公开(公告)号：CN110781822B

公开(公告)日：2022-08-02

申请号：CN201911025388.X

申请日：2019-10-25

Applicant: 重庆大学

Inventor： 张新征 ,  谭志颖 ,  刘过

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/772 ,  G06V10/764 ,  G06V10/778

Abstract: 本发明公开了基于自适应多方位角字典对学习的SAR图像目标识别方法，包括：获取目标图像及全方位角训练样本集；划分局部方位角扇区并将全方位角训练样本集分成多个训练局部方位角扇区；确定目标图像所在的局部方位角扇区；对目标图像所在的局部方位角扇区对应的训练局部方位角扇区中的训练样本子集进行判别字典对学习，得到目标图像所在的局部方位角扇区的判别字典对；基于判别字典对目标图像进行重构，利用最小重构误差准则确定目标图像的标签，实现目标图像的识别。针对上述现有技术的不足，本发明针对雷达图像对方位角敏感，挖掘局部扇区的字典对的表示学习能力，减小了计算成本，降低了样本间因方位角差异过大而引起的干扰。

公开(公告)号：CN110781822A

公开(公告)日：2020-02-11

申请号：CN201911025388.X

申请日：2019-10-25

Applicant: 重庆大学

Inventor： 张新征 ,  谭志颖 ,  刘过

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了基于自适应多方位角字典对学习的SAR图像目标识别方法，包括：获取目标图像及全方位角训练样本集；划分局部方位角扇区并将全方位角训练样本集分成多个训练局部方位角扇区；确定目标图像所在的局部方位角扇区；对目标图像所在的局部方位角扇区对应的训练局部方位角扇区中的训练样本子集进行判别字典对学习，得到目标图像所在的局部方位角扇区的判别字典对；基于判别字典对目标图像进行重构，利用最小重构误差准则确定目标图像的标签，实现目标图像的识别。针对上述现有技术的不足，本发明针对雷达图像对方位角敏感，挖掘局部扇区的字典对的表示学习能力，减小了计算成本，降低了样本间因方位角差异过大而引起的干扰。

公开(公告)号：CN111080678B

公开(公告)日：2022-02-01

申请号：CN201911413117.1

申请日：2019-12-31

Applicant: 重庆大学

Inventor： 张新征 ,  刘过 ,  苏杭 ,  李道通 ,  周喜川

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06T7/246 ,  G06T7/11 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的多时相SAR图像变化检测方法，与现有技术相比，以超像素为单位，将邻域信息带入分类，进行聚类，抑制了矩形patch产生时的人为干扰，降低了聚类的不确定性，也抑制了影响SAR图像可解释性的斑点噪声。并且本发明将变化检测作为两个阶段的分类，抑制了大量由斑噪引起的虚警。在第一阶段，我们简单地将DI聚集成变化和无变化的类。在第二阶段，基于斑噪引起的变化与真实物体的变化之间的内在差异，我们采用低秩稀疏分解(LRSD)进行预处理。LRSD的低秩项使斑噪引起的假变化恢复到原来的状态，而稀疏项将斑噪从图像中分离出来，大大削弱了斑噪对后续分类的影响。

公开(公告)号：CN111080678A

公开(公告)日：2020-04-28

申请号：CN201911413117.1

申请日：2019-12-31

Applicant: 重庆大学

Inventor： 张新征 ,  刘过 ,  苏杭 ,  李道通 ,  周喜川

IPC: G06T7/246 ,  G06T7/11 ,  G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于深度学习的多时相SAR图像变化检测方法，与现有技术相比，以超像素为单位，将邻域信息带入分类，进行聚类，抑制了矩形patch产生时的人为干扰，降低了聚类的不确定性，也抑制了影响SAR图像可解释性的斑点噪声。并且本发明将变化检测作为两个阶段的分类，抑制了大量由斑噪引起的虚警。在第一阶段，我们简单地将DI聚集成变化和无变化的类。在第二阶段，基于斑噪引起的变化与真实物体的变化之间的内在差异，我们采用低秩稀疏分解(LRSD)进行预处理。LRSD的低秩项使斑噪引起的假变化恢复到原来的状态，而稀疏项将斑噪从图像中分离出来，大大削弱了斑噪对后续分类的影响。