-
公开(公告)号：CN119223219A
公开(公告)日：2024-12-31
申请号：CN202411730488.3
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于毫米波雷达的多模式形变监测方法，包括：根据需求选择雷达成像方式；若对形变监测的实时性要求高于预设条件，则选择实孔径雷达成像方式：采用多输入多输出制的毫米波雷达，利用其回波信号混频、加窗、FFT变换等以得到观测区域连续多帧的距离向‑方位角图；若对形变监测的精度高于预设阈值，则选择合成孔径雷达成像方式：将毫米波雷达搭载于地基轨道上，通过对回波信号采用后向投影算法以提取各时间段内的距离向‑方位角图；最终对不同帧/时间段的距离向‑方位角图进行干涉和解缠处理得到相邻两帧的相位差，进而得到不同帧/时间段之间的形变量。本发明可以根据需求选择实孔径成像合成孔径雷达成像以实现灵活监测形变。
-
公开(公告)号：CN113269024B
公开(公告)日：2022-04-26
申请号：CN202110348030.1
申请日：2021-03-31
Applicant: 中南大学
IPC: G06V20/00 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种顾及极化统计特性的非监督域自适应网络极化SAR地物分类方法及设备，其方法为：选取带标签和不带标签的极化SAR数据计算生成协方差矩阵，分别作为源域和目标域数据集；使用源域样本初始化源域及目标域的聚类中心；将源域和目标域数据输入至各自对应的复卷积神经网络，得到重构特征；通过计算重构特征与聚类中心的距离，为目标域样本确定伪标签，并更新目标域的聚类中心；重复聚类迭代，直到聚类迭代收敛或达到聚类最大迭代次数；通过最小化目标函数，迭代更新两个复卷积神经网络的参数，直到网络参数收敛，此时目标域数据集各样本类别即为最终地物类别。本发明可高效对极化SAR数据进行地物分类。
-
公开(公告)号：CN111273289A
公开(公告)日：2020-06-12
申请号：CN202010067116.2
申请日：2020-01-20
Applicant: 中南大学
Abstract: 本发明公开了一种沙漠参数反演方法、装置、设备及存储介质，其中方法包括：对两幅SAR影像进行预处理，获取两幅影像之间的相干性；利用裸地表土壤介电常数反演模型计算沙漠区域的介电常数；考虑SAR信号在沙漠区的折射效应，利用介电常数对微波进入沙漠区的垂直有效波数进行校正；联合前述得到的相干性和垂直有效波数，利用散射模型对微波在沙漠区穿透深度进行反演。本发明将基于复相干性的散射模型应用于沙漠区域的穿透深度反演，由于仅需要SAR影像的相干性信息，采用较少观测量即可实现；而且能够进行大范围反演，适用性较强，为探索微波在沙漠区穿透能力提供了一种新的思路与手段。
-
公开(公告)号：CN109948520A
公开(公告)日：2019-06-28
申请号：CN201910202371.0
申请日：2019-03-18
Applicant: 中南大学
Abstract: 本发明属于农业遥感领域，公开了一种基于多时相双极化SAR特征曲线的农作物分类方法，通过多时相极化SAR数据预处理、极化特征曲线提取、极化特征变化量曲线生成、简单线性迭代聚类分割、样本选择和聚类相似度计算等步骤，最终输出分类结果。本发明使用多个时相的双极化SAR数据，提取极化特征，并得到极化特征曲线，最终借助曲线相似度评价方法进行农作物分类，能够使用极化特征曲线，对农作物类型进行高精度识别，解决了单时相极化SAR信息不丰富和传统多时相极化SAR分类方法难以引入极化时变特性的问题，为高精度农作物分类制图提供了一种切实可行的方法。
-
公开(公告)号：CN107610160A
公开(公告)日：2018-01-19
申请号：CN201710859284.3
申请日：2017-09-21
Applicant: 中南大学
Abstract: 本发明提供一种极化SAR船舶速度估计方法及系统，所述方法包括：S1，使用目标检测算法从待检测区域的主影像的散射全功率图中检测出船舶；S2，对于检测出的每只船舶，以该船舶为匹配窗口，将所述匹配窗口在所述待检测区域的从影像的搜索窗口中移动，获取所述匹配窗口中主影像块与各从影像块之间的极化矩阵相似值；S3，根据所述主影像块的中心位置和最大所述极化矩阵相似值对应的从影像块相应位置的差值，并结合SAR成像参数获取该船舶的速度。本发明方法简单，能精确获取到船舶的速度。
-
Patent Agency Ranking
公开(公告)号：CN119199820B
公开(公告)日：2025-03-25
申请号：CN202411730483.0
