-
公开(公告)号:CN116630796A
公开(公告)日:2023-08-22
申请号:CN202310518523.4
申请日:2023-05-10
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V20/10 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/774 , G06N3/0464 , G06N3/084
摘要: 本发明公开了一种SAR图像目标检测方法,涉及图像处理技术领域,其技术方案要点是:所述检测方法是通过DC‑YOLOX网络结构实现的,所述DC‑YOLOX网络结构是在YOLOX的基础上,利用空洞卷积进行改进的网络。所述DC‑YOLOX网络结构包括以下三个部分:特征提取骨干网络部分、特征融合网络部分和预测头部分。DC‑YOLOX在YOLOX的基础上引入空洞卷积模块,可以扩大特征图的感受野,有效提升网络特征提取的性能。在复杂场景SAR图像中完成检测任务的同时可以有效降低虚警。
-
公开(公告)号:CN116258960A
公开(公告)日:2023-06-13
申请号:CN202310073141.5
申请日:2023-01-17
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V20/10 , G06V10/82 , G06N3/08 , G06N3/042 , G06N3/0464
摘要: 本申请涉及一种基于结构化电磁散射特征的SAR目标识别方法及装置。所述方法包括:通过提取各张SAR样本图像中目标的强散射点,并根据提取到的强散射点构建图结构数据,再根据SAR样本图像与对应的图结构数据组成对目标识别模型进行训练的样本对,其中,目标识别模型包括根据图结构数据提取结构化电磁散射特征的第一特征提取网络,根据SAR样本图像提取深度特征的第二特征提取网络,以及根据结构化电磁散射特征与深度特征进行目标识别的特征融合网络,使得采用本方法得到的训练好的目标识别模型对SAR图像中的目标进行识别时有效利用的目标的电磁散射特性,提升了目标识别的识别率。
-
公开(公告)号:CN113762203A
公开(公告)日:2021-12-07
申请号:CN202111092881.0
申请日:2021-09-17
申请人: 中国人民解放军国防科技大学
摘要: 本申请涉及一种基于仿真数据的跨域自适应SAR图像分类方法、装置及设备。通过将SAR成像条件引入模型的训练过程中,并根据成像条件分别利用源域仿真图像和目标域仿真图像计算两个域之间的域混淆度量并以此对模型进行训练以减小源域和目标域之间的域差异,同时,还采用源域实测图像对模型进行训练使得模型具备分类识别的功能,最终训练得到的目标分类模型能够较好的对与源域成像条件不同的目标域SAR图像中的目标进行识别,且对其进行分类时具有较高的准确度。
-
公开(公告)号:CN113253272B
公开(公告)日:2021-10-29
申请号:CN202110798197.8
申请日:2021-07-15
申请人: 中国人民解放军国防科技大学
摘要: 本申请涉及一种基于SAR距离压缩域图像的目标检测方法及装置。所述方法包括:根据不同类型的雷达参数和仿真目标的位置信息,利用距离压缩域图像模型,得到不同类型的雷达数据对应的在距离向上进行压缩的目标仿真图像,根据目标仿真图像对预设的目标检测模型进行训练,得到已训练的目标检测模型,将真实目标的SAR雷达回波信号进行脉冲压缩后得到SAR距离压缩域图像,将SAR距离压缩域图像输入已训练的目标检测模型,进行真实目标检测。采用本方法能够直接在SAR距离压缩域图像上进行目标检测。
-
公开(公告)号:CN111008981A
公开(公告)日:2020-04-14
申请号:CN201911361104.4
申请日:2019-12-26
申请人: 中国人民解放军国防科技大学
摘要: 本发明涉及极化合成孔径雷达图像的分割方法、系统、装置及计算机可读介质。该方法包括:获取PolSAR图像的图像数据;生成待分割图像的多个超像素;将所述待分割图像的各个像素与其邻域像素中的每一个分别构成像素对;针对每一像素对,计算该像素对中两个像素分别所属的两个超像素之间的距离;按照距离的递增顺序,判断距离是否小于合并阈值,合并阈值与该像素对中两个像素的极化均匀性度量相关,直到对所有超像素对都完成了所述判断为止,如果判断的结果为是,则将该超像素对中的两个超像素合并。本发明能够提高PolSAR图像分割方法的准确性和计算效率。
-
公开(公告)号:CN118262253A
公开(公告)日:2024-06-28
申请号:CN202410373410.4
申请日:2024-03-29
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V20/13 , G06V10/764 , G06V10/776
