-
公开(公告)号：CN104076361B
公开(公告)日：2017-03-08
申请号：CN201410317682.9
申请日：2014-07-04
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达超分辨广域成像技术领域，特别涉及无人机载战场监视雷达超分辨广域成像方法。该无人机载战场监视雷达超分辨广域成像方法包括以下步骤：利用战场监视雷达的每个照射区域的地面监视图像组合成广域地面监视图像；生成战场监视雷达的每个照射区域的地面监视图像包括以下步骤：战场监视雷达对对应的原始回波数据进行预处理，得出对应的中心补偿后数据；将对应的中心补偿后数据在方位向进行孔径外推，得出对应的孔径外推后数据；将对应的孔径外推后数据在方位向进行幅相估计法超分辨处理，得出对应的方位超分辨处理数据；根据对应的方位超分辨处理数据，得出对应的子图像。
-
公开(公告)号：CN103455825B
公开(公告)日：2016-10-19
申请号：CN201310404987.9
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于邻域聚类核的SAR图像变化检测方法，主要解决现有差值合成核不能利用无标签样本信息而导致检测精度低下的问题。其实现步骤是：(1)提取两时像图像的强度特征和纹理特征；(2)手动选取标签训练样本和无标签训练样本；(3)利用标签训练样本构造差值合成核；(4)利用无标签训练样本信息修正上述差值合成核，得到邻域聚类核；(5)将邻域聚类核输入支撑矢量机中进行训练，得到支撑矢量分类器；(6)将标签训练样本和所有像素点构成的邻域聚类核输入到支撑矢量分类器中测试，得到最终变化检测结果。本发明与差值合成核方法相比，具有检测精度高，对SAR图像抗斑点噪声性能好的优点，可用于SAR图像变化检测。
-
公开(公告)号：CN104076361A
公开(公告)日：2014-10-01
申请号：CN201410317682.9
申请日：2014-07-04
Applicant: 西安电子科技大学
Abstract: 本发明属于雷达超分辨广域成像技术领域，特别涉及无人机载战场监视雷达超分辨广域成像方法。该无人机载战场监视雷达超分辨广域成像方法包括以下步骤：利用战场监视雷达的每个照射区域的地面监视图像组合成广域地面监视图像；生成战场监视雷达的每个照射区域的地面监视图像包括以下步骤：战场监视雷达对对应的原始回波数据进行预处理，得出对应的中心补偿后数据；将对应的中心补偿后数据在方位向进行孔径外推，得出对应的孔径外推后数据；将对应的孔径外推后数据在方位向进行幅相估计法超分辨处理，得出对应的方位超分辨处理数据；根据对应的方位超分辨处理数据，得出对应的子图像。
-
公开(公告)号：CN103886606A
公开(公告)日：2014-06-25
申请号：CN201410127588.7
申请日：2014-04-01
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明属于雷达信号处理技术领域，特别涉及基于联合广义伽玛分布参数的SAR图像分割方法。该基于联合广义伽玛分布参数的SAR图像分割方法，包括以下步骤：得出SAR图像观测数据集的一阶对数矩和二阶对数累积量；得出广义Gamma分布的第二类特征函数；建立广义Gamma分布形状参数方程；利用二值法对所述广义Gamma分布形状参数方程进行求解，得出广义Gamma分布的形状参数；得出广义Gamma分布的尺度参数和指示形状参数；根据广义Gamma分布的形状参数、尺度参数和指示形状参数，基于三重马尔可夫场模型得出SAR图像的图像分割结果。
-
公开(公告)号：CN102621528B
公开(公告)日：2013-08-14
申请号：CN201210099829.2
申请日：2012-04-07
Applicant: 西安电子科技大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于改进遗传算法的m-序列雷达信号波形优化方法，其实现过程是：将随机产生的待进化种群按照适应度从大到小的顺序，划分为统治阶层、中间阶层和底层；对这三个阶层采用不同的进化策略进化：统治阶层使用海明距离限制亲和度后，采用全局交叉进行进化；中间阶层使用标准遗传算法进行进化；底层用随机产生的新个体代替进行进化，三个阶层分别进化后，完成一次种群更新；通过多次更新种群，得到最优m-序列雷达信号。本发明可防止优化过程陷入局部次优，并能够快速收敛到最优m-序列，保证此序列编码的二相码雷达信号在发射信号时宽带宽积一定的条件下，具有大的脉压主副瓣比，有利于强目标回波脉压副瓣区内微弱目标的检测。
-
Patent Agency Ranking
公开(公告)号：CN102621528A
公开(公告)日：2012-08-01
