公开(公告)号：CN118754668A

公开(公告)日：2024-10-11

申请号：CN202410937442.2

申请日：2024-07-12

Applicant: 西安电子科技大学

Inventor： 李桂芳 ,  罗星宇 ,  杨丽 ,  周益春 ,  朱肖飞 ,  刘俊凯 ,  程春玉

IPC: C04B35/56 ,  C04B35/622 ,  C04B35/626 ,  C04B35/66 ,  C04B41/87 ,  C04B41/85 ,  C23C4/10 ,  C23C4/134 ,  C23C4/137

Abstract: 本发明公开了一种耐3000℃高温、近零烧蚀的高熵碳化物单相固溶涂层及其制备方法和应用，主要解决现涂层中过渡金属碳化物间固溶不充分，材料特性不理想的问题。包括：采用高熵碳化物TMC混合粉料作为原料，对原料进行球磨混合获取浆料，使用其进行喷雾造粒获取TMC团聚粉料，再通过放电等离子烧结石墨模具对粉料进行烧结固溶处理，最后采用真空等离子喷涂工艺在基底材料表面进行喷涂沉积，得到呈现片状、含有孔隙和裂纹结构的高熵碳化物单相固溶涂层；经氧乙炔烧蚀后生成低熔点氧化物，在涂层表面形成玻璃相致密烧蚀层，实现近零烧蚀。本发明能够在有效降低工艺复杂性和经济成本的情况下获取具有高温近零烧蚀特性的理想单相固溶涂层。

公开(公告)号：CN116935187A

公开(公告)日：2023-10-24

申请号：CN202310977795.0

申请日：2023-08-04

Applicant: 西安电子科技大学

Inventor： 陈亚涵 ,  任仲乐 ,  侯彪 ,  王凯 ,  罗星宇 ,  任博 ,  杨晨 ,  焦李成

IPC: G06V10/82 ,  G06V20/10 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/0895

Abstract: 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质，方法包括：从存在域差异的高分辨率大场景SAR影像中，选取一张为源域图像，另一张为目标域图像，对源域和目标域图像分别标签，将图像及对应标签均进行裁剪；构建深度自注意力网络；建立掩码增强模块，获取包含局部信息的目标域掩码增强图像；使用无监督域自适应方法和掩码增强模块对深度自注意力网络在线自训练；重复并达到最大训练次数，获得训练好的网络模型；将目标域图像及对应标签送入训练好的网络模型进行水体提取，得到预测结果图，计算分类指标；系统、设备及介质用于实现该方法；本发明能够进一步关注不容易被提取的水体精细特征，且提高了模型泛化能力。

公开(公告)号：CN118840672A

公开(公告)日：2024-10-25

申请号：CN202411032809.2

申请日：2024-07-30

Applicant: 西安电子科技大学

Inventor： 侯彪 ,  丁辉 ,  罗星宇 ,  王凯 ,  任仲乐 ,  李卫斌 ,  焦李成

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/42 ,  G06V10/44 ,  G06V10/25 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于全局‑局部语义对齐的SAR影像预训练大模型地物提取方法、系统、设备及介质，方法：采集海量SAR影像数据并预处理，制作数据集，将数据集划分为预训练数据集和下游微调数据集，对预训练数据集进行数据增强，生成同一影像的两视图以及视图间对应的局部框；构建全局‑局部语义对齐预训练网络，使用同一影像的两视图及视图间对应的局部框，进行网络训练，得到预训练权重；加载预训练权重到下游地物提取网络中的骨干网络，使用下游微调数据集进行微调，得到地物提取模型；将地物提取模型在下游微调数据的测试集进行测试，对得到的预测结果图性能评估；系统、设备及介质用于实现该方法；本发明显著提高了SAR地物提取任务的准确性和可靠性。

公开(公告)号：CN118135396A

公开(公告)日：2024-06-04

申请号：CN202410209644.5

申请日：2024-02-26

Applicant: 西安电子科技大学

Inventor： 任仲乐 ,  罗星宇 ,  王凯 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06V20/10 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于DeepLabv3+和自适应连通区域标记的SAR影像道路提取方法、系统、设备及介质，方法包括：采集SAR遥感影像，对SAR遥感影像预处理，构成SAR影像道路数据集，并划分为训练集、验证集和测试集，对训练集进行数据增强；将训练集输入DeepLabv3+语义分割网络中进行训练，将测试集输入训练好的DeepLabv3+语义分割网络中，得到测试结果图；基于自适应连通区域标记算法搭建道路后处理算法框架；利用道路后处理算法框架对测试结果图中出现的道路断裂处进行连接，得到最终道路分割结果；系统、设备及介质用于实现该方法；本发明通过应用连通区域标记模块、单像素点动态规划连接模块以及自适应道路加宽模块，对CNN预测结果图的断裂处进行连接，提高了SAR影像道路分割的准确性。

公开(公告)号：CN117437418A

公开(公告)日：2024-01-23

申请号：CN202311441565.9

申请日：2023-11-01

Applicant: 西安电子科技大学

Inventor： 王凯 ,  罗星宇 ,  任仲乐 ,  侯彪 ,  李卫斌 ,  焦李成

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0895

Abstract: 一种基于自适应分辨率特征学习模型的弱监督SAR影像语义分割方法、系统、设备及介质，方法为：采集分辨率A和分辨率B的SAR影像组成训练集；利用训练数据训练得到训练好的自适应分辨率特征学习模型和特征解码分割网络；采集待预测的分辨率A和B的SAR影像裁剪为图像块，利用训练好的自适应分辨率特征学习模型编码得到编码特征；利用训练好的特征解码分割网络对特征解码并进行语义分割；合并图像块的语义分割结果得到最终分割结果；系统、设备及介质用于实现该方法；本发明通过自适应分辨率特征学习模型的自适应弱监督学习，使语义分割模型在仅有部分标签的情况下就能学习到跨分辨率的SAR图像地物特征，具有标签依赖低的、跨分辨率特征刻画准确的特点。