公开(公告)号：CN113066023A

公开(公告)日：2021-07-02

申请号：CN202110297462.4

申请日：2021-03-19

Applicant: 哈尔滨工程大学

Inventor： 吴艳霞 ,  袁野 ,  姜妍

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉与图像处理技术领域，具体涉及一种基于自校准卷积神经网络的SAR图像去斑方法。本发明通过在卷积神经网络中自校准模块的平均池化、双线性插值和空洞卷积操作，以及能够在不增加网络参数及复杂性的前提下，使得网络的感受野获得极大提升，从而实现更有效的SAR图像中斑点噪声抑制。本发明通过将卷积神经网络中自校准模块的特征分为两个分支特征进行处理，能够提取不同尺寸的上下文信息，从而在有效抑制SAR图像斑点噪声的前提下，实现更精准的SAR图像细节纹理保护。本发明实现了SAR图像的精准去斑，可以用于抑制SAR图像的斑点噪声，从而提高SAR图像清晰度，增强SAR图像的视觉效果。

公开(公告)号：CN116579935A

公开(公告)日：2023-08-11

申请号：CN202310366995.2

申请日：2023-04-07

Applicant: 哈尔滨工程大学

Inventor： 吴艳霞 ,  袁野 ,  汤楚蘅 ,  姜妍

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种基于双倍对数斑点噪声模型的无监督型SAR图像去噪方法。本发明包括获取待去噪的斑点噪声SAR图像I′，利用双倍对数斑点噪声模型建立待去噪的双倍对数斑点噪声SAR图像Z′；将待去噪的双倍对数斑点噪声SAR图像Z′输入至预训练完毕的卷积神经网络中，得到卷积神经网络的输出为通过运算得到斑点噪声SAR图像I′的去噪后的SAR图像R′。本发明通过双倍对数斑点噪声模型，能够在不需要无斑点噪声SAR图像的条件下，利用均方误差损失函数，以无监督的方式对去噪卷积神经网络进行训练，从而完成对SAR图像的斑点噪声去除。

公开(公告)号：CN113066023B

公开(公告)日：2022-12-13

申请号：CN202110297462.4

申请日：2021-03-19

Applicant: 哈尔滨工程大学

Inventor： 吴艳霞 ,  袁野 ,  姜妍

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉与图像处理技术领域，具体涉及一种基于自校准卷积神经网络的SAR图像去斑方法。本发明通过在卷积神经网络中自校准模块的平均池化、双线性插值和空洞卷积操作，以及能够在不增加网络参数及复杂性的前提下，使得网络的感受野获得极大提升，从而实现更有效的SAR图像中斑点噪声抑制。本发明通过将卷积神经网络中自校准模块的特征分为两个分支特征进行处理，能够提取不同尺寸的上下文信息，从而在有效抑制SAR图像斑点噪声的前提下，实现更精准的SAR图像细节纹理保护。本发明实现了SAR图像的精准去斑，可以用于抑制SAR图像的斑点噪声，从而提高SAR图像清晰度，增强SAR图像的视觉效果。

公开(公告)号：CN110807372A

公开(公告)日：2020-02-18

申请号：CN201910976624.X

申请日：2019-10-15

Applicant: 哈尔滨工程大学

Inventor： 关键 ,  冯鹏铭 ,  孙建国 ,  林尤添 ,  石慧峰 ,  贺广均 ,  姜妍 ,  田野 ,  袁野 ,  刘加贝 ,  董喆

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于深度学习遥感目标识别技术领域，具体涉及提高对目标的计算速度的一种基于深度特征重组的快速光学遥感目标识别方法。本方法包括如下步骤：分别建立自下而上50层ResNets以及101层ResNets网络架构作为构建特征金字塔网络的基础，对遥感图像进行初步特征提取，提取出4个不同的尺度的特征C2，C3，C4，C5；将得到的4个特征分别通过自上而下路径的卷积网络进行相互叠加得到新特征M2，M3，M4，M5用来消除不同层之间的混叠效果。将得到的M5特征图加倍得到新特征P5，特征P6是通过对P5进行3x3，然后对特征P6进行ReLU激活函数，再通过3x3,并且步长为2的卷积，就可以得到特征p7。本发明既具有单阶段测试模型的速度优势，又具有双阶段测试模型的计算准确度。

公开(公告)号：CN116152099A

公开(公告)日：2023-05-23

申请号：CN202310106734.7

申请日：2023-02-13

Applicant: 哈尔滨工程大学

Inventor： 吴艳霞 ,  袁野 ,  汤楚蘅 ,  姜妍

IPC: G06T5/00 ,  G06T5/10 ,  G06T7/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种分割指导自监督型SAR图像去噪方法，获取待去噪SAR图像，输入预先训练的自监督去噪网络，其中自监督去噪网络由带有噪声SAR图像生成的训练数据训练得到，自监督去噪网络训练方法为：训练数据输入自监督去噪网络，输出去噪SAR图像并通过去噪‑分割连接网络输入SAR图像语义分割网络，输出语义分割标签；构建自监督去噪损失和语义分割损失构成的联合训练损失对自监督去噪网络、采用卷积小波变换的去噪‑分割连接网络和SAR图像语义分割网络进行联合训练，得到训练后的自监督去噪网络；输出去噪SAR图像。本发明实现自监督SAR图像去噪并同时通过感知语义信息而充分保留SAR图像的地物细节特征。