申请号：CN201210099829.2
申请日：2012-04-07
Applicant: 西安电子科技大学
IPC: G01S7/02
Abstract: 本发明公开了一种基于改进遗传算法的m-序列雷达信号波形优化方法，其实现过程是：将随机产生的待进化种群按照适应度从大到小的顺序，划分为统治阶层、中间阶层和底层；对这三个阶层采用不同的进化策略进化：统治阶层使用海明距离限制亲和度后，采用全局交叉进行进化；中间阶层使用标准遗传算法进行进化；底层用随机产生的新个体代替进行进化，三个阶层分别进化后，完成一次种群更新；通过多次更新种群，得到最优m-序列雷达信号。本发明可防止优化过程陷入局部次优，并能够快速收敛到最优m-序列，保证此序列编码的二相码雷达信号在发射信号时宽带宽积一定的条件下，具有大的脉压主副瓣比，有利于强目标回波脉压副瓣区内微弱目标的检测。
-
公开(公告)号：CN103886606B
公开(公告)日：2017-01-25
申请号：CN201410127588.7
申请日：2014-04-01
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明属于雷达信号处理技术领域，特别涉及基于联合广义伽玛分布参数的SAR图像分割方法。该基于联合广义伽玛分布参数的SAR图像分割方法，包括以下步骤：得出SAR图像观测数据集的一阶对数矩和二阶对数累积量；得出广义Gamma分布的第二类特征函数；建立广义Gamma分布形状参数方程；利用二值法对所述广义Gamma分布形状参数方程进行求解，得出广义Gamma分布的形状参数；得出广义Gamma分布的尺度参数和指示形状参数；根据广义Gamma分布的形状参数、尺度参数和指示形状参数，基于三重马尔可夫场模型得出SAR图像的图像分割结果。
-
公开(公告)号：CN105160666B
公开(公告)日：2018-03-06
申请号：CN201510526592.5
申请日：2015-08-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非平稳分析与条件随机场的SAR图像变化检测方法，包括以下步骤：(1)对原始第一、第二时相SAR图像分别进行归一化处理，再作对数比值运算，得到对数比值图像，并求取对数比值图像的纹理特征矩阵；(2)将对数比值图像进行平稳性分割，得到A、B平稳区域，构建A、B平稳区域的训练样本，分别利用A、B平稳区域的训练样本训练支撑向量机，得到第一、第二分类标签矩阵；(3)根据第一、第二分类标签矩阵求得对数比值图像的初始分类标签矩阵，并求得对数比值图像中每个像素点的一元势能函数和二元势能函数，进而得到初步算法模型，再计算初步算法模型中的二元势能函数参数，进而求得对数比值图像的最终分类标签矩阵。
-
公开(公告)号：CN103885058A
公开(公告)日：2014-06-25
申请号：CN201410067314.3
申请日：2014-02-26
Applicant: 西安电子科技大学
CPC classification number: G01S7/41 , G01S13/9035 , G01S2013/907
Abstract: 本发明属于机载雷达前视超分辨成像技术领域，公开了一种利用稀疏统计特性的机载雷达前视超分辨成像方法。该利用稀疏统计特性的机载雷达前视超分辨成像方法包括以下步骤：得出距离徙动校正后数据s天线方向图矩阵H；机载雷达有M个距离单元；在距离徙动校正后数据s中，与第i距离单元对应的数据为si，i取1至M；则将si转化为如下形式：si=H·σi+n，其中，σi表示与待求的第i距离单元对应的前视场景目标散射系数，n为设定的噪声；依据贝叶斯准则和目标场景的空域稀疏特性，并根据共轭梯度法得出σ1至σM，完成机载雷达在前视场景下的超分辨成像过程。
-
公开(公告)号：CN103455825A
公开(公告)日：2013-12-18
申请号：CN201310404987.9
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于邻域聚类核的SAR图像变化检测方法，主要解决现有差值合成核不能利用无标签样本信息而导致检测精度低下的问题。其实现步骤是：(1)提取两时像图像的强度特征和纹理特征；(2)手动选取标签训练样本和无标签训练样本；(3)利用标签训练样本构造差值合成核；(4)利用无标签训练样本信息修正上述差值合成核，得到邻域聚类核；(5)将邻域聚类核输入支撑矢量机中进行训练，得到支撑矢量分类器；(6)将标签训练样本和所有像素点构成的邻域聚类核输入到支撑矢量分类器中测试，得到最终变化检测结果。本发明与差值合成核方法相比，具有检测精度高，对SAR图像抗斑点噪声性能好的优点，可用于SAR图像变化检测。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
