-
公开(公告)号：CN107516082B
公开(公告)日：2019-11-22
申请号：CN201710739750.4
申请日：2017-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了的一种自步学习的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术对合成孔径雷达SAR图像的斑点噪声敏感，易造成合成孔径雷达SAR图像的部分纹理信息丢失的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化；(3)构建变化检测矩阵；(4)选择训练样本集；(5)训练深度信念网络；(6)构建概率矩阵；(7)更新概率矩阵；(8)获得变化检测图像。本发明有效利用原始图像的局部信息和深度信念网络的自学习能力减少了斑点噪声，保留了图像局部信息，提高了变化检测的精度。
-
公开(公告)号：CN108460392A
公开(公告)日：2018-08-28
申请号：CN201810193117.4
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于网络结构优化的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术无法提取合成孔径雷达SAR图像的局部特征，需要人工输入学习误差值进行测试的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化处理；(3)构建变化检测矩阵；(4)更新变化检测矩阵；(5)选择训练样本集；(6)搭建堆栈自动编码器网络；(7)训练堆栈自动编码器网络；(8)优化堆栈自动编码器网络；(9)构建概率矩阵；(10)更新概率矩阵；(11)获得变化检测图像。本发明提取了合成孔径雷达SAR图像的局部特征，提高了变化检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN107644413A
公开(公告)日：2018-01-30
申请号：CN201710739761.2
申请日：2017-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了的一种基于邻域比值和自步学习的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术对合成孔径雷达SAR图像的斑点噪声敏感，易造成合成孔径雷达SAR图像的部分纹理信息丢失的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化；(3)计算邻域比值差异值；(4)构建差异值矩阵；(5)选择训练样本集；(6)训练深度信念网络；(7)构建概率矩阵；(8)更新概率矩阵；(9)获得变化检测图像。本发明有效利用原始图像的局部信息和深度信念网络的自学习能力减少了斑点噪声，保留了图像局部信息，提高了变化检测的精度。
-
公开(公告)号：CN107220968A
公开(公告)日：2017-09-29
申请号：CN201710339778.9
申请日：2017-05-15
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10044
Abstract: 本发明公开的一种基于集成学习的多目标优化SAR图像变化检测方法，主要解决现有技术斑点噪声较大，不能保持SAR图像局部信息和分类准确度不高的问题，其方案是：对输入的两幅SAR图像Y1和Y2采用波动参数划分的方法产生原始差异图D1；再对原始差异图D1去噪得到去噪差异图D2；由原始差异图D1和去噪差异图D2构造两个目标函数，并计算得到这两个目标函数的函数值同时最小的解集，进而得到多个二值图像；对这多个二值图像再采用集成学习的方法得到最终的变化检测图像R。本发明减少了斑点噪声，保留了图像局部信息和提高了分类的准确度，可应用于遥感、医疗诊断、视频监控。
-
公开(公告)号：CN108460392B
公开(公告)日：2020-04-07
申请号：CN201810193117.4
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于网络结构优化的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术无法提取合成孔径雷达SAR图像的局部特征，需要人工输入学习误差值进行测试的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化处理；(3)构建变化检测矩阵；(4)更新变化检测矩阵；(5)选择训练样本集；(6)搭建堆栈自动编码器网络；(7)训练堆栈自动编码器网络；(8)优化堆栈自动编码器网络；(9)构建概率矩阵；(10)更新概率矩阵；(11)获得变化检测图像。本发明提取了合成孔径雷达SAR图像的局部特征，提高了变化检测的精度。
-
公开(公告)号：CN107644413B
公开(公告)日：2019-11-01
申请号：CN201710739761.2
申请日：2017-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了的一种基于邻域比值和自步学习的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术对合成孔径雷达SAR图像的斑点噪声敏感，易造成合成孔径雷达SAR图像的部分纹理信息丢失的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化；(3)计算邻域比值差异值；(4)构建差异值矩阵；(5)选择训练样本集；(6)训练深度信念网络；(7)构建概率矩阵；(8)更新概率矩阵；(9)获得变化检测图像。本发明有效利用原始图像的局部信息和深度信念网络的自学习能力减少了斑点噪声，保留了图像局部信息，提高了变化检测的精度。
-
公开(公告)号：CN107516082A
公开(公告)日：2017-12-26
申请号：CN201710739750.4
申请日：2017-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了的一种自步学习的合成孔径雷达SAR图像变化区域检测方法，主要解决现有技术对合成孔径雷达SAR图像的斑点噪声敏感，易造成合成孔径雷达SAR图像的部分纹理信息丢失的问题。本发明的具体步骤如下：(1)读入合成孔径雷达SAR图像；(2)归一化；(3)构建变化检测矩阵；(4)选择训练样本集；(5)训练深度信念网络；(6)构建概率矩阵；(7)更新概率矩阵；(8)获得变化检测图像。本发明有效利用原始图像的局部信息和深度信念网络的自学习能力减少了斑点噪声，保留了图像局部信息，提高了变化检测的精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
