卡尔框内回波差异最大值Bmax与阈值对比确定待检测图像是否存在降雨。本发明考虑了降雨监测区域存在海浪的情况，采用滑窗遍历方法来计算航海雷达图像的最大回波差异，保证了回波差异的求取范围包含波峰和波谷，提高了计算的准确率。
-
公开(公告)号：CN114910913B
公开(公告)日：2024-08-20
申请号：CN202210591517.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种利用雷达图像检测降雨的方法，离线确定检测是否降雨的阈值；在待检测雷达图像中选取笛卡尔框并计算待检测雷达图像海浪主波长λ和主波长包含像元点数α；设置滑窗大小和起始位置并遍历笛卡尔框，循环计算出滑窗在每个遍历位置时回波强度矩阵中回波差异最大值；从滑窗在每个遍历位置时回波强度矩阵中回波差异最大值中选出最大值作为笛卡尔框内回波差异最大值Bmax；利用笛卡尔框内回波差异最大值Bmax与阈值对比确定待检测图像是否存在降雨。本发明考虑了降雨监测区域存在海浪的情况，采用滑窗遍历方法来计算航海雷达图像的最大回波差异，保证了回波差异的求取范围包含波峰和波谷，提高了计算的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115236622A
公开(公告)日：2022-10-25
申请号：CN202210792649.6
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标检测方法，离线开展现场观测试验，选取包括含有目标雷达回波样本和不含目标雷达回波样本；选取回波特征参数并计算特征值；将特征值分别输入SVM分类器、随机森林分类器和K邻近分类器进行训练，得到训练后的单一分类器，对单一分类器进行模型融合，得到融合分类器模型；获取原始雷达图像待测数据并分割；将待测数据按离线试验选取回波特征参数并计算特征值，得到输入特征矩阵并分别输入到单一分类器中，得到单一分类器预测结果的输出矩阵并输入到融合分类器中，得到预测函数值h；将h和融合分类器阈值进行比较，当h大于阈值时，有目标，否则，无目标。本发明提高了目标检测准确率，减少了目标检测时间。
-
公开(公告)号：CN115236665B
公开(公告)日：2025-04-04
申请号：CN202210792636.9
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S13/89 , G01S13/937 , G01S7/41
Abstract: 本发明公开了一种航海雷达反演海浪有效波高的方法，包括：离线开展观测试验，分别统计不同波夹角条件下的真实有效波高和不同波夹角条件下的原始有效波高，统计不同波夹角下真实有效波高与原始有效波高的比例，利用最小二乘法拟合得到波夹角与比例之间的关系；计算原始有效波高，利用有效波高与均方根波陡、平均过零周期之间的关系计算得到原始有效波高；校正得到标准有效波高，利用得到的波夹角与真实有效波高与原始有效波高比例之间的拟合关系对原始有效波高进行校正，得到标准有效波高。本发明有效波高不随反演区域的变化而发生大幅度的变化，显著地提高了反演精度，增强了算法在实际工程应用中的可靠性和实用性。
-
公开(公告)号：CN115236664A
公开(公告)日：2022-10-25
申请号：CN202210791766.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S13/89 , G01S13/937 , G01S7/41
Abstract: 本发明公开了一种航海雷达图像反演有效波高的方法，首先利用离线的浮标数据和雷达，通过最小二乘法拟合得到海浪的波峰周期和平均过零周期之间的关系，再通过3D‑FFT谱分析法得到二维海浪谱，从二维海浪谱中获取海浪的波峰周期，然后计算平均过零周期，通过阴影法计算海浪的均方根波陡，最后通过平均过零周期和均方根波陡参数计算海浪的有效波高。本发明能独立地通过雷达数据反演海浪的有效波高参数，使得利用雷达测量海浪有效波高参数的过程完全脱离了浮标的支持，不需要借助于其他仪器，增加了算法的适用性和独立性。
-
公开(公告)号：CN115236623B
公开(公告)日：2025-04-04
申请号：CN202210792671.0
申请日：2022-07-05
Applicant: 哈尔滨工程大学
IPC: G01S7/41 , G01S13/89 , G01S13/937
Abstract: 本发明公开了一种航海雷达目标检测方法，在离线雷达数据中选取雷达回波数据样本，选取雷达回波特征参数并进行特征融合，得到融合回波特征参数和样本训练集，计算融合回波特征参数值并输入到RBF神经网络中进行训练，得到RBF分类器；获取回波待测数据，按照选取的回波特征参数计算得到回波待测数据的回波特征值；将回波特征参数进行特征融合，得到特征矩阵；将特征矩阵输入到RBF分类器模型中，最终得到输出y值；判断所述扫描线有无目标：将输出y值与期望输出值进行比较，若y大于期望输出值，则存在目标；否则，不存在目标。本发明解决了目标检测中数据高维计算量大的问题，不仅可以快速进行目标检测，还可以提高目标检测的准确率。
-
公开(公告)号：CN115063675B
公开(公告)日：2024-11-12
申请号：CN202210591637.7
申请日：2022-05-27
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/084 , G06N3/0499 , G01W1/14 , G01S13/95 , G01S13/89
Abstract: 本发明公开了一种航海雷达图像降雨强度等级反演方法，机挑选包含不同降雨量的航海雷达图像并确定其降雨强度等级；在图像中分别选取笛卡尔框图像，并将极坐标图象转化为直角坐标图像；分别求取每幅图像的海浪波数能量占比P海浪；将P海浪组成的向量o作为输入，降雨强度等级组成的向量do作为出结果期望，利用向量o对BP神经网络进行训练，并记录训练好的BP神经网络模型；在待检测图像中选取笛卡尔框图像，并求取其海浪波数能量占比P海浪；将待检测航海雷达图像的P海浪输入到训练好的BP神经网络模型，得到待检测航海雷达图像的降雨强度等级。本发明实现了自学习、自适应的降雨强度反演，具有较高的可靠性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.027 seconds)
