公开(公告)号：CN108830330B

公开(公告)日：2021-11-02

申请号：CN201810650236.8

申请日：2018-06-22

Applicant: 西安电子科技大学

Inventor： 焦李成 ,  李玲玲 ,  李阁 ,  冯捷 ,  张丹 ,  尚凡华 ,  刘园园 ,  张梦旋 ,  丁静怡 ,  杨淑媛 ,  侯彪 ,  屈嵘

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于自适应特征融合残差网的多光谱图像分类方法，主要解决现有技术中普适性不高以及不能充分利用多层次特征的问题。本发明的具体步骤如下：(1)输入多光谱图像；(2)对多光谱图像进行归一化处理；(3)选取训练样本和测试样本；(4)生成训练数据集；(5)搭建基础残差网；(6)搭建自适应特征融合网；(7)生成自适应特征融合残差网；(8)训练自适应特征融合残差网；(9)生成测试数据集；(10)对测试数据集进行分类。本发明能够自适应地融合多层次的特征，提取判别性更好、语义信息更丰富的特征，具有训练和测试过程简单、充分利用特征的优点。

公开(公告)号：CN113971442A

公开(公告)日：2022-01-25

申请号：CN202111267097.9

申请日：2021-10-28

Applicant: 西安电子科技大学

Inventor： 刘红英 ,  葛志金 ,  尚凡华 ,  周振宇 ,  刘园园 ,  王耀威

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自步学习的生成通用对抗扰动方法及系统，准备训练数据集；对数据集添加扰动；判断扰动成功率；通过自步学习筛选需要扰动的样本；使用DeepFool算法产生扰动；更新扰动；返回通用扰动变量；能够自动地剔除或选择要扰动的样本，并对这些样本梯度求平均，更高效的生成对抗样本；本发明生成通用对抗扰动时，应尽可能多地提高通用扰动的成功攻击比例，为此应当放弃一小部分非常难以扰动，或者与大部分扰动成功的对抗样本扰动方向完全相反的样本。所以采用自步学习进行筛选样本，将容易被扰动的样本首先进行扰动，难样本进行舍弃，以达到高成功率的结果。

公开(公告)号：CN110533679A

公开(公告)日：2019-12-03

申请号：CN201910688034.7

申请日：2019-07-29

Applicant: 西安电子科技大学

Inventor： 尚荣华 ,  林俊凯 ,  焦李成 ,  尚凡华 ,  马文萍 ,  王蓉芳 ,  李阳阳 ,  冯婕 ,  张梦璇

IPC: G06T7/13 ,  G06T7/136

Abstract: 本发明公开了一种基于对数变换与伽柏卷积的SAR图像边缘检测方法，主要解决现有技术合成孔径雷达SAR图像边缘检测不准确以及耗时长的问题。其实现步骤如下：(1)生成含有48个伽柏卷积核的卷积核模型；(2)计算每个卷积核对应的卷积图；(3)通过计算卷积图获得图像的梯度边缘；(4)计算每个卷积核对应的对数变换卷积图；(5)通过计算对数变换边缘卷积图获得图像的比率边缘；(6)将梯度边缘和比率边缘进合并，从而得到最终的SAR图像边缘检测结果。本发明得到了良好SAR图像的边缘检测结果，可用于SAR图像的地形检测，灾害探测。

公开(公告)号：CN109102015A

公开(公告)日：2018-12-28

申请号：CN201810885528.X

申请日：2018-08-06

Applicant: 西安电子科技大学

Inventor： 刘红英 ,  王钟书 ,  尚凡华 ,  公茂果 ,  杨淑媛 ,  侯彪

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于复数神经网络的SAR图像变化检测方法，输入两幅原始SAR灰度图像，用传统方法得到初步差异图作为初步标签；根据初步标签，通过置信度检测筛选出两幅原始图像中部分像素块作为候选训练样本；构造一个包含3层复数全连接层和2层复数批归一化层的复数网络；从候选训练样本中按随机比例方法选出部分构造出复数训练样本，以此训练复数网络；利用已训练好的复数网络对两幅原始SAR图像直接构造出的测试复数样本进行测试，得到最终变化检测结果。本发明不仅充分利用了传统变化检测结果中的优势，而且表现了原始数据的特点，让神经网络更好学习到了两幅图像间的关系，从而得到了更好的变化检测结果。