-
公开(公告)号：CN108983231A
公开(公告)日：2018-12-11
申请号：CN201810574788.5
申请日：2018-06-06
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明属于雷达干涉测量技术领域，具体的说是一种基于视频合成孔径雷达的干涉视频测量方法。本发明的基本思想是利用视频合成孔径雷达实时连续成像的优势，每个子孔径中主辅图像进行配准、干涉、解缠，然后求得高度信息，接着，将每个子孔径所求的高度信息进行数据筛检，算数求平均，得到较为精确的高度信息。本发明的有益效果为，与传统的InSAR技术相比，本方法利用视频合成孔径雷达多帧成像的优势，利用其每个子孔径中的主辅图像对进行干涉测量，然后将各个子孔径的干涉测量结果进行高度信息融合，一定程度避免了传统InSAR技术中由于目标叠掩和遮挡所带来的高度信息模糊，并且一次飞行可以媲美传统机载InSAR多次飞行的效果。
-
公开(公告)号：CN108805056A
公开(公告)日：2018-11-13
申请号：CN201810530124.9
申请日：2018-05-29
Applicant: 电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00228 , G06K9/00268
Abstract: 本发明涉及人脸样本扩充和人脸识别领域，具体的说是涉及一种摄像监控人脸样本扩充方法。本发明使用3D人脸用用模型，在只有一张正面人脸照片的基础上，合成其他视角的人脸照片，很好的解决了摄像监控人脸样本缺少、识别率低的问题。通过在合成人脸数据集上训练的深度神经网络可以获得很好的摄像监控人脸识别性能。
-
公开(公告)号：CN108416318A
公开(公告)日：2018-08-17
申请号：CN201810240764.6
申请日：2018-03-22
Applicant: 电子科技大学
Abstract: 本发明属于雷达图像识别技术领域，涉及一种基于数据增强的合成孔径雷达图像目标深度模型识别方法。本发明基于小数据集难以在深度模型上训练的问题，提出了一种通用的能够在小数据集下结合深度模型应用的方法：基于Gabor滤波器对原始SAR图像数据做数据增强，用增强数据训练深度模型，并应用于SAR目标识别中。通过调整Gabor滤波器的方向和尺度参数，调整增强数据的数量，可以灵活设计不同深度的深度模型，以获得更好的识别性能。
-
公开(公告)号：CN108268872A
公开(公告)日：2018-07-10
申请号：CN201810166689.3
申请日：2018-02-28
Applicant: 电子科技大学
Abstract: 本发明涉及图像识别领域，具体为一种基于增量学习的鲁棒非负矩阵分解方法。本发明在传统鲁棒非负矩阵分解方法基础之上，提出了一种通用的具有增量性质的鲁棒非负矩阵分解方法，并应用于图像识别特征提取。作为一种增量非负矩阵分解方法，IRNMF在保有增量性质，使得图像识别具有自主更新的能力，避免重复训练，提高了识别效率的同时，其时间代价仅为传统INMF特征提取时间的53.7％。同时，作为一种特征提取方法，IRNMF较之于INMF、NMF等传统特征提取方法，其特征提取结果更具稳定性。
-
公开(公告)号：CN105069459B
公开(公告)日：2018-06-19
申请号：CN201510509047.5
申请日：2015-08-18
Applicant: 电子科技大学
IPC: G06K9/46
Abstract: 本发明公开了一种针对高分辨率SAR图像地物类型提取方法，以解决高分辨率SAR图像纹理信息复杂、地物不均匀等特点带来地物类型提取耗时大、准确率低等问题。本发明将主要包含一种或几种地物类型的图像区域定义为局部模式。该方法包括：对获得的原始图像进行重叠分块，获取多个局部模式；并对局部模式进行分类，分为包含特定地物类型和不包含特定地物类型两类；对于包含特定地物类型的局部模式进行特定地物检测；并且将经过检测的局部模式按照分块的次序拼接回原图，从而提取出特定的地物类型。
-
Patent Agency Ranking
公开(公告)号：CN107341488A
公开(公告)日：2017-11-10
申请号：CN201710461303.7
申请日：2017-06-16
