-
公开(公告)号：CN118887529B
公开(公告)日：2025-03-25
申请号：CN202410899221.0
申请日：2024-07-05
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种SAR和光学图像融合及智能分类的方法、系统、存储介质及计算机程序产品，属于人工智能与合成孔径雷达目标识别技术领域，解决现有技术在多源图像融合时，易造成传感器特性不匹配，进而导致融合信息丢失或易造成模型越来越复杂，进而导致模型运行成本高，性能下降等问题。本发明对源数据集进行预处理；构建包括两个相互独立编码器的双编码融合分类网络，并通过预处理得到的源数据集进行训练，得到训练好的双编码融合分类网络；利用训练好的双编码融合分类网络对SAR图像和光学图像进行融合，并进行端到端的地物智能分类。本发明用于端到端的图像融合土物智能分类。
-
公开(公告)号：CN116824221B
公开(公告)日：2024-11-19
申请号：CN202310599702.5
申请日：2023-05-25
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/40 , G06V10/30 , G06N20/00 , G01S13/90
Abstract: 本发明公开了一种顾及雷达目标方位对称的PolSAR城区分类方法及系统，属于全极化合成孔径雷达图像分类技术领域，解决现有技术导致散射特征提取不准确的问题。本发明将全极化PolSAR图像的极化散射矩阵生成最终的极化协方差矩阵进行分解，得到三个特征值和特征向量构建得到三个子成分；对其所对应的电磁散射机制进行表面散射、偶次散射和体散射判别，再计算后向散射功率；基于特征值和特征向量，提取电磁散射特征参数集；根据后向散射功率构建Sigmoid函数对全极化PolSAR图像进行标记，并结合电磁散射特征参数集训练机器学习方法对待识别的全极化PolSAR图像进行分类。本发明用于PolSAR城区目标分类。
-
公开(公告)号：CN116824221A
公开(公告)日：2023-09-29
申请号：CN202310599702.5
申请日：2023-05-25
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/40 , G06V10/30 , G06N20/00 , G01S13/90
Abstract: 本发明公开了一种顾及雷达目标方位对称的PolSAR城区分类方法及系统，属于全极化合成孔径雷达图像分类技术领域，解决现有技术导致散射特征提取不准确的问题。本发明将全极化PolSAR图像的极化散射矩阵生成最终的极化协方差矩阵进行分解，得到三个特征值和特征向量构建得到三个子成分；对其所对应的电磁散射机制进行表面散射、偶次散射和体散射判别，再计算后向散射功率；基于特征值和特征向量，提取电磁散射特征参数集；根据后向散射功率构建Sigmoid函数对全极化PolSAR图像进行标记，并结合电磁散射特征参数集训练机器学习方法对待识别的全极化PolSAR图像进行分类。本发明用于PolSAR城区目标分类。
-
公开(公告)号：CN115755053A
公开(公告)日：2023-03-07
申请号：CN202211529909.7
申请日：2022-11-30
Applicant: 西南交通大学
Abstract: 本发明公开了一种适用于舰船目标散射特性的四分量分解方法，包括：S1、对舰船结构进行分析，得到用于描述舰船结构的不合理性的体散射和螺旋散射分量；S2、根据舰船的结构特点，利用±45°偶极子分量描述舰船上的线极化散射体，利用非对称散射分量描述舰船上的非对称散射结构；S3、利用镜面散射、双跳散射、±45°偶极子分量和非对称散射分量得到适用于舰船散射特性的四分量分解模型；S4、根据所述四分量分解模型得出目标舰船的散射特性。本发明利用±45°定向偶极子和非反射对称散射分量能够合理的描述舰船上的散射结构，并且能够有效的增大舰船和杂波之间的类间距离，有利于将目标从海杂波中检测出来。
-
公开(公告)号：CN119206638A
公开(公告)日：2024-12-27
申请号：CN202411237492.6
申请日：2024-09-05
Applicant: 西南交通大学
IPC: G06V20/54 , G06V10/774 , G06V10/82 , G06V10/52 , G06V10/48 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本申请公开了一种舰船目标识别方法、装置、设备、介质及产品，涉及人工智能与合成孔径雷达目标识别领域，该方法包括根据源域SAR舰船图像数据集中的幅度舰船图像以及目标域SAR舰船图像数据集中的SAR舰船相位数据训练S3GAN网络模型；S3GAN网络模型包括进行幅度域到频谱域转换任务的第一生成器网络模型、进行频谱域到幅度域转换任务的第二生成器网络模型以及鉴别器；基于该S3GAN网络模型生成待转换的幅度舰船图像的伪SAR频谱信息；将伪SAR频谱信息以及幅度舰船图像输入至特征融合识别网络中进行特征融合，识别融合图像中的SAR舰船目标，本申请能够提高舰船目标识别精度。
