-
公开(公告)号：CN114910905A
公开(公告)日：2022-08-16
申请号：CN202210427304.0
申请日：2022-04-22
Applicant: 北京理工大学 , 北京理工大学重庆创新中心 , 北京理工大学前沿技术研究院
Abstract: 本发明提供一种相似性约束下GEO星机双基SAR动目标智能成像方法，包括：通过GEO SA‑BSAR系统采集含有运动目标的回波数据，并对回波数据进行距离压缩、方位维FFT和杂波抑制处理，获取运动目标的距离‑多普勒域信号；对距离‑多普勒域信号进行距离维FFT处理、相位补偿和2D‑IFFT处理，获取运动目标散焦信号；构建基于相似性约束的深度神经网络模型，深度神经网络模型的网络结构由若干个残差块搭建，并通过优化含相似性度量的损失函数对深度神经网络进行训练，得到深度神经网络模型参数；将运动目标散焦信号输入训练后的深度神经网络模型，输出得到聚焦的运动目标图像。本发明能够快速准确地对运动目标进行成像。
-
公开(公告)号：CN114910905B
公开(公告)日：2025-05-20
申请号：CN202210427304.0
申请日：2022-04-22
Applicant: 北京理工大学 , 北京理工大学重庆创新中心 , 北京理工大学前沿技术研究院
Abstract: 本发明提供一种相似性约束下GEO星机双基SAR动目标智能成像方法，包括：通过GEO SA‑BSAR系统采集含有运动目标的回波数据，并对回波数据进行距离压缩、方位维FFT和杂波抑制处理，获取运动目标的距离‑多普勒域信号；对距离‑多普勒域信号进行距离维FFT处理、相位补偿和2D‑IFFT处理，获取运动目标散焦信号；构建基于相似性约束的深度神经网络模型，深度神经网络模型的网络结构由若干个残差块搭建，并通过优化含相似性度量的损失函数对深度神经网络进行训练，得到深度神经网络模型参数；将运动目标散焦信号输入训练后的深度神经网络模型，输出得到聚焦的运动目标图像。本发明能够快速准确地对运动目标进行成像。
-
公开(公告)号：CN115598611A
公开(公告)日：2023-01-13
申请号：CN202211209278.0
申请日：2022-09-30
Applicant: 北京理工大学(CN) , 北京理工大学重庆创新中心(CN)
Abstract: 本发明涉及天气雷达技术领域，尤其涉及一种基于全局‑局部聚合模型的雷达智能回波外推方法。根据本发明提供的一种基于全局‑局部聚合模型的雷达智能回波外推方法，通过构建气象雷达回波灰度图像序列数据集及其对应的光流序列数据集，搭建并训练全局‑局部聚合模型，实现未来气象雷达回波图像序列的精确预测。将回波序列光流信息作为运动引导信息，并借助注意力机制有效融合不同时间尺度下的回波序列时空信息，强调回波外推任务中迫切需要的全局‑局部时空聚合，提升预测长时间序列中强降雨覆盖区域和强度的能力。
-
公开(公告)号：CN116385873A
公开(公告)日：2023-07-04
申请号：CN202310263722.5
申请日：2023-03-11
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于坐标感知注意力和空间语义上下文的SAR小目标检测网络。目标检测是遥感图像智能处理的一项重要任务，通过一系列算法，图像上的目标会被自动定位和识别。由于SAR特有的成像机制，图像中存在许多散斑噪点，导致目标与背景难以区分，所以相较于光学遥感图像，SAR图像的处理难度更大。本发明能够显著提高SAR遥感图像小尺度目标的检测效果，特别是针对背景复杂、噪音干扰严重的SAR遥感小目标检测场景，在有效抑制背景噪音的基础上，显著提高了检测率及检测精度，并加强了模型的鲁棒性和泛化能力，提升了模型对不同场景的适应能力。
-
公开(公告)号：CN115249322A
公开(公告)日：2022-10-28
申请号：CN202210378534.2
申请日：2022-04-12
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提出一种基于频域流场攻击的对抗样本生成方法，能够大幅降低攻击成功所需的攻击次数，使生成对抗样本的效率和实用性有效提高。包括：对原始输入图像进行离散余弦变换得到频域结果，并根据频域结果利用流场函数在频域生成扰动，然后对频域扰动后的对抗样本进行离散余弦逆变换得到扰动后的图像，并将该图像输入训练好的神经网络模型中得到分类结果，计算损失函数得到梯度信息，利用梯度信息更新流场函数中的位移场，直到攻击成功得到对抗样本。
-
Patent Agency Ranking
公开(公告)号：CN115147720A
公开(公告)日：2022-10-04
