一种基于特征提取与组合分类器的雷达有源干扰识别方法

    公开(公告)号:CN116953628A

    公开(公告)日:2023-10-27

    申请号:CN202310831074.9

    申请日:2023-07-07

    Abstract: 本发明属于雷达抗干扰技术领域,具体涉及一种基于特征提取与组合分类器的雷达有源干扰识别方法,包括如下步骤:步骤1:采用CWD变换方法对干扰信号进行处理,获取干扰信号的时频图像;步骤2:提取时频图像的轮廓特征,得到有源干扰信号全局分布信息;步骤3:依据有源干扰时频图像提取有源干扰信号复杂度、盒维数和信息维数特征,步骤4:获取有源干扰信号瞬时相位信息,依据有源干扰信号瞬时相位信息提取有源干扰信号的瞬时频率特征,步骤5:依据提取到的有源干扰信号特征向量通过组合分类器实现对雷达有源干扰信号的分类识别;本发明实现对有源干扰信号的特征提取及降维处理,运算量小、实现难度低,对多种有源干扰信号分类识别。

    一种对抗重编程模型及方法
    2.
    发明公开

    公开(公告)号:CN116383820A

    公开(公告)日:2023-07-04

    申请号:CN202211547947.5

    申请日:2022-12-05

    Abstract: 本发明属于计算机视觉与和计算机安全领域,具体涉及一种对抗重编程模型及方法,该对抗重编程模型包括特征提取模块、分类器、对抗扰动函数、对抗重编程线性函数和对抗损失函数;分类器包括若干卷积神经网络模型;特征提取模块采用卷积神经网络模型提取目标域数据集图像中的初始特征图,基于初始特征图通过对抗扰动函数获取对抗数据;且基于对抗数据设计所述对抗重编程线性函数;对抗重编程线性函数使目标域数据集图像在目标检测数据集中按攻击者的意图进行分类;本发明对抗重编程方法通过评估测试数据集的分类结果,发现掩模输入梯度的对齐度对对抗重编程攻击成功与否起着决定性作用;较大的对抗重编程掩模矩阵尺寸是有助于对抗重编程攻击的。

    自适应暗光增强的目标跟踪网路结构及目标跟踪方法

    公开(公告)号:CN118365676A

    公开(公告)日:2024-07-19

    申请号:CN202410506825.4

    申请日:2024-04-25

    Abstract: 本发明涉及一种自适应暗光增强的目标跟踪网路结构及目标跟踪方法,网络主要包括光照增强与目标跟踪两个模块,基于光照估计与颜色空间变化的光照补偿方法,同时也完成了对暗场景特征的自适应提升。在目标跟踪模块,主要采用了基于Transformer架构的网络,通过自注意力机制,可实现对目标的准确跟踪。相比于独立的光照增强模块,本发明针对跟踪任务进行图像特征的增强。网络结构简单,在提高性能的同时保持着目标跟踪任务实时性的要求。本文的跟踪器不仅在低光照场景下取得了较好的效果,而且维持了跟踪器在正常光照场景下的跟踪性能。相比于OSTrack算法,在UAVDark70数据集上,精确度提升了8.9%。

    基于去噪和超分辨率重构融合的攻击图像防御方法

    公开(公告)号:CN116228537A

    公开(公告)日:2023-06-06

    申请号:CN202310135980.5

    申请日:2023-02-20

    Abstract: 本发明涉及一种基于去噪和超分辨率重构融合的攻击图像防御方法,首先,采用多级嵌套的编解码网络,对图像中的噪声进行粗清洗。由于噪声主要是高频信息,因而多尺度编解码网络可以利用低频信息引导高频信息的重构,进而实现对高频噪声的消除。然后,使用超分辨率重构网络对噪声进行精清洗,通过在超分重构过程中注入高频分量,破坏残留的对抗噪声的分布。本方法有效地结合了自编码器去噪和超分辨率重构来进行对抗防御。在实验中,本发明提出的样本清洗防御算法在自制的卫星对抗样本数据集上取得了优异的防御效果。样本清洗之后,攻击噪声完全被清除,在EfficientNet网络的识别中准确率提升了42.67%。

    一种基于多尺度注意力和标签损失的本质图像分析方法

    公开(公告)号:CN111429436B

    公开(公告)日:2022-03-15

    申请号:CN202010233201.1

    申请日:2020-03-29

    Abstract: 本发明提出了一种基于多尺度注意力和标签损失的本质图像分析方法,将循环卷积注意力机制与对抗思想引入本质分解问题,构造了一个用于本质图像分析的多尺度注意力MSA‑Net网络,网络结构遵循生成对抗网络(GAN)的基本框架,包括生成器和判别器两部分。生成器由注意力子网络和编解码器子网络两部分组成,用于将图像分解为反射图和光照图。判别器的作用是对于任意一张输入图像给出该图为正确本质图像的概率。同时本发明还给出一种新的用于提升反射图分解效果的标签损失函数,该损失函数基于数据集中的标签图像(ground truth)构建,能使网络分解得到的反射图具有更优的局部纹理一致性效果和量化评价指标。

Patent Agency Ranking