-
公开(公告)号：CN115424058A
公开(公告)日：2022-12-02
申请号：CN202211010866.1
申请日：2022-08-23
Applicant: 国家卫星海洋应用中心 , 张帅影 , 安文韬
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开了一种基于极化散射特征的全极化SAR卷积神经网络分类方法，所示方法包括：将获取的极化SAR影像进行辐射定标、滤波预处理后进行反射对称分解处理，得到极化特征参数；对极化特征参数进行归一化处理；通过提取不同数目的极化特征，构建卷积神经网络模型训练样本集；对卷积神经网络模型进行训练；利用训练好的卷积神经网络模型进行极化SAR影像分类；与现有的研究方法相比，本发明通过研究不同极化特征组合方案，基于深度学习的方法结合了极化SAR影像中的后向散射信息和像素邻域间的信息特征，利用多层卷积提取地物的特征，从样本中挖掘有助于分类的信息，从而获得较高精度的分类结果。
-
公开(公告)号：CN114509737B
公开(公告)日：2025-01-21
申请号：CN202210086102.4
申请日：2022-01-25
Applicant: 国家卫星海洋应用中心 , 安文韬
Abstract: 本发明实施例公开一种CTLR紧缩极化SAR数据散射成分分解方法、装置、设备及介质，其中所述方法包括：获取CTLR紧缩极化SAR数据；调用改进后的m‑α算法，对获取的所述SAR数据进行散射成分的分解，分解结果中的体散射功率占比为f(1‑m)，面散射和二次散射功率占比为1‑f(1‑m)，其中f(1‑m)
-
公开(公告)号：CN114509737A
公开(公告)日：2022-05-17
申请号：CN202210086102.4
申请日：2022-01-25
Applicant: 国家卫星海洋应用中心 , 安文韬
Abstract: 本发明实施例公开一种CTLR紧缩极化SAR数据散射成分分解方法、装置、设备及介质，其中所述方法包括：获取CTLR紧缩极化SAR数据；调用改进后的m‑α算法，对获取的所述SAR数据进行散射成分的分解，分解结果中的体散射功率占比为f(1‑m)，面散射和二次散射功率占比为1‑f(1‑m)，其中f(1‑m)
-
公开(公告)号：CN118823517B
公开(公告)日：2025-04-08
申请号：CN202411308738.4
申请日：2024-09-19
Applicant: 国家卫星海洋应用中心 , 中国石油大学(华东)
IPC: G06V10/774 , G06V10/24 , G06V10/40 , G06V10/54 , G06V10/764 , G06V10/82 , G06V10/84
Abstract: 本发明公开一种船舶识别模型的训练方法、装置、设备及介质，涉及船舶分类领域，所述船舶识别模型的训练方法，包括：通过预先构建的船舶识别模型，对第一船舶图像和第二船舶图像进行特征提取处理，得到第一船舶图像的第一图像特征和第二船舶图像的第二图像特征；以及，将第二图像特征混合至第一图像特征，获得混合特征，所述混合特征包括第二船舶图像的船舶纹理特征和第一船舶图像的船舶姿态特征；利用所述船舶识别模型中的船舶分类模型，对所述混合特征进行船舶识别，得到预测船舶类型的概率分布；基于所述预测船舶类型的概率分布、所述第一船舶图像的第一船舶类型以及所述第二船舶图像的第二船舶类型，对所述船舶识别模型进行训练。
-
Patent Agency Ranking
公开(公告)号：CN107290748B
公开(公告)日：2019-09-13
申请号：CN201710615866.7
申请日：2017-07-26
Applicant: 国家卫星海洋应用中心
IPC: G01S13/90
Abstract: 本发明公开了一种SAR幅度图像均匀相对误差量化方法，该方法包括以下步骤：将SAR幅度图像中非零数据先变换到对数域；将变换后的对数域数据进行均匀量化，并将量化后的数据编码存储；对SAR幅度图像中零值数据进行单独量化编码，并存储；根据量化编码存储结果对原SAR幅度图像数据进行量化解码。本发明给出的均匀相对误差量化方法为采用了零值独立编码和对数变换后的均匀量化方法。该方法的相对量化误差符合均匀分布。通过使用实际SAR数据的实施例试验显示，均匀相对误差量化方法较均匀量化方法可使用更多的量化等级、具有更小的量化误差，且量化后图像具备更好的可视效果。
