公开(公告)号：CN113902975A

公开(公告)日：2022-01-07

申请号：CN202111170725.1

申请日：2021-10-08

Applicant: 电子科技大学

Inventor： 张晓玲 ,  杨振宇 ,  张天文 ,  师君 ,  韦顺军

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于SAR舰船检测的场景感知数据增强方法，本发明首先基于经典卷积神经网络VGG‑11进行改进，使得更适用于SAR图像，然后用该网络对训练集中的图像进行分类：分为靠岸训练样本和离岸训练样本；再利用场景扩增，得到数量平衡的靠岸训练样本和离岸训练样本；经典检测网络使用处理过后的数据集进行训练，执行检测任务并评估检测结果；采用本发明方法的Faster R‑CNN船只检测网络的总体检测精度比现有技术的FasterR‑CNN船只检测网络的总体检测精度提高了1.95％，对靠岸船只的检测精度提高了6.61％，实现了SAR图像靠岸船只的检测精度的提高。

公开(公告)号：CN113902975B

公开(公告)日：2023-05-05

申请号：CN202111170725.1

申请日：2021-10-08

Applicant: 电子科技大学

Inventor： 张晓玲 ,  杨振宇 ,  张天文 ,  师君 ,  韦顺军

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明公开了一种用于SAR舰船检测的场景感知数据增强方法，本发明首先基于经典卷积神经网络VGG‑11进行改进，使得更适用于SAR图像，然后用该网络对训练集中的图像进行分类：分为靠岸训练样本和离岸训练样本；再利用场景扩增，得到数量平衡的靠岸训练样本和离岸训练样本；经典检测网络使用处理过后的数据集进行训练，执行检测任务并评估检测结果；采用本发明方法的Faster R‑CNN船只检测网络的总体检测精度比现有技术的FasterR‑CNN船只检测网络的总体检测精度提高了1.95％，对靠岸船只的检测精度提高了6.61％，实现了SAR图像靠岸船只的检测精度的提高。

公开(公告)号：CN115480249B

公开(公告)日：2025-05-16

申请号：CN202211080972.7

申请日：2022-09-05

Applicant: 电子科技大学

Inventor： 张晓玲 ,  詹旭 ,  张文思 ,  杨振宇 ,  师君 ,  韦顺军 ,  曾天娇

IPC: G01S13/90 ,  G06T5/70 ,  G06T5/94 ,  G06T5/40

Abstract: 本发明公开了一种基于多分量分解视频SAR阴影增强方法。它是通过迭代求解的方式实现对输入视频SAR数据中的阴影、背景和噪声分量分解，在每次迭代中，首先更新阴影分量矩阵；然后，更新背景分量矩阵；其次，通过求解基于噪声分量的斐波拉契范数正则化的去噪方程，更新噪声分量矩阵；最后，根据本次迭代更新的阴影分量与上次迭代更新的阴影分量两者的相对变化量判断是否停止迭代，输出最新更新的阴影分量为视频SAR阴影增强结果。与基于直方图均衡化阴影增强方法相比，本发明方法具有阴影增强结果的阴影‑背景对比度高、阴影的轮廓特征完整，阴影增强效果好的特点。

公开(公告)号：CN115480249A

公开(公告)日：2022-12-16

申请号：CN202211080972.7

申请日：2022-09-05

Applicant: 电子科技大学

Inventor： 张晓玲 ,  詹旭 ,  张文思 ,  杨振宇 ,  师君 ,  韦顺军 ,  曾天骄

IPC: G01S13/90 ,  G06T5/00 ,  G06T5/40

Abstract: 本发明公开了一种基于多分量分解视频SAR阴影增强方法。它是通过迭代求解的方式实现对输入视频SAR数据中的阴影、背景和噪声分量分解，在每次迭代中，首先更新阴影分量矩阵；然后，更新背景分量矩阵；其次，通过求解基于噪声分量的斐波拉契范数正则化的去噪方程，更新噪声分量矩阵；最后，根据本次迭代更新的阴影分量与上次迭代更新的阴影分量两者的相对变化量判断是否停止迭代，输出最新更新的阴影分量为视频SAR阴影增强结果。与基于直方图均衡化阴影增强方法相比，本发明方法具有阴影增强结果的阴影‑背景对比度高、阴影的轮廓特征完整，阴影增强效果好的特点。