-
公开(公告)号：CN109948607A
公开(公告)日：2019-06-28
申请号：CN201910128720.9
申请日：2019-02-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习反卷积网络的候选边框生成和目标检测方法，该方法包括获取检测图像数据集，构建基于反卷积网络的目标检测网络模型，训练基于反卷积网络的目标检测网络模型，利用基于反卷积网络的目标检测网络模型进行检测。本发明通过使用反卷积网络来获取候选边框，可以在不同角度、不同尺寸目标处生成自适应边框，无需对候选边框的尺寸进行设置，而是通过反卷积网络对卷积网络提取到的特征进行解析同时根据解析信息来得到目标所在区域，可以获取精简且精确的候选边框集合，提高检测网络的检测效果和检测速度。
-
公开(公告)号：CN119471621B
公开(公告)日：2025-04-08
申请号：CN202411959301.7
申请日：2024-12-30
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种多径环境视距‑非视距测量目标态势生成方法、设备和介质，可应用于雷达目标态势生成技术领域。本发明针对现有非视距目标测量方法只考虑非视距场景，无法应用在更复杂的场景的问题。本发明基于视距目标与非视距目标共存的典型拐角场景中的电磁波传播特性，将场景中的背景杂波以及目标位置建立为一个低秩、稀疏与组稀疏联合约束的优化问题，并采用基于近端梯度的迭代优化方式获取该优化问题的优化结果，获取视距‑非视距测量目标态势，本发明在抑制杂波的同时，实现了视距目标与非视距目标图像高精度重构。本发明能在低信噪比下高效、准确的实现视距与非视距的目标态势生成。
-
公开(公告)号：CN109726769B
公开(公告)日：2020-07-10
申请号：CN201910068946.4
申请日：2019-01-24
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于卷积核权重参数的目标分类和角度估计方法，属于图像处理技术领域。本发明通过构建空不变卷积网络，对其训练得到空不变卷积网络的权重函数，并根据空不变卷积网络的权重函数得到卷积核权重参数和偏置参数以及全连接层权重参数，对卷积核权重参数进行旋转处理得到卷积层权重参数，并将卷积层权重参数和全连接层权重参数加载至构建的组合网络中，输入图片至组合网络中，在对图片图标分类的同时，提供目标的角度信息。
-
公开(公告)号：CN119471621A
公开(公告)日：2025-02-18
申请号：CN202411959301.7
申请日：2024-12-30
Applicant: 电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种多径环境视距‑非视距测量目标态势生成方法、设备和介质，可应用于雷达目标态势生成技术领域。本发明针对现有非视距目标测量方法只考虑非视距场景，无法应用在更复杂的场景的问题。本发明基于视距目标与非视距目标共存的典型拐角场景中的电磁波传播特性，将场景中的背景杂波以及目标位置建立为一个低秩、稀疏与组稀疏联合约束的优化问题，并采用基于近端梯度的迭代优化方式获取该优化问题的优化结果，获取视距‑非视距测量目标态势，本发明在抑制杂波的同时，实现了视距目标与非视距目标图像高精度重构。本发明能在低信噪比下高效、准确的实现视距与非视距的目标态势生成。
-
公开(公告)号：CN109934281B
公开(公告)日：2021-01-26
申请号：CN201910175530.2
申请日：2019-03-08
Applicant: 电子科技大学
Abstract: 本发明提供了一种二分类网络的非监督训练方法，属于图像处理、深度学习、模式识别领域。本发明通过对样本数据的一系列处理，对聚类网络进行不同阶段的训练，使用训练好的聚类网络对图像进行分类，避免了监督样本的缺乏，数据标注所需数据获取难度过大、成本过高的问题，使聚类网络的训练及分类结果的实现更为简单、高效。
-
Patent Agency Ranking
公开(公告)号：CN109726769A
公开(公告)日：2019-05-07
申请号：CN201910068946.4
申请日：2019-01-24
