-
公开(公告)号：CN104732224B
公开(公告)日：2017-11-03
申请号：CN201510163244.6
申请日：2015-04-08
Applicant: 重庆大学
Abstract: 本发明提供了一种基于二维泽尔尼克矩特征稀疏表示的SAR目标识别方法，该方法能够有效提取SAR目标图像中携带的局部电磁散射特征信息，在不同的方位角下，每一类目标的电磁散射中心和散射强度都是不同的，因此，基于2D切片图计算出来的Zernike特征具有很强的鉴别性；同时，本发明的SAR目标识别方法应用了稀疏表示理论来进行识别，它可以很好的对输入特征进行重构，并且根据重构误差来做出判别。总体而言，本发明基于二维泽尔尼克矩特征稀疏表示的SAR目标识别方法把2D切片图的Zernike矩特征与SRC技术相结合，这样就可以很好的目标进行识别，并且具有良好的对噪声的鲁棒性。
-
公开(公告)号：CN104021399A
公开(公告)日：2014-09-03
申请号：CN201410116391.3
申请日：2014-03-26
Applicant: 重庆大学
IPC: G06K9/66
Abstract: 本发明提供了一种基于距离像时频图非负稀疏编码的SAR目标识别方法，该方法采用非负稀疏编码，整个识别过程中，均不需要对SAR图像目标进行方位角估计，因此降低了识别复杂程度，也避免了识别准确性对目标方位角估计的依赖，有助于提高目标识别率，同时基于距离像时频图的非负稀疏编码技术进行雷达目标识别在噪声环境下也具有良好的识别性能，不仅不会在目标运动导致散焦或者信噪比等因素造成图像质量不高时影响识别效果，还能够帮助提升雷达目标识别的鲁棒性能。
-
公开(公告)号：CN103226196A
公开(公告)日：2013-07-31
申请号：CN201310184862.X
申请日：2013-05-17
Applicant: 重庆大学
IPC: G01S7/41
Abstract: 本发明提供了一种基于稀疏特征的雷达目标识别方法，该方法以雷达目标图像的稀疏特征作为雷达目标图像训练样本和待测雷达目标的识别特征，帮助提升雷达目标识别的数据针对性并减少数据处理运算量，再通过训练样本的稀疏特征构建待测雷达目标的稀疏线性方程，然后通过贝叶斯压缩感知算法求解稀疏线性方程，借助压缩感知理论实现对待测雷达目标的识别，不需要借助目标方位角估计，降低了识别复杂程度，避免了识别准确性对目标方位角估计的依赖，同时基于压缩感知理论进行雷达目标识别在噪声环境下也具有良好的识别性能，从而解决了现有技术中雷达目标识别系统较为复杂、识别准确性有限的问题，达到提高雷达目标识别的处理效率和识别准确性的目的。
-
Patent Agency Ranking
公开(公告)号：CN105894476A
公开(公告)日：2016-08-24
申请号：CN201610251570.7
申请日：2016-04-21
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于字典学习融合的SAR图像降噪处理方法，其通过联合非下采样轮廓波字典学习和K?SVD字典学习，利用平移不变的非下采样轮廓波变换滤波克服了轮廓波变换不能平移不变的缺陷，消除了去噪的划痕效应；同时，利用自适应的K?SVD字典学习算法进行去噪，根据图像的特征不断更新字典原子，不仅能很好地抑制图像噪声，还能够对边缘和纹理等重要的SAR图像信息较好地保留；并且进一步的通过对两种降噪效果加以融合，融合后的图像大大地提高了图像的信噪比，图像的等效视数也有一定的提高，而且边缘和纹理信息也很好地保留下来，没有出现划痕、图像对比度变暗等负面影响，使得SAR图像降噪处理的综合质量得以明显提升。
-
公开(公告)号：CN104732224A
公开(公告)日：2015-06-24
申请号：CN201510163244.6
申请日：2015-04-08
Applicant: 重庆大学
Abstract: 本发明提供了一种基于二维泽尔尼克矩特征稀疏表示的SAR目标识别方法，该方法能够有效提取SAR目标图像中携带的局部电磁散射特征信息，在不同的方位角下，每一类目标的电磁散射中心和散射强度都是不同的，因此，基于2D切片图计算出来的Zernike特征具有很强的鉴别性；同时，本发明的SAR目标识别方法应用了稀疏表示理论来进行识别，它可以很好的对输入特征进行重构，并且根据重构误差来做出判别。总体而言，本发明基于二维泽尔尼克矩特征稀疏表示的SAR目标识别方法把2D切片图的Zernike矩特征与SRC技术相结合，这样就可以很好的目标进行识别，并且具有良好的对噪声的鲁棒性。
-
公开(公告)号：CN103226196B
公开(公告)日：2015-05-13
申请号：CN201310184862.X
申请日：2013-05-17
Applicant: 重庆大学
IPC: G01S7/41
Abstract: 本发明提供了一种基于稀疏特征的雷达目标识别方法，该方法以雷达目标图像的稀疏特征作为雷达目标图像训练样本和待测雷达目标的识别特征，帮助提升雷达目标识别的数据针对性并减少数据处理运算量，再通过训练样本的稀疏特征构建待测雷达目标的稀疏线性方程，然后通过贝叶斯压缩感知算法求解稀疏线性方程，借助压缩感知理论实现对待测雷达目标的识别，不需要借助目标方位角估计，降低了识别复杂程度，避免了识别准确性对目标方位角估计的依赖，同时基于压缩感知理论进行雷达目标识别在噪声环境下也具有良好的识别性能，从而解决了现有技术中雷达目标识别系统较为复杂、识别准确性有限的问题，达到提高雷达目标识别的处理效率和识别准确性的目的。
-
公开(公告)号：CN105894476B
公开(公告)日：2018-07-27
申请号：CN201610251570.7
申请日：2016-04-21
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于字典学习融合的SAR图像降噪处理方法，其通过联合非下采样轮廓波字典学习和K‑SVD字典学习，利用平移不变的非下采样轮廓波变换滤波克服了轮廓波变换不能平移不变的缺陷，消除了去噪的划痕效应；同时，利用自适应的K‑SVD字典学习算法进行去噪，根据图像的特征不断更新字典原子，不仅能很好地抑制图像噪声，还能够对边缘和纹理等重要的SAR图像信息较好地保留；并且进一步的通过对两种降噪效果加以融合，融合后的图像大大地提高了图像的信噪比，图像的等效视数也有一定的提高，而且边缘和纹理信息也很好地保留下来，没有出现划痕、图像对比度变暗等负面影响，使得SAR图像降噪处理的综合质量得以明显提升。
-
公开(公告)号：CN104021399B
公开(公告)日：2017-03-22
申请号：CN201410116391.3
申请日：2014-03-26
Applicant: 重庆大学
IPC: G06K9/66
Abstract: 本发明提供了一种基于距离像时频图非负稀疏编码的SAR目标识别方法，该方法采用非负稀疏编码，整个识别过程中，均不需要对SAR图像目标进行方位角估计，因此降低了识别复杂程度，也避免了识别准确性对目标方位角估计的依赖，有助于提高目标识别率，同时基于距离像时频图的非负稀疏编码技术进行雷达目标识别在噪声环境下也具有良好的识别性能，不仅不会在目标运动导致散焦或者信噪比等因素造成图像质量不高时影响识别效果，还能够帮助提升雷达目标识别的鲁棒性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