Applicant: 电子科技大学
Abstract: 本发明涉及雷达遥感应用技术，用图像分析雷达观测信息，特别涉及一种SAR图像目标检测识别一体化方法，基于卷积神经网络(CNN)。本发明利用卷积神经网络自动发掘选择目标特征，将其浅层特征和深层特征融合在一起，能够同时完成SAR目标的检测和识别任务，实现了SAR图像目标检测识别一体化。相比其他SAR目标检测识别算法，本发明具有更高的检测识别效率和更强的适用性。
-
公开(公告)号：CN107292922A
公开(公告)日：2017-10-24
申请号：CN201710485233.9
申请日：2017-06-23
Applicant: 电子科技大学
IPC: G06T7/33
CPC classification number: G06T7/33 , G06T2207/10044
Abstract: 本发明属于图像配准技术领域，具体涉及一种用于光学与合成孔径雷达图像配准的方法。本发明采用了基于线特征和空间约束准则进行配准，通过提取相应的直线特征并且通过求取对应的交点，间接得到点特征，并对交点进行特征向量描述，并对初始匹配后的点对采用空间约束准则进行筛选，最终完成图像配准，同常用的配准方法相比，本发明的图像点对配准率得到了一定程度的提升，有利于后续的图像融合等工作。
-
公开(公告)号：CN105069459A
公开(公告)日：2015-11-18
申请号：CN201510509047.5
申请日：2015-08-18
Applicant: 电子科技大学
IPC: G06K9/46
CPC classification number: G06K9/4671
Abstract: 本发明公开了一种针对高分辨率SAR图像地物类型提取方法，以解决高分辨率SAR图像纹理信息复杂、地物不均匀等特点带来地物类型提取耗时大、准确率低等问题。本发明将主要包含一种或几种地物类型的图像区域定义为局部模式。该方法包括：对获得的原始图像进行重叠分块，获取多个局部模式；并对局部模式进行分类，分为包含特定地物类型和不包含特定地物类型两类；对于包含特定地物类型的局部模式进行特定地物检测；并且将经过检测的局部模式按照分块的次序拼接回原图，从而提取出特定的地物类型。
-
公开(公告)号：CN102156282A
公开(公告)日：2011-08-17
申请号：CN201110073132.3
申请日：2011-03-25
Applicant: 电子科技大学
IPC: G01S13/04
Abstract: 本发明属于雷达目标检测技术领域，具体涉及利用微多普勒效应检测雷达目标的方法。本发明首先建立包含微多普勒效应的雷达目标信号模型，然后通过时频分析或数值计算的方法估计出目标的微多普勒参数，根据微多普勒参数的估计值计算目标回波信号的估计值，进而计算出检验统计量，并将其与检测门限进行比较，如果检验统计量超过门限判定为有目标，否则判定为无目标。与传统的检测方法相比，本发明充分利用了目标微动产生的微多普勒信息，提高了目标的检测性能，尤其在微多普勒效应显著的情况下，本发明与传统检测方法的性能均有所下降，但相比于传统方法，本方法性能下降较小。因此对于含微动特征目标的检测，本发明的检测性能更优。
-
公开(公告)号：CN101329400B
公开(公告)日：2010-12-29
申请号：CN200810045692.6
申请日：2008-07-30
Applicant: 电子科技大学
Abstract: 本发明属于雷达目标检测技术领域，涉及一种雷达目标恒虚警检测方法。本发明主要包括如下步骤：1)通过对数变换把Weibull型的背景分布转化为位置-尺度(Location-Scale)分布；2)对背景样本进行排序截尾(或去头)处理以抑制干扰目标的影响，并采有最大无偏估计器估计位置和尺度参数；3)用此估计参数对待检单元中的样本做归一化处理；4)利用Anderson-Darling检验判断其是否服从背景分布，如果不服从背景分布，则判断有目标存在，否则判断无目标存在。本发明利用的是目标回波与背景杂波分布特性的差异性，和传统的基于自适应门限的检测方法相比，它受背景分布特性和干扰目标的影响很小，对非高斯环境和多目标干扰环境，具有很强的适应性。
-
-
-
-
-
-
-
-
-
Search Results
165
records
(took 0.023 seconds)
