-
公开(公告)号：CN109767434B
公开(公告)日：2023-04-07
申请号：CN201910012526.4
申请日：2019-01-07
Applicant: 西安电子科技大学
IPC: G06T7/00 , G06T7/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N20/00
Abstract: 本发明公开了一种基于神经网络的时域弱小目标检测方法，解决了现有技术检测弱小目标能力弱，对杂波分辨能力差的问题。实现步骤是：从原始数据集中提取出图中每个像素点亮度变化的时域廓线组成时域曲线数组集；时域曲线数组集分为训练集和测试集并归一化处理；构建神经网络并进行模型的训练和永久保存；对实际测试集测试得到每个像素点概率预测矩阵；对概率加权计算；切片去独过滤处理，去掉单独误检测点。输出检测图。本发明将机器学习应用到弱小目标检测，通过权值计算对目标点进行加强，加以切片去独过滤检测的处理。本发明自适应性强，抗背景干扰能力强，准确率高。可用于复杂云背景下所得拍摄图像的运动弱小目标检测上。
-
公开(公告)号：CN109724917A
公开(公告)日：2019-05-07
申请号：CN201811599624.4
申请日：2018-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于神经网络及宽带滤波调制的分光方法，主要解决现有技术在有噪声时无法使用最小二乘法进行准确分光的问题。其实现步骤是：1)设计一组调制片作为滤镜，安装到探测器上，并组成探测器矩阵；2)用探测器矩阵，探测已知入射光源，得到各探测器探测的数据，并进行预处理；3)构建神经网络；4)用已知入射光源光谱和经预处理后的探测数据，对神经网络进行训练；4)用探测器矩阵探测未知光源，并对探测的未知光源数据经预处理后输入到训练好的神经网络模型，即可计算未知光源光谱数据，完成分光。本发明充分融合了宽带滤波的光谱复用的特征以及神经网络的学习能力，提高了分光的准确率，可应用于光谱现场检测。
-
公开(公告)号：CN109724917B
公开(公告)日：2021-01-22
申请号：CN201811599624.4
申请日：2018-12-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于神经网络及宽带滤波调制的分光方法，主要解决现有技术在有噪声时无法使用最小二乘法进行准确分光的问题。其实现步骤是：1)设计一组调制片作为滤镜，安装到探测器上，并组成探测器矩阵；2)用探测器矩阵，探测已知入射光源，得到各探测器探测的数据，并进行预处理；3)构建神经网络；4)用已知入射光源光谱和经预处理后的探测数据，对神经网络进行训练；4)用探测器矩阵探测未知光源，并对探测的未知光源数据经预处理后输入到训练好的神经网络模型，即可计算未知光源光谱数据，完成分光。本发明充分融合了宽带滤波的光谱复用的特征以及神经网络的学习能力，提高了分光的准确率，可应用于光谱现场检测。
-
公开(公告)号：CN109767434A
公开(公告)日：2019-05-17
申请号：CN201910012526.4
申请日：2019-01-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于神经网络的时域弱小目标检测方法，解决了现有技术检测弱小目标能力弱，对杂波分辨能力差的问题。实现步骤是：从原始数据集中提取出图中每个像素点亮度变化的时域廓线组成时域曲线数组集；时域曲线数组集分为训练集和测试集并归一化处理；构建神经网络并进行模型的训练和永久保存；对实际测试集测试得到每个像素点概率预测矩阵；对概率加权计算；切片去独过滤处理，去掉单独误检测点。输出检测图。本发明将机器学习应用到弱小目标检测，通过权值计算对目标点进行加强，加以切片去独过滤检测的处理。本发明自适应性强，抗背景干扰能力强，准确率高。可用于复杂云背景下所得拍摄图像的运动弱小目标检测上。
-
-
-
Search Results
4
records
(took 0.017 seconds)
