-
公开(公告)号：CN106056070B
公开(公告)日：2019-05-10
申请号：CN201610368234.0
申请日：2016-05-26
Applicant: 重庆大学
Abstract: 本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，该方法特别适用于针对低图像质量的SAR图像进行目标识别，其先通过对SAR图像进行低秩矩阵恢复，得到对应的SAR低秩图像，使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声，并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点，结合稀疏表示方法进行图像的目标识别，通过理论分析和实验数据均证明，能够有效的帮助提升识别正确率，解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。
-
Patent Agency Ranking
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：CN106096506A
公开(公告)日：2016-11-09
申请号：CN201610368813.5
申请日：2016-05-28
Applicant: 重庆大学
CPC classification number: G06K9/0063 , G06K9/628
Abstract: 本发明提供了一种基于子类类间判别双字典的SAR目标识别方法，其首先基于每一类训练样本的SAR图像的方位角，在每个类别中划分出若干个子类，从而将每一个子类看做不同的目标类别，通过判别双字典学习方法，学习得到用于重构每个类别的每个子类的子类图像特征训练样本子集所对应的分析子字典和综合子字典，减少了方位角不相关的训练样本对测试样本目标识别的干扰，同时确保了重构时综合字典和分析字典表示系数能通过一个简单的线性投影函数来逼近，大大减少训练处理和重构识别处理的计算量，提升了识别处理效率，并且其重构识别处理过程中利用了各个不同类别中各个子类的训练样本的类标签信息，进而使得识别准确率也得以提高。
-
公开(公告)号：CN106056070A
公开(公告)日：2016-10-26
申请号：CN201610368234.0
申请日：2016-05-26
Applicant: 重庆大学
CPC classification number: G06K9/0063 , G01S13/90 , G06K9/40 , G06K9/6268
Abstract: 本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，该方法特别适用于针对低图像质量的SAR图像进行目标识别，其先通过对SAR图像进行低秩矩阵恢复，得到对应的SAR低秩图像，使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声，并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点，结合稀疏表示方法进行图像的目标识别，通过理论分析和实验数据均证明，能够有效的帮助提升识别正确率，解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。
-
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：CN106096506B
公开(公告)日：2019-04-26
申请号：CN201610368813.5
申请日：2016-05-28
Applicant: 重庆大学
Abstract: 本发明提供了一种基于子类类间判别双字典的SAR目标识别方法，其首先基于每一类训练样本的SAR图像的方位角，在每个类别中划分出若干个子类，从而将每一个子类看做不同的目标类别，通过判别双字典学习方法，学习得到用于重构每个类别的每个子类的子类图像特征训练样本子集所对应的分析子字典和综合子字典，减少了方位角不相关的训练样本对测试样本目标识别的干扰，同时确保了重构时综合字典和分析字典表示系数能通过一个简单的线性投影函数来逼近，大大减少训练处理和重构识别处理的计算量，提升了识别处理效率，并且其重构识别处理过程中利用了各个不同类别中各个子类的训练样本的类标签信息，进而使得识别准确率也得以提高。
-
-
-
-
-
Search Results
6
records
(took 0.044 seconds)
