-
公开(公告)号：CN107122753B
公开(公告)日：2020-04-07
申请号：CN201710316452.4
申请日：2017-05-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成学习的SAR目标鉴别方法，主要解决现有技术在训练数据类别分布不平衡时SAR目标鉴别性能低的问题。其方案是：1.对给定的训练切片和测试切片提取词包模型特征；2.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得代价敏感的字典；3.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得SVM分类器；4.利用代价敏感的字典和SVM分类器对测试样本进行分类，记录测试样本的分类决策值；5.利用最大投票方法对测试样本的分类决策值进行判定，确定测试样本最终的类别标号。本发明提升了鉴别的性能，可用于对复杂场景下的训练数据类别不平衡时的SAR目标鉴别。
-
Patent Agency Ranking
公开(公告)号：CN107122753A
公开(公告)日：2017-09-01
申请号：CN201710316452.4
申请日：2017-05-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成学习的SAR目标鉴别方法，主要解决现有技术在训练数据类别分布不平衡时SAR目标鉴别性能低的问题。其方案是：1.对给定的训练切片和测试切片提取词包模型特征；2.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得代价敏感的字典；3.对杂波类训练样本进行随机下采样，将得到的子集与目标类训练样本一起训练获得SVM分类器；4.利用代价敏感的字典和SVM分类器对测试样本进行分类，记录测试样本的分类决策值；5.利用最大投票方法对测试样本的分类决策值进行判定，确定测试样本最终的类别标号。本发明提升了鉴别的性能，可用于对复杂场景下的训练数据类别不平衡时的SAR目标鉴别。
-
公开(公告)号：CN106919919A
公开(公告)日：2017-07-04
申请号：CN201710111640.3
申请日：2017-02-28
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6288
Abstract: 本发明属于雷达目标鉴别技术领域，公开了一种基于多特征融合词包模型的SAR目标鉴别方法，包括：1.获取训练切片图像和测试切片图像中每幅图像对应的多组局部特征；2.得到多组局部特征对应的视觉字典；3.对多组局部特征进行底层特征编码，得到训练切片图像和测试切片图像的BoW模型直方图特征，进而得到融合后的训练切片图像和测试切片图像的全局特征；4.使用直方图交叉核支持向量机对测试切片全局特征进行鉴别；本发明提升了鉴别的性能，可用于对复杂场景的SAR目标鉴别。
-
公开(公告)号：CN103903264A
公开(公告)日：2014-07-02
申请号：CN201410126577.7
申请日：2014-03-31
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明属于SAR图像分割技术领域，特别涉及基于幂次变换的SAR图像Ostu分割方法。该基于幂次变换的SAR图像Ostu分割方法包括以下步骤：获取原始SAR图像，对原始SAR图像进行相干斑Lee滤波，得到滤波后图像；对滤波后图像分别作N个不同尺度的幂次变换，得到N个幂次变换后的图像，N个幂次变换后的图像分别表示为Z(1)至Z(N)，Z(n)表示滤波后图像经过第n个尺度的幂次变换后的图像；得出Z(n)在不同分割阈值下的类间方差和总方差的比值；得出最优分割阈值和幂次变换的最优尺度；根据幂次变换的最优尺度，得到对应的最优幂次变换后图像；根据所述最优分割阈值，对所述最优幂次变换后图像进行图像分割。
-
公开(公告)号：CN103903264B
公开(公告)日：2017-02-15
申请号：CN201410126577.7
申请日：2014-03-31
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明属于SAR图像分割技术领域，特别涉及基于幂次变换的SAR图像Ostu分割方法。该基于幂次变换的SAR图像Ostu分割方法包括以下步骤：获取原始SAR图像，对原始SAR图像进行相干斑Lee滤波，得到滤波后图像；对滤波后图像分别作N个不同尺度的幂次变换，得到N个幂次变换后的图像，N个幂次变换后的图像分别表示为Z(1)至Z(N)，Z(n)表示滤波后图像经过第n个尺度的幂次变换后的图像；得出Z(n)在不同分割阈值下的类间方差和总方差的比值；得出最优分割阈值和幂次变换的最优尺度；根据幂次变换的最优尺度，得到对应的最优幂次变换后图像；根据所述最优分割阈值，对所述最优幂次变换后图像进行图像分割。
-
公开(公告)号：CN106919919B
公开(公告)日：2019-08-06
申请号：CN201710111640.3
申请日：2017-02-28
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达目标鉴别技术领域，公开了一种基于多特征融合词包模型的SAR目标鉴别方法，包括：1.获取训练切片图像和测试切片图像中每幅图像对应的多组局部特征；2.得到多组局部特征对应的视觉字典；3.对多组局部特征进行底层特征编码，得到训练切片图像和测试切片图像的BoW模型直方图特征，进而得到融合后的训练切片图像和测试切片图像的全局特征；4.使用直方图交叉核支持向量机对测试切片全局特征进行鉴别；本发明提升了鉴别的性能，可用于对复杂场景的SAR目标鉴别。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
