-
公开(公告)号：CN118781319A
公开(公告)日：2024-10-15
申请号：CN202410717360.7
申请日：2024-06-04
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供基于SAM分割模型的红外图像样本增广方法，属于红外图像目标检测领域，生成待增广目标标注坐标列表；调用SAM分割模型和权重依次分割目标，生成多个目标掩模；从原图中分别获得对应位置的像素值，生成多个目标的分割结果图；对每个目标区域分别计算二值化阈值并二值化，得到二值图；腐蚀操作，如果模拟当前光照范围扩大，则对光线照射区进行膨胀操作；模拟当前光照范围缩小，将光线照射区重新赋值为0，将待照射区重新赋值为255，膨胀操作；生成大于1的系数一和小于1的系数二，将目标掩模范围内变亮区域的像素值依次乘以系数一，将目标掩模范围内变暗区域的像素值依次乘以系数二，将计算结果大于255的像素值赋值为255；同时模拟并扩增同一图像的多个目标在不同光照角度下的形态，扩充样本集，增加模型泛化性。
-
公开(公告)号：CN114067130B
公开(公告)日：2023-01-31
申请号：CN202111338334.6
申请日：2021-11-12
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种用于机载光电图像模板匹配的特征点提取方法，包括：首先对输入的图像，根据原始图像透视成像参数，进行反透视变换处理和透视变换处理，得到新的不同视角下的图像；然后，遍历每一幅变换图，进行点特征计算。依次计算SIFT特征点和特征矢量，计算FAST特征点和特征矢量；同时，将梯度角度图的角度值加π后，进行特征点矢量计算；最后，将所有循环的特征点进行合并输出，供后续匹配使用。本发明能够很好解决大视角差图像变换导致点特征不匹配、不同纹理场景的特征点提取数量不均、因灰度反转导致特征点方向和特征矢量提取不匹配等问题。
-
公开(公告)号：CN112287794B
公开(公告)日：2022-09-16
申请号：CN202011140098.2
申请日：2020-10-22
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G06V20/40 , G06V10/75 , G06V10/764 , G06T7/246
Abstract: 本发明公开了一种视频图像自动识别目标的编号一致性管理方法，属于视频图像目标跟踪技术领域，包括以下步骤：S1：目标编号初始化；S2：帧间目标匹配；S3：目标集清洗；S4：输出有效目标；S5：多目标编号跟踪。本发明采用活力值表示目标的跟踪状态，非常方便的区别新增、漏检、虚警、遮挡等各种情况；保留足够帧数的目标缓存数据，使被遮挡的目标重新出现时，也能够重新识别到，并保留原编号；具有准确、高效的优良特性，非常适合实时处理应用，值得被推广使用。
-
公开(公告)号：CN114529836A
公开(公告)日：2022-05-24
申请号：CN202210170355.X
申请日：2022-02-23
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种SAR图像目标检测方法，包括：为了解决SAR目标轮廓不清晰和多尺度问题，所述SAR图像目标检测网络的基准网络采用YOLOX网络，引入了无锚框的检测框架，在此基础上对其骨干网络进行了重新的轻量化设计，即NLCNet网络，包括对网络尾部的SE模块进行了删除，并对深度可分离卷积进行了重新的堆叠，同时在网络尾部使用了大的卷积核，从而获取图像的全局信息；针对SAR目标的强散射特性，在骨干网络中设计了一种新的位置注意力机制，细节是在不同空间方向上，将SE模块的全局池化操作替换为两个一维池化操作，形成两个独立的分支，能够更好的在通道注意力中添加位置信息来抑制背景杂波，从而更加准确的识别和定位目标；该方法具有较快的检测速度和精度。
-
公开(公告)号：CN112287794A
公开(公告)日：2021-01-29
申请号：CN202011140098.2
申请日：2020-10-22
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种视频图像自动识别目标的编号一致性管理方法，属于视频图像目标跟踪技术领域，包括以下步骤：S1：目标编号初始化；S2：帧间目标匹配；S3：目标集清洗；S4：输出有效目标；S5：多目标编号跟踪。本发明采用活力值表示目标的跟踪状态，非常方便的区别新增、漏检、虚警、遮挡等各种情况；保留足够帧数的目标缓存数据，使被遮挡的目标重新出现时，也能够重新识别到，并保留原编号；具有准确、高效的优良特性，非常适合实时处理应用，值得被推广使用。
-
Patent Agency Ranking
公开(公告)号：CN109613536B
公开(公告)日：2020-08-21
申请号：CN201910028632.1
申请日：2019-01-11
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G01S13/90
Abstract: 本发明公开了一种星载SAR实时处理装置及方法。其装置包括第一FPGA、第二FPGA、SOC、第一DDR2、第二DDR2、第三DDR2、第一SRAM、第二SRAM。选用改进型RD或CS成像算法为星载SAR实时处理算法，分两级处理分别实现数据预处理和成像算法。本发明通过分级处理、FPGA同步流水计算以及并行转置存取等方法，使得较低性能的国产化、宇航级处理芯片能够满足星载SAR实时处理的性能要求。
-
公开(公告)号：CN104035913A
公开(公告)日：2014-09-10
申请号：CN201410248560.9
申请日：2014-06-06
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G06F15/167
Abstract: 本发明涉及基于高性能BW100芯片的SAR并行处理方法，包括由FPGA控制器将回波数据乒乓发送至主、从BW100芯片处理，处理结果通过乒乓QDRII存储器转存至DDR3存储器，完成回波进数和距离向处理；乒乓QDRII存储器从DDR3存储器内取方位向数据并通过FPGA控制器乒乓发送至主、从BW100芯片处理，并乒乓接收处理结果，完成成像方位向处理；在完成多次距离向和方位向的处理后，完成整个成像处理。本发明还公开了基于高性能BW100芯片的SAR并行处理方法的装置。本发明采用BW100芯片作为SAR成像处理核心处理器，具有并行计算能力强、数据通讯能力强，整体性能优越，适用于SAR实时成像处理领域。
-
公开(公告)号：CN115240078B
公开(公告)日：2024-05-07
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0495 , G06N3/0985
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN115546555A
公开(公告)日：2022-12-30
申请号：CN202211274361.6
申请日：2022-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
公开(公告)号：CN115240078A
公开(公告)日：2022-10-25
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.049 seconds)