申请日：2024-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于芯片级毫米波雷达的点云成像与定位方法，包括：接收回波信息并对每帧回波信号进行加窗处理，然后进行快时间维和慢时间维的FFT得到多帧RDM；将多帧RDM合并，再利用低阈值设置粗粒度标签；对各帧RDM分别提取方位角和俯仰角，将目标点云集合转换到笛卡尔坐标系聚类去噪；根据去噪点云对RDM进行细粒度标记；将各帧RDM和带细粒度标签的RDM分别作为输入输出，训练深度学习网络以获得RDM目标检测网络；在移动雷达移动过程中获得待测目标的多帧RDM，送入RDM目标检测网络处理后提取点云数据，再进行配准得到雷达各帧时的位姿和待测目标最终的点云图像。本发明能够高效生成高质量密集的点云图像。
-
公开(公告)号：CN112363161B
公开(公告)日：2022-12-20
申请号：CN202011164833.3
申请日：2020-10-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于散射机制分解的植被垂直结构及林下地形反演方法及装置，其方法为：获取森林反演区域多基线多极化的SAR数据集，并进行配准、去平地处理，得到极化层析SAR数据；对极化层析SAR数据计算其多基线多极化协方差矩阵，并分解计算冠层散射和地表散射的干涉协方差矩阵；针对冠层散射和地表散射的干涉协方差矩阵，均进行矢量化和稀疏表达，得到对应的稀疏贝叶斯学习模型；采用EM算法迭代更新稀疏贝叶斯学习模型中的超参数，进而获得冠层散射和地表散射的层析谱；根据地表散射和冠层散射的层析谱，分别提取森林反演区域的林下地形和植被高度。本发明可以利用少量、非均匀分布的SAR数据高精度地反演植被高和林下地形。
-
公开(公告)号：CN108761397B
公开(公告)日：2022-05-27
申请号：CN201810536823.4
申请日：2018-05-30
Applicant: 中南大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于电磁散射模拟的极化SAR模型分解评价方法，步骤S1：设置地表电磁几何参数、飞机飞行参数和雷达卫星位置参数，并采用经典正演模型计算目标场景的地表真实β值；步骤S2：利用待评价极化SAR模型分解方法，对目标场景的极化SAR模拟数据进行处理，反演得到反演β值；步骤S3：计算反演β值与地表真实β值的均方根误差，以均方根误差越小，分解方法的效果越好为原则，对待评价极化SAR模型分解方法进行评价。本发明方案将电磁散射模拟理论与极化SAR模型分解理论进行有机结合，从电磁波模拟的角度和模型分解的角度对分解算法进行评价，该方法公平、公正，可为不同的应用场景选择相应较优的模型分解方法提供参考。
-
公开(公告)号：CN111352109B
公开(公告)日：2021-11-16
申请号：CN202010352980.7
申请日：2020-04-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于两景SAR影像的植被高度反演方法及装置，其中方法包括：当仅存在覆盖同一区域的2幅SAR影像时，对其进行极化干涉处理，获取单基线全极化复相干系数；确定空间域范围；构建基于两景SAR影像的傅里叶‑勒让德多项式植被高度反演模型；根据RVoG模型与傅里叶‑勒让德多项式植被高度反演模型确定未知参数初始值；根据前述参数初值与植被高度反演模型，联合空间域，采用非线性迭代算法求取植被高度。本发明解决了现有单基线傅里叶‑勒让德多项式模型展开阶数有限的问题，在仅有两景SAR影像的情况下，增加了傅里叶‑勒让德多项式模型展开阶数、适用范围和灵活程度。
-
公开(公告)号：CN111352109A
公开(公告)日：2020-06-30
申请号：CN202010352980.7
申请日：2020-04-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于两景SAR影像的植被高度反演方法及装置，其中方法包括：当仅存在覆盖同一区域的2幅SAR影像时，对其进行极化干涉处理，获取单基线全极化复相干系数；确定空间域范围；构建基于两景SAR影像的傅里叶-勒让德多项式植被高度反演模型；根据RVoG模型与傅里叶-勒让德多项式植被高度反演模型确定未知参数初始值；根据前述参数初值与植被高度反演模型，联合空间域，采用非线性迭代算法求取植被高度。本发明解决了现有单基线傅里叶-勒让德多项式模型展开阶数有限的问题，在仅有两景SAR影像的情况下，增加了傅里叶-勒让德多项式模型展开阶数、适用范围和灵活程度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.016 seconds)
