公开(公告)号：CN113068044A

公开(公告)日：2021-07-02

申请号：CN202110312680.0

申请日：2021-03-24

Applicant: 西安电子科技大学

Inventor： 冯志玺 ,  赵世慧 ,  杨淑媛 ,  刘志 ,  徐光颖 ,  孟会晓

IPC: H04N19/42 ,  G06K9/62 ,  H04N19/103 ,  H04N19/91

Abstract: 本发明公开了一种基于组低秩表示的迭代高光谱图像无损压缩方法，解决了传统压缩方法忽略了图像空间的相关性，聚类结果不稳定，模块之间无联系的问题。实现步骤包括：定义光谱角相似性度量方法；对原始图像粗略聚类；低秩表示求解粗略聚类块系数矩阵；对系数矩阵再聚类得到初始聚类结果；对初始聚类结果迭代优化得到最终聚类块的预测系数与预测残差；接着进行熵编码，得到待传输的码流文件；熵解码后在解码端对码流文件解压缩，得到无损压缩后的高光谱图像。本发明定义光谱角相关性度量方法，增加对空间相关性的利用；低秩表示与子空间聚类相结合，增加聚类结果稳定性；通过迭代优化关联各个模块，增加了结果压缩比。应用于影像压缩领域。

公开(公告)号：CN109271926A

公开(公告)日：2019-01-25

申请号：CN201811074578.6

申请日：2018-09-14

Applicant: 西安电子科技大学

Inventor： 杨淑媛 ,  李兆达 ,  冯志玺 ,  吴亚聪 ,  张博闻 ,  宋雨轩 ,  李治 ,  徐光颖 ,  孟会晓 ,  王俊骁

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明是一种基于GRU深度卷积网络的智能辐射源识别方法，主要解决现有技术无法提取到雷达辐射源信号序列化特征的问题，其方案为：对雷达辐射源信号进行分类；仿真雷达辐射源信号，并对雷达辐射源信号进行切片；将切片后的样本转为二维实数样本，对二维实数样本归一化并划分训练样本集与测试样本集；构建基于门控循环单元GRU的深度神经网络；将训练样本集输入深度神经网络中，通过对损失函数的优化，得到训练好的深度神经网络模型；将测试样本集输入到训练好的深度神经网络模型中，得到雷达辐射源信号识别结果。本发明能提取信号前后关联特征，避免人工特征提取和先验知识，复杂度低，分类结果准确，可用于复杂电磁环境下对雷达辐射源识别。