摘要: 本发明公开了图像处理技术领域的基于SAR图像数据不确定性的检测方法,包括以下步骤:步骤一,预测结果建模:考虑噪声对预测结果的影响,并以狄利克雷分布为基础对预测结果建模;步骤二,Evi‑MSE损失函数建立:将MSE与狄利克雷分布结合,得到证据Evi‑MSE损失函数以用于概率估计,引导模型学习稳定的特征空间和logit;步骤三,算法性能验证:构建SAR OOD检测数据集,将数据集引入至Evi‑MSE损失函数验证算法的性能。本发明简单易操作,通过将证据不确定性与均方误差(MSE)损失函数相结合,可以在ID数据和OOD数据之间生成更具辨别力和稳定的logit。
-
公开(公告)号:CN117315323A
公开(公告)日:2023-12-29
申请号:CN202311093439.9
申请日:2023-08-28
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V10/764 , G06V10/774 , G06V10/82
摘要: 本申请涉及一种基于深度格拉斯曼流形空间的SAR目标识别方法及装置,通过利用训练好的目标识别网络对图像中的目标进行识别,在该网络中,通过由特征提取器提取输入图像的深度特征与格拉斯曼流形空间中的各子空间之间的投影距离预测该图像中的目标类别,若该图像中的目标为未知类别则利用该图像对网络进行在线小样本增量训练,其中采用深度子空间保留损失函数、深度子空间辨别损失函数、语义实例边界损失函数和语义聚合损失函数进行训练。采用本方法在对SAR图像中的目标进行识别时,可对已知类别目标进行精准识别的同时还可以利用少量未知类别目标的SAR图像对目标识别网络进行在线学习。
-
公开(公告)号:CN117058445A
公开(公告)日:2023-11-14
申请号:CN202310940278.6
申请日:2023-07-28
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V10/764 , G06V10/30 , G06V10/82 , G06V10/774 , G06N3/0464
摘要: 本发明属于图像识别技术领域,公开了一种基于不确定性的小样本SAR图像自动目标识别方法及系统,利用Dirichlet分布对分类结果建模;将Dempster–Shafer理论和Dirichlet分布相结合,推导出证据深度学习的损失函数;结合来自源域的先验信息,推导出适用于无源FSDA的目标识别与不确定性估计损失函数;采用师生网络结构利用无源FSDA的损失函数并结合少量的目标域标注数据对模型进行微调,最终实现SAR的小样本自动目标识别与不确定性估计。本发明SAR小样本自动目标识别使用无源FSDA,解决了传统的FSDA受限问题,为小样本下的可靠性SAR自动目标识别技术提供新的方法。
-
公开(公告)号:CN117036902A
公开(公告)日:2023-11-10
申请号:CN202310892449.2
申请日:2023-07-20
申请人: 中国人民解放军国防科技大学
IPC分类号: G06V10/82 , G06V10/80 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06V20/56
摘要: 本发明公开了基于混合注意力机制的SAR图像车辆目标识别方法,S1、数据集:采用MSTAR数据集;S2、混合注意力模块设计:根据实际需求和场景特点,设计合适的混合注意力模块;S3、模型架构设计:设计基于混合注意力机制的改进网络MA‑MobileNetV2;S4、模型训练:使用MSTAR数据集进行模型训练;S5、模型评估和优化:通过对比实验和性能评估指标,对模型进行评估和优化;S6、实施和部署:将训练好的模型应用于实际场景中的复杂SAR图像车辆目标识别任务,可以使用图像处理库或自定义软件实现模型的部署。涉及计算机视觉技术领域,其技术方案要点是:基于混合注意力机制的SAR图像车辆目标识别方法能够提高识别准确率、增强识别稳定性、适应复杂场景并减少计算复杂度。
-
公开(公告)号:CN114740474A
公开(公告)日:2022-07-12
申请号:CN202210320619.5
申请日:2022-03-29
申请人: 中国人民解放军国防科技大学
IPC分类号: G01S13/90
摘要: 本发明涉及合成孔径雷达领域,公开了一种合成孔径雷达原始回波数据目标感知方法及装置,本发明通过接收SAR传感器获取的SAR原始回波数据,对所述SAR原始回波数据进行记录并生成序列数据;将所述序列数据输入至检测器进行检测以确定所述序列数据是否为所述SAR原始回波数据对应的目标回波数据;若是,则对所述序列数据进行数据清洗;将所述序列数据对应的连续回波序列数据区域作为最终检测结果,实现了直接在SAR原始回波数据上进行目标探测,可以有效降低需要聚焦和传输的SAR数据量。
-
-
-
-
-
-
-
-
-