-
公开(公告)号：CN107290748A
公开(公告)日：2017-10-24
申请号：CN201710615866.7
申请日：2017-07-26
Applicant: 国家卫星海洋应用中心
IPC: G01S13/90
Abstract: 本发明公开了一种SAR幅度图像均匀相对误差量化方法，该方法包括以下步骤：将SAR幅度图像中非零数据先变换到对数域；将变换后的对数域数据进行均匀量化，并将量化后的数据编码存储；对SAR幅度图像中零值数据进行单独量化编码，并存储；根据量化编码存储结果对原SAR幅度图像数据进行量化解码。本发明给出的均匀相对误差量化方法为采用了零值独立编码和对数变换后的均匀量化方法。该方法的相对量化误差符合均匀分布。通过使用实际SAR数据的实施例试验显示，均匀相对误差量化方法较均匀量化方法可使用更多的量化等级、具有更小的量化误差，且量化后图像具备更好的可视效果。
-
公开(公告)号：CN118823517A
公开(公告)日：2024-10-22
申请号：CN202411308738.4
申请日：2024-09-19
Applicant: 国家卫星海洋应用中心 , 中国石油大学(华东)
IPC: G06V10/774 , G06V10/24 , G06V10/40 , G06V10/54 , G06V10/764 , G06V10/82 , G06V10/84
Abstract: 本发明公开一种船舶识别模型的训练方法、装置、设备及介质，涉及船舶分类领域，所述船舶识别模型的训练方法，包括：通过预先构建的船舶识别模型，对第一船舶图像和第二船舶图像进行特征提取处理，得到第一船舶图像的第一图像特征和第二船舶图像的第二图像特征；以及，将第二图像特征混合至第一图像特征，获得混合特征，所述混合特征包括第二船舶图像的船舶纹理特征和第一船舶图像的船舶姿态特征；利用所述船舶识别模型中的船舶分类模型，对所述混合特征进行船舶识别，得到预测船舶类型的概率分布；基于所述预测船舶类型的概率分布、所述第一船舶图像的第一船舶类型以及所述第二船舶图像的第二船舶类型，对所述船舶识别模型进行训练。
-
公开(公告)号：CN103616684B
公开(公告)日：2016-02-17
申请号：CN201310642379.1
申请日：2013-12-03
Applicant: 安文韬
Abstract: 本发明提供一种SAR卫星定位误差补偿方法，所述方法包括：步骤一、根据待补偿像素点的初始行列坐标，获取该像素点对应的地面区域中心点的初始经纬度；步骤二、基于严格投影模型，根据所述待补偿像素点的实际地表高程和合成孔径雷达SAR图像高程，确定所述实际地标高程和合成孔径雷达SAR图像高程的差值产生的行列坐标定位误差；步骤三、根据所述行列坐标定位误差，对所述初始行列坐标进行补偿，获取补偿后的行列坐标；步骤四、根据所述补偿后的行列坐标，确定所述待补偿像素点对应的地面区域中心点的最终经纬度。本发明实施例提供的方法，对输入信息要求低，且计算主要为严格投影模型多项式之间的加减乘除运算，因此实现简便计算快速。
-
公开(公告)号：CN103616684A
公开(公告)日：2014-03-05
申请号：CN201310642379.1
申请日：2013-12-03
Applicant: 安文韬
Abstract: 本发明提供一种SAR卫星定位误差补偿方法，所述方法包括：步骤一、根据待补偿像素点的初始行列坐标，获取该像素点对应的地面区域中心点的初始经纬度；步骤二、基于严格投影模型，根据所述待补偿像素点的实际地表高程和合成孔径雷达SAR图像高程，确定所述实际地标高程和合成孔径雷达SAR图像高程的差值产生的行列坐标定位误差；步骤三、根据所述行列坐标定位误差，对所述初始行列坐标进行补偿，获取补偿后的行列坐标；步骤四、根据所述补偿后的行列坐标，确定所述待补偿像素点对应的地面区域中心点的最终经纬度。本发明实施例提供的方法，对输入信息要求低，且计算主要为严格投影模型多项式之间的加减乘除运算，因此实现简便计算快速。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
