公开(公告)号：CN119338709A

公开(公告)日：2025-01-21

申请号：CN202411206102.9

申请日：2024-08-30

Applicant: 北京理工大学重庆创新中心 ,  中国空间技术研究院 ,  北京理工大学

Inventor： 胡宇昂 ,  毛永飞 ,  赵梁博 ,  王宇 ,  师皓 ,  何静飞 ,  杨靖怡

IPC: G06T5/70 ,  G06T5/50 ,  G06T7/40 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/0985

Abstract: 本发明提供了一种基于扩散模型的SAR图像到光学图像转换方法，本发明包括将一个去噪扩散模型作为生成器，并构建一个判别器，将原始光学图像输入去噪扩散模型，将其逐步添加高斯噪声，得到有噪光学图像；将所述有噪光学图像和真实SAR图像沿通道维度串联起来，形成组合图；将组合图输入至噪声预测网络，基于所述噪声预测网络的噪声损失项，引入对抗损失和感知损失计算总损失函数，输出转换结果。本发明采用扩散模型，通过逆扩散捕捉数据分布的底层复杂性，生成具有精细细节和真实纹理的高质量图像，且逆扩散过程将复杂的数据分布映射回简单分布，允许潜在空间表示数据中存在的有意义的特征、模式和潜变量，具有更可解释的潜在空间。

公开(公告)号：CN119251612A

公开(公告)日：2025-01-03

申请号：CN202411121381.9

申请日：2024-08-15

Applicant: 北京理工大学 ,  北京理工大学重庆创新中心

Inventor： 师皓 ,  邓思丹 ,  何静飞 ,  陈亮 ,  胡宇昂 ,  徐明

IPC: G06V10/774 ,  G06V20/64 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明提供基于TransCGAN仿真参数提取框架的SAR主轴预测数据集构建方法，包括：获取目标3D模型，根据目标3D模型，得到仿真SAR图像数据集；构建基于TransCGAN模型的参数预测网络；获取真实SAR图像，将仿真SAR图像数据集和真实SAR图像输入进参数预测网络，得到预测的目标待测参数；根据预测的目标待测参数得到目标SAR主轴预测数据集。本发明以目标3D模型和真实SAR图像为输入数据，训练TransCGAN网络获取SAR图像与仿真参数之间的关系，借助软件实现仿真参数到仿真SAR图像之间的转换，最终提取精确仿真参数得到目标SAR主轴预测数据集，用以目标主轴方向预测网络的训练。

公开(公告)号：CN114972851B

公开(公告)日：2024-08-30

申请号：CN202210512505.0

申请日：2022-05-12

Applicant: 北京理工大学

Inventor： 刘烨翔 ,  岳冰莹 ,  胡宇昂 ,  姚昕彤 ,  尹逸斐 ,  师皓

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于遥感影像的船只目标智能检测方法，将光学遥感影像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于多层垂直注意力模块的特征金字塔网络，得到更加精细化的特征提取融合结果，再经过具有ECA注意力增强模块的head检测头，以实现对船只目标的分类检测和定位。相较于之前的光学遥感影像船只检测方法，本方案通过先对光学遥感影像完成初步的特征提取、然后利用基于多层垂直注意力模块的特征金字塔网络对提取到的初步提取结果进行精修，提高了船只的检测精度。

公开(公告)号：CN118411289A

公开(公告)日：2024-07-30

申请号：CN202410506792.3

申请日：2024-04-25

Applicant: 北京理工大学

Inventor： 胡宇昂 ,  师皓 ,  陈亮 ,  何静飞 ,  尹逸斐 ,  徐明

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供了一种基于生成对抗网络的SAR图像超分辨率方法，本发明基于构建两个基于深度学习的模型，分别为可学习的退化模型和超分辨率重建SR模型，引入CycleGAN的架构中，共同训练。通过CycleGAN的对抗损失、真实LR‑SAR图像和合成LR‑SAR图像的MAE像素级损失，以及真实HR图像和生成的SR图像特征图之间的感知损失，引导生成更高质量的SR‑SAR图像。相对于传统的SAR超分辨率方法，本方案采用真实的成对数据集，通过训练模型以学习真实SAR图像HR‑LR域之间的内在关系，从而生成质量更高的超分辨率重建的图像。

公开(公告)号：CN114972851A

公开(公告)日：2022-08-30

申请号：CN202210512505.0

申请日：2022-05-12

Applicant: 北京理工大学

Inventor： 刘烨翔 ,  岳冰莹 ,  胡宇昂 ,  姚昕彤 ,  尹逸斐 ,  师皓

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种基于遥感影像的船只目标智能检测方法，将光学遥感影像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于多层垂直注意力模块的特征金字塔网络，得到更加精细化的特征提取融合结果，再经过具有ECA注意力增强模块的head检测头，以实现对船只目标的分类检测和定位。相较于之前的光学遥感影像船只检测方法，本方案通过先对光学遥感影像完成初步的特征提取、然后利用基于多层垂直注意力模块的特征金字塔网络对提取到的初步提取结果进行精修，提高了船只的检测精度。