-
公开(公告)号：CN106778821B
公开(公告)日：2019-05-03
申请号：CN201611054919.4
申请日：2016-11-25
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于SLIC和改进的CNN的极化SAR图像分类方法，用于解决现有有监督极化SAR图像分类方法中存在的分类速度慢和分类精度低的技术问题。首先，将极化SAR图像Wishart距离和极化特征作为新数据，进行Lee滤波以后输入到已改进的CNN中进行分类，获得初步分类结果，然后将极化SAR图像的伪彩色图像进行SLIC超像素分割，获得超像素分割结果，最后利用超像素分割结果对初步分类结果进行约束后处理，获得最终分类结果。本发明的分类速度快且精度高，可用于极化SAR地物分类等领域。
-
Patent Agency Ranking
公开(公告)号：CN106778821A
公开(公告)日：2017-05-31
申请号：CN201611054919.4
申请日：2016-11-25
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6256
Abstract: 本发明提出了一种基于SLIC和改进的CNN的极化SAR图像分类方法，用于解决现有有监督极化SAR图像分类方法中存在的分类速度慢和分类精度低的技术问题。首先，将极化SAR图像Wishart距离和极化特征作为新数据，进行Lee滤波以后输入到已改进的CNN中进行分类，获得初步分类结果，然后将极化SAR图像的伪彩色图像进行SLIC超像素分割，获得超像素分割结果，最后利用超像素分割结果对初步分类结果进行约束后处理，获得最终分类结果。本发明的分类速度快且精度高，可用于极化SAR地物分类等领域。
-
公开(公告)号：CN105809198A
公开(公告)日：2016-07-27
申请号：CN201610136519.1
申请日：2016-03-10
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种基于深度置信网络的SAR图像目标识别方法。其步骤为：(1)获取待识别图像样本；(2)滤波；(3)提取特征；(4)训练深度置信网络DBN；(5)目标识别；本发明采用深度置信网络，将多种参数结合起来作为输入，能够有效地解决现有技术中仅采用SAR图像的单一特征，不足以表征更全面的目标信息和利用浅层学习方法时，依赖大量人工工作导致速度慢的问题，本发明具有结合图像多种特征，获取更丰富更深层的目标信息，提高SAR图像目标识别精度的优点。
-
公开(公告)号：CN105931184B
公开(公告)日：2018-12-14
申请号：CN201610238888.1
申请日：2016-04-18
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明提出了一种基于联合优化的SAR图像超分辨方法，用于解决现有SAR图像超分辨方法存在的图像恢复效果差的技术问题，包括如下步骤：输入同一场景下的高低分辨率SAR图像各一张；对高低分辨率SAR图像进行分割；对训练数据集进行切块；对高‑低分辨率的图像块集进行特征提取；将训练图像块集进行聚类得到K类图像块；将K类图像块迭代优化得到K个映射矩阵；将测试低分辨SAR图像切块；对测试图像块进行特征提取；为每块测试图像选择最合适的映射矩阵并对其进行重构；对重构图像块进行聚合得到高分辨SAR图像。本发明具有重构准确和人工噪声低的特点，可用于为SAR图像的后续解译判读、目标识别和目标检测提供更准确的信息。
-
公开(公告)号：CN105809198B
公开(公告)日：2019-01-08
申请号：CN201610136519.1
申请日：2016-03-10
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度置信网络的SAR图像目标识别方法。其步骤为：(1)获取待识别图像样本；(2)滤波；(3)提取特征；(4)训练深度置信网络DBN；(5)目标识别；本发明采用深度置信网络，将多种参数结合起来作为输入，能够有效地解决现有技术中仅采用SAR图像的单一特征，不足以表征更全面的目标信息和利用浅层学习方法时，依赖大量人工工作导致速度慢的问题，本发明具有结合图像多种特征，获取更丰富更深层的目标信息，提高SAR图像目标识别精度的优点。
-
公开(公告)号：CN105931184A
公开(公告)日：2016-09-07
申请号：CN201610238888.1
申请日：2016-04-18
Applicant: 西安电子科技大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明提出了一种基于联合优化的SAR图像超分辨方法，用于解决现有SAR图像超分辨方法存在的图像恢复效果差的技术问题，包括如下步骤：输入同一场景下的高低分辨率SAR图像各一张；对高低分辨率SAR图像进行分割；对训练数据集进行切块；对高‑低分辨率的图像块集进行特征提取；将训练图像块集进行聚类得到K类图像块；将K类图像块迭代优化得到K个映射矩阵；将测试低分辨SAR图像切块；对测试图像块进行特征提取；为每块测试图像选择最合适的映射矩阵并对其进行重构；对重构图像块进行聚合得到高分辨SAR图像。本发明具有重构准确和人工噪声低的特点，可用于为SAR图像的后续解译判读、目标识别和目标检测提供更准确的信息。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