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于卷积核权重参数的目标分类和角度估计方法，属于图像处理技术领域。本发明通过构建空不变卷积网络，对其训练得到空不变卷积网络的权重函数，并根据空不变卷积网络的权重函数得到卷积核权重参数和偏置参数以及全连接层权重参数，对卷积核权重参数进行旋转处理得到卷积层权重参数，并将卷积层权重参数和全连接层权重参数加载至构建的组合网络中，输入图片至组合网络中，在对图片图标分类的同时，提供目标的角度信息。
-
公开(公告)号：CN119620078B
公开(公告)日：2025-05-02
申请号：CN202510147472.8
申请日：2025-02-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种适用于轻小型平台的视频SAR抗干扰成像方法，属于雷达成像处理领域。在复杂电磁干扰环境中，本发明方法通过构建时空采样粒子实现交错抽取连续帧的投影网格位置，以获得具有全孔径分辨率的小尺寸图像。将可能受到干扰的连续K帧小尺寸图像输入到抗干扰融合重建网络中，经过多层卷积层进行下采样以提取K帧图像的特征。提取的特征图随后输入抗干扰网络模块，以去除干扰。经过多层卷积层的上采样处理，最终重建出抗干扰融合SAR图像。本发明方法能够在电磁干扰条件下为轻小型平台提供高分辨率的SAR成像服务，显著提升抗干扰能力和成像质量。
-
公开(公告)号：CN119620078A
公开(公告)日：2025-03-14
申请号：CN202510147472.8
申请日：2025-02-11
Applicant: 电子科技大学
Abstract: 本发明公开了一种适用于轻小型平台的视频SAR抗干扰成像方法，属于雷达成像处理领域。在复杂电磁干扰环境中，本发明方法通过构建时空采样粒子实现交错抽取连续帧的投影网格位置，以获得具有全孔径分辨率的小尺寸图像。将可能受到干扰的连续K帧小尺寸图像输入到抗干扰融合重建网络中，经过多层卷积层进行下采样以提取K帧图像的特征。提取的特征图随后输入抗干扰网络模块，以去除干扰。经过多层卷积层的上采样处理，最终重建出抗干扰融合SAR图像。本发明方法能够在电磁干扰条件下为轻小型平台提供高分辨率的SAR成像服务，显著提升抗干扰能力和成像质量。
-
公开(公告)号：CN119986807A
公开(公告)日：2025-05-13
申请号：CN202510182166.8
申请日：2025-02-19
Applicant: 电子科技大学
IPC: G01V1/36
Abstract: 本发明公开了一种基于共检波点成像的声波W‑VSP逆时偏移噪声压制方法，包括：步骤1、利用PIRNN网络实现有限差分的声波波动正演建模；步骤2、抽取共检波点道集：将地震数据抽取为检波点相同但是震源不同的信号，得到共检波点道集；步骤3、对每个检波点，利用共检波点道集获取震源波场和检波点波场；步骤4、通过震源波场与检波点波场的交叉相关，利用检波点归一化互相关成像条件成像；步骤5、对单检波点成像进行拉普拉斯滤波；步骤6、将各检波点的单炮成像结果进行叠加，得到最终的共检波点逆时偏移成像图像。本发明提供了一种简单、高效的RTM噪声压制方法，利用全波场的信息成像并实现划弧噪声的压制。
-
公开(公告)号：CN119904771A
公开(公告)日：2025-04-29
申请号：CN202411880886.3
申请日：2024-12-19
Applicant: 电子科技大学
IPC: G06V20/40 , G06V10/26 , G06V10/28 , G06V10/82 , G06N3/084 , G06N3/0895 , G06N3/0985
Abstract: 本申请公开了一种基于小样本的半监督高效视频SAR阴影追踪方法，属于雷达目标识别领域。本申请所提方法解决了传统阴影跟踪技术的局限性，通过改进的分割模型和半监督策略策略，提升了阴影区域的检测精度和鲁棒性；基于所设计的新的混合训练策略，有效的整合了有标签与无标签数据，显著提高了模型的学习效率和泛化能力。通过将深度学习技术和半监督学习策略结合，充分利用有限的标注数据与丰富的无标注数据，解决了传统方法在小样本条件下的不足，有效提升SAR图像中阴影区域的检测和跟踪精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