-
Patent Agency Ranking
公开(公告)号：CN118887529A
公开(公告)日：2024-11-01
申请号：CN202410899221.0
申请日：2024-07-05
Applicant: 西南交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种SAR和光学图像融合及智能分类的方法、系统、存储介质及计算机程序产品，属于人工智能与合成孔径雷达目标识别技术领域，解决现有技术在多源图像融合时，易造成传感器特性不匹配，进而导致融合信息丢失或易造成模型越来越复杂，进而导致模型运行成本高，性能下降等问题。本发明对源数据集进行预处理；构建包括两个相独立编码器的双编码融合分类网络，并通过预处理得到的源数据集进行训练，得到训练好的双编码融合分类网络；利用训练好的双编码融合分类网络对SAR图像和光学图像进行融合，并进行端到端的地物智能分类。本发明用于端到端的图像融合土物智能分类。
-
公开(公告)号：CN116665149B
公开(公告)日：2024-08-13
申请号：CN202310646951.5
申请日：2023-06-02
Applicant: 西南交通大学 , 航天东方红卫星有限公司
IPC: G06V20/54 , G06V20/10 , G06V10/25 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种船舶遥感图像的细粒度小样本分类方法及系统，属于目标识别技术领域，解决现有技术获取大量的船舶图像的成本高，不易获得大量的标注数据，且若采用具有大量参数的深度神经网络模型很容易过拟合，从而易造成分类精度差。本发明包括获取船舶图像构成船舶数据集；对船舶数据集中的各船舶图像进行预处理；构建船舶目标细粒度小样本的特征提取模块和度量分类模块，并基于预处理得到的船舶数据集对特征提取模块和度量分类模块进行训练；基于训练后的特征提取模块和度量分类模块，对待分类船舶图像进行分类，得到目标船舶图像。本发明用于船舶图像的分类。
-
公开(公告)号：CN115205705A
公开(公告)日：2022-10-18
申请号：CN202210872022.1
申请日：2022-07-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于极化特性驱动的全极化SAR图像舰船检测方法，包括：S1、对全极化SAR图像进行预处理，获取全极化SAR图像的极化特性数据；S2、构建极化特性驱动的卷积神经网络，将极化特性数据输入主干网络和密集结构提取极化特性数据中包含的极化特性，并在特征金字塔中进行多尺度融合，所述主干网络和密集结构用于网络中上下文特征重用；S3、按照预设的训练参数和损失函数，对极化特性驱动的卷积神经网络进行训练形成全极化SAR图像目标检测网络，并利用训练好的极化特性驱动的全极化SAR图像目标检测网络执行全极化SAR图像舰船检测和指标评估。本发明能够有效的提升场景中小目标的检测能力以及在强散射背景下能够有效的检测出舰船。
-
公开(公告)号：CN116908797A
公开(公告)日：2023-10-20
申请号：CN202310664693.3
申请日：2023-06-02
Applicant: 西南交通大学 , 航天东方红卫星有限公司
Abstract: 本发明公开了一种紧缩极化SAR数据的五分量功率分解方法及系统，属于合成孔径雷达目标分解技术领域。本发明对获取的紧缩极化SAR图像中的每个像素的协方差数据进行预处理，提取各像素的两种主导散射机制鉴别器；根据所提取的各像素的两种主导散射机制鉴别器判断其主导散射机制；根据各像素的主导散射机制选择散射模型进行功率分解；对各散射模型进行功率分解，得到五分量功率。本发明用于雷达目标分解。
-
公开(公告)号：CN116665149A
公开(公告)日：2023-08-29
申请号：CN202310646951.5
申请日：2023-06-02
Applicant: 西南交通大学 , 航天东方红卫星有限公司
IPC: G06V20/54 , G06V20/10 , G06V10/25 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种船舶遥感图像的细粒度小样本分类方法及系统，属于目标识别技术领域，解决现有技术获取大量的船舶图像的成本高，不易获得大量的标注数据，且若采用具有大量参数的深度神经网络模型很容易过拟合，从而易造成分类精度差。本发明包括获取船舶图像构成船舶数据集；对船舶数据集中的各船舶图像进行预处理；构建船舶目标细粒度小样本的特征提取模块和度量分类模块，并基于预处理得到的船舶数据集对特征提取模块和度量分类模块进行训练；基于训练后的特征提取模块和度量分类模块，对待分类船舶图像进行分类，得到目标船舶图像。本发明用于船舶图像的分类。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.072 seconds)
