-
公开(公告)号：CN108510467B
公开(公告)日：2022-04-08
申请号：CN201810263825.0
申请日：2018-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度可变形卷积神经网络的SAR图像目标识别方法，主要解决现有技术目标识别速度慢，准确率低的问题，其步骤为：1)对于SAR图像目标切片数据进行数据扩增，构建目标与场景的合成图像集合，进而得到训练样本集和测试样本集；2)构建基于像素级的峰值特征模块与连通区域标记模块；3)构建深度可变形卷积神经网络并对其进行训练；4)依据得到的峰值图像标记结果，画出目标检测结果图，将目标送入网络，得到输出的分类标签，完成SAR图像目标识别。本发明利用多层网络结构提取输入图像的特征，提高了SAR目标识别中检测速度和识别准确率，可用于遥感目标的目标检测、目标识别和侦查监视。
-
Patent Agency Ranking
公开(公告)号：CN108492319B
公开(公告)日：2021-09-03
申请号：CN201810193049.1
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度全卷积神经网络的运动目标检测方法，用于解决现有有监督运动目标检测方法中存在的检测精度低和检测复杂度高的技术问题，实现步骤为：(1)提取视频场景的背景图像；(2)获取多通道视频帧序列；(3)构建训练样本集与测试样本集，并对该两个样本集进行归一化；(4)构建深度全卷积神经网络模型；(5)对深度全卷积神经网络模型进行训练；(6)用训练好的深度全卷积神经网络模型对测试样本集进行预测；(7)获取运动目标检测结果。本发明通过深度全卷积神经网络模型实现运动目标检测，提高了运动目标检测的精度，并降低了检测的复杂度，可用于监控视频的目标识别、目标追踪与动作识别等领域。
-
公开(公告)号：CN108492319A
公开(公告)日：2018-09-04
申请号：CN201810193049.1
申请日：2018-03-09
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度全卷积神经网络的运动目标检测方法，用于解决现有有监督运动目标检测方法中存在的检测精度低和检测复杂度高的技术问题，实现步骤为：(1)提取视频场景的背景图像；(2)获取多通道视频帧序列；(3)构建训练样本集与测试样本集，并对该两个样本集进行归一化；(4)构建深度全卷积神经网络模型；(5)对深度全卷积神经网络模型进行训练；(6)用训练好的深度全卷积神经网络模型对测试样本集进行预测；(7)获取运动目标检测结果。本发明通过深度全卷积神经网络模型实现运动目标检测，提高了运动目标检测的精度，并降低了检测的复杂度，可用于监控视频的目标识别、目标追踪与动作识别等领域。
-
公开(公告)号：CN108447057A
公开(公告)日：2018-08-24
申请号：CN201810281824.9
申请日：2018-04-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于显著性和深度卷积网络的SAR图像变化检测方法，主要解决现有技术检测精度低及抗干扰能力弱的问题。其实现方案为：对同一区域不同时刻的两幅SAR图像预处理后，进行对数比值操作并归一化，得到归一化的对数比值差异图；对该差异图进行显著性特征提取，得到显著图；对显著图进行阈值化，并将差异图与阈值化的结果进行点乘，得到显著特征图；对差异图聚类得到预分类结果；从预分类结果中挑选出训练样例；构造深度卷积网络，用训练样例对网络进行训练；用训练好的网络对SAR图像做变化检测。本发明能有效地抑制背景区域信息的干扰，提高了变化检测的精确度，可用于自然灾害评估、环境资源检测和城市建模规划。
-
公开(公告)号：CN108447057B
公开(公告)日：2021-11-30
申请号：CN201810281824.9
申请日：2018-04-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于显著性和深度卷积网络的SAR图像变化检测方法，主要解决现有技术检测精度低及抗干扰能力弱的问题。其实现方案为：对同一区域不同时刻的两幅SAR图像预处理后，进行对数比值操作并归一化，得到归一化的对数比值差异图；对该差异图进行显著性特征提取，得到显著图；对显著图进行阈值化，并将差异图与阈值化的结果进行点乘，得到显著特征图；对差异图聚类得到预分类结果；从预分类结果中挑选出训练样例；构造深度卷积网络，用训练样例对网络进行训练；用训练好的网络对SAR图像做变化检测。本发明能有效地抑制背景区域信息的干扰，提高了变化检测的精确度，可用于自然灾害评估、环境资源检测和城市建模规划。
-
公开(公告)号：CN108510467A
公开(公告)日：2018-09-07
申请号：CN201810263825.0
申请日：2018-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度可变形卷积神经网络的SAR图像目标识别方法，主要解决现有技术目标识别速度慢，准确率低的问题，其步骤为：1)对于SAR图像目标切片数据进行数据扩增，构建目标与场景的合成图像集合，进而得到训练样本集和测试样本集；2)构建基于像素级的峰值特征模块与连通区域标记模块；3)构建深度可变形卷积神经网络并对其进行训练；4)依据得到的峰值图像标记结果，画出目标检测结果图，将目标送入网络，得到输出的分类标签，完成SAR图像目标识别。本发明利用多层网络结构提取输入图像的特征，提高了SAR目标识别中检测速度和识别准确率，可用于遥感目标的目标检测、目标识别和侦查监视。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
