一种基于超像素的SAR图像CFAR目标检测方法

    公开(公告)号:CN105549009A

    公开(公告)日:2016-05-04

    申请号:CN201510903913.9

    申请日:2015-12-09

    CPC classification number: G01S13/9035

    Abstract: 本发明属于合成孔径雷达(SAR)图像处理领域,涉及一种基于超像素的SAR图像恒虚警率(CFAR)目标检测方法。本发明通过对SAR图像进行超像素分割,然后利用超像素灰度建立杂波统计模型,最后确定超像素滑窗,进行基于超像素的CFAR检测。本发明充分有效利用了高分辨SAR图像中目标呈现面目标的特性,检测后的二值图中,目标是连续的,并且能够很好的保持目标的边缘,算法稳定性较高;同时,本发明降低了第二级CFAR检测的运算量,能够有效提高图像处理速度。

    人体目标生命特征检测方法

    公开(公告)号:CN102715920A

    公开(公告)日:2012-10-10

    申请号:CN201210232774.8

    申请日:2012-07-06

    Abstract: 本发明公开了一种人体目标生命特征检测方法,首先建立包含微多普勒效应的雷达人体目标回波信号模型,通过时频分析得到回波信号时频能量分布,然后优化这种时频能量分布得到质心曲线,再次通过时频分析提取心跳频率和呼吸频率。本发明的方法通过检测太赫兹雷达回波的多普勒信息来确定人体目标的生命特征信息,通过反复利用时频分析方法对回波信号处理,最后提取心跳呼吸等微动信息达到检测目的,解决了接触式检测所带了种种不便,该方法能在一定距离内对人体目标进行快速的心跳呼吸检测。

    基于欠采样结构的频率和DOA参数联合估计方法

    公开(公告)号:CN115932715A

    公开(公告)日:2023-04-07

    申请号:CN202211487228.9

    申请日:2022-11-25

    Abstract: 本发明提出了基于欠采样结构的频率和DOA参数联合估计方法,可以在欠奈奎斯特速率下使用ULA完成频率和DOA参数联合估计这一任务,克服硬件资源消耗高和总采样率高的问题。首先设计了一种改进的接收结构,在均匀线阵阵列的第一个传感器上增加了一个简单的延迟网络,其余阵元直接连接ADC,所有通道均在欠奈奎斯特速率下完成采样。然后,利用多陪集通道输出信号建立协方差矩阵,基于MUSIC算法得到伪谱,谱峰搜索得到频率估计值。最后合并所有通道输出信号,根据采样结构构建新的导向矢量,利用MUSIC算法分别估计各个载频对应的DOA,从而克服了模糊性问题,且在低信噪比环境下有较好的估计效果。

    一种基于合成孔径雷达的道路检测方法

    公开(公告)号:CN104408437B

    公开(公告)日:2018-09-21

    申请号:CN201410743567.8

    申请日:2014-12-08

    Abstract: 本发明公开了一种基于合成孔径雷达的道路检测方法,适用于图像处理领域,以解决现有的道路检测耗时大、检测结果的虚警较高及精度低的缺陷。该方法包括:对获得的原始图像进行重叠分块,获得多个子图像;对多个子图像进行目录分类,目录的类别包括包含道路和不包含道路;对于包含道路的目录下的子图像进行道路检测;将经过检测的子图像进行拼接,获得道路检测结果。本发明应用于高分辨率SAR图像处理。

    一种基于超像素的SAR图像CFAR目标检测方法

    公开(公告)号:CN105549009B

    公开(公告)日:2017-12-15

    申请号:CN201510903913.9

    申请日:2015-12-09

    Abstract: 本发明属于合成孔径雷达(SAR)图像处理领域,涉及一种基于超像素的SAR图像恒虚警率(CFAR)目标检测方法。本发明通过对SAR图像进行超像素分割,然后利用超像素灰度建立杂波统计模型,最后确定超像素滑窗,进行基于超像素的CFAR检测。本发明充分有效利用了高分辨SAR图像中目标呈现面目标的特性,检测后的二值图中,目标是连续的,并且能够很好的保持目标的边缘,算法稳定性较高;同时,本发明降低了第二级CFAR检测的运算量,能够有效提高图像处理速度。

    一种基于信息几何复自回归模型的雷达弱目标检测方法

    公开(公告)号:CN103777189A

    公开(公告)日:2014-05-07

    申请号:CN201410035760.6

    申请日:2014-01-26

    CPC classification number: G01S7/41 G01S13/02

    Abstract: 本发明公开了一种基于信息几何复自回归模型的雷达弱目标检测方法,基于Karcher均值的定义和测地线解决了N个协方差矩阵的均值估计问题,利用梯度下降算法迭代估计待检测协方差矩阵单元周围的杂波环境,引入复自回归模型,应用协方差矩阵块结构定义一种并行迭代算法计算Siegel度量,估计待检测协方差矩阵单元与其周围杂波环境的可区分性距离,应用Monte-Carlo方法估计检测门限,将弱目标信号从杂波中区分出来。本发明用信息几何方法取代傅里叶变换,避免了多普勒频率分辨率下降问题,同时也不需要对数据序列做加窗处理,避免了分辨率受限、能量泄露和杂波谱污染整个滤波器组等现象,实现了雷达弱目标的正确高效检测。

    一种THz雷达的收发前端
    47.
    发明授权

    公开(公告)号:CN102707273B

    公开(公告)日:2013-08-14

    申请号:CN201210213383.1

    申请日:2012-06-27

    Abstract: 本发明公开了一种THz雷达的收发前端,具体包括:点频源单元、中频本振产生单元、第一上混频单元、第二上混频单元和线性扫频单元。本发明的THz雷达的收发前端,通过使用两路非相干源分别驱动THz雷达发射链路与接收链路,解决了THz频段下单个信号源难以同时驱动发射链路与接收链路的问题;又通过采用非相参源实现相参系统,解决了使用两个信号源所产生的接收信号相位不同步的问题,并提供快速LFMCW扫频信号,从而能够实现对目标的厘米级距离分辨。

    一种基于深度学习的智能终端夜景图像增强方法

    公开(公告)号:CN114331908A

    公开(公告)日:2022-04-12

    申请号:CN202111680666.2

    申请日:2021-12-27

    Abstract: 本发明公开了一种基于深度学习的智能终端夜景图像增强方法,该方法包括:采集用于模型训练的图像样本,并构建图像数据集;构建基于Retinex理论的卷积神经网络;将图像数据集进行配对,并作为训练数据输入至卷积神经网络,使用随机梯度下降算法进行训练,得到该网络的夜景图像增强模型;使用Ghost模块替换夜景图像增强模型中的深度卷积层,在保证图像质量的基础上,大量减少模型参数;输入测试图像,在已训练好的卷积神经网络中进行一次前向传播,端到端地输出增强后的夜景图像。其目的在于,改善现有超级夜景技术中的硬件要求高、成像质量低及深度网络模型在智能终端运行受限等问题,降低硬件成本、提高夜景图像增强效率。

Patent Agency Ranking