申请号：CN202210718888.7
申请日：2022-06-23
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明提供一种基于坐标注意力和长短距上下文的SAR舰船检测方法，包括：获取待测SAR舰船图像，待测SAR舰船图像中包含有对应的舰船；根据坐标注意力机制构造特征提取网络，将待测SAR舰船图像输入特征提取网络，获取坐标注意力增强的特征图；根据长短距上下文信息构造长短距上下文协同提取网络，将坐标注意力增强的特征图输入长短距上下文协同提取网络，获取上下文强化后的特征图；通过PAN金字塔特征融合网络，对上下文强化后的特征图进行特征融合，获取融合后的特征图；将融合后的特征图输入到YOLOX无锚框解耦检测头中，获取舰船位置和舰船类别。本发明能够缓解图像噪音干扰且能够对小目标进行精准检测。
-
公开(公告)号：CN112464732A
公开(公告)日：2021-03-09
申请号：CN202011213306.7
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于双路径稀疏分层网络的光学遥感图像地物分类方法，本方法通过将多尺度特征利用预先设置的间隔进行稀疏分组，并利用对应间隔的两条特征融合路径分别对不同层次的特征图进行融合，得到各自对应的特征性图，并进行进一步的融合，同时引入了压缩激励模块来对融合后的特征图进行校准，突出重要的特征，从而提高了光学遥感图像的地物分类任务的准确度。
-
公开(公告)号：CN118778042A
公开(公告)日：2024-10-15
申请号：CN202410762394.8
申请日：2024-06-13
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
IPC: G01S13/95 , G06T7/10 , G06T5/50 , G06V10/774 , G06T3/4038 , G06T3/4007 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多尺度可变形注意力机制及双域优化策略的雷达回波外推方法，通过多尺度天气雷达图像块分割及融合策略实现不同空间尺度回波上下文信息的充分利用；通过多头可变形注意力机制以空间自适应方式计算注意力权重，使模型重点关注强降雨区域演化特征，改善现有方法低估强降雨预测强度和覆盖范围问题。此外，我们引入一种双域(雷达回波图像域以及雷达回波图像频域)优化策略，即除了常见雷达回波图像域回归损失函数(如均方误差损失函数)外，额外引入图像频域正则化损失以及频域对抗损失函数，通过进一步缩小预测回波图像和真值回波图像之间的频域差异来解决现有方法仅采用图像域损失函数所带来的模糊预测问题。
-
公开(公告)号：CN116503266A
公开(公告)日：2023-07-28
申请号：CN202310248972.1
申请日：2023-03-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提供了一种基于自监督学习的SAR图像去噪方法，包括构建SAR噪声图像模型；构建最小化经验损失函数L；设计相邻同向子采样器；将噪声图像对作为输入和目标，修改经验风险最小化任务，构建自监督SAR图像去噪网络；设计多特征损失函数；使用上述方法，对SAR‑CNN去噪网络进行训练；将待去噪的SAR图像变换到log域后输入到网络中进行去噪，再通过反log变换得到输出图像。相比于现有技术，本发明可以迁移到任何现有的去噪网络上，实现在没有干净目标的情况下进行训练实现自监督去噪，并且本方法显著抑制了散斑噪声，同时可靠地保留了图像纹理细节等特征，解决了目前散斑数据和真实SAR图像自监督去噪实用性较差的问题。
-
公开(公告)号：CN112464732B
公开(公告)日：2022-05-03
申请号：CN202011213306.7
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/26 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于双路径稀疏分层网络的光学遥感图像地物分类方法，本方法通过将多尺度特征利用预先设置的间隔进行稀疏分组，并利用对应间隔的两条特征融合路径分别对不同层次的特征图进行融合，得到各自对应的特征性图，并进行进一步的融合，同时引入了压缩激励模块来对融合后的特征图进行校准，突出重要的特征，从而提高了光学遥感图像的地物分类任务的准确度。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.039 seconds)
