“何敬鲁”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]基于卷积神经网络和多特征融合的舰船尺寸估计方法-CN201910526996.2有效
发明人：王英华;王聪;刘宏伟;何敬鲁 -专利权人：西安电子科技大学
申请日： 2019-06-18 - 公布日： 2023-04-07 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于卷积神经网络和多特征融合的舰船尺寸估计方法，主要解决现有技术在中低分辨情况下目标尺寸估计误差较大的问题。其实现方案是：1)获取训练样本和测试样本，进行预处理；2)获取目标区域幅度图像，计算多维特征；3)构建目标尺寸估计网络框架，并用训练样本对其训练，得到训练好的模型；4)用训练好的模型估计测试样本的初步尺寸特征；5)将多维特征与初步尺寸特征组成新多维特征；6)利用新的多维特征训练梯度提升决策树GBDT；7)利用训练好的GBDT模型估计测试样本的最终尺寸特征。本发明利用CNN网络能自主学习SAR图像目标特征，提高了目标尺寸估计精度，可用于SAR图像舰船目标的识别与分类。
基于卷积神经网络特征融合舰船尺寸估计方法

[发明专利]基于深度密集连接和度量学习的SAR舰船目标分类方法-CN201911238758.8有效
发明人：王英华;杨振东;何敬鲁;刘宏伟 -专利权人：西安电子科技大学
申请日： 2019-12-06 - 公布日： 2023-03-10 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于深度密集连接和度量学习的SAR舰船目标分类方法，主要解决现有技术提取特征不准确，分类效果差的问题。其方案是：1)获取舰船目标SAR图像训练数据，并对其进行扩充；2)建立由深度密集连接层和嵌入转换层组成的网络模型；3)将扩充后的训练数据送入2)中构建的网络，使用带有L2范数正则项的交叉熵损失对网络初步训练；4)将三元组损失和基于Fisher判别准则的正则项加入3)中的损失函数，送入训练数据继续训练网络模型，得到最终训练好的网络模型；5)将测试数据送到训练好的网络模型中，得到舰船的分类结果。本发明能更好的完成深度特征提取，提高了分类性能，可用于海域舰船监测和目标分类。
基于深度密集连接度量学习 sar 舰船目标分类方法

[发明专利]基于分组双线性卷积神经网络的双极化雷达舰船分类方法-CN202210618884.1在审
发明人： 何敬鲁;常文龙;王富平;刘颖;李莹华 -专利权人：西安邮电大学
申请日： 2022-05-31 - 公布日： 2022-08-30 - 主分类号： G06V20/13 文献下载
摘要：一种基于分组双线性卷积神经网络的双极化雷达舰船分类方法，由获取数据集、扩充数据集、构建分组双线性卷积神经网络、构建多极化通道融合损失函数、训练分组双线性卷积神经网络、测试分组双线性卷积神经网络步骤组成，本发明针对双线性池化进行改进，提出了分组双线性池化层结构，将特征图分为若干个子特征图，对子特征图进行双线性池化串联，形成紧凑的双线性向量。与传统的双线性池化层相比，极大减小了计算量，提高了训练的效率；本发明提出了新的损失函数，平衡自双线性池化和跨双线性池化的重要性，实现了对船舶准确地分类。
基于分组双线卷积神经网络极化雷达舰船分类方法

[发明专利]基于区域信息和CNN的极化SAR图像变化检测方法-CN201810028892.4有效
发明人：王英华;王飞;王剑;刘宏伟;何敬鲁 -专利权人：西安电子科技大学
申请日： 2018-01-12 - 公布日： 2021-10-29 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于区域信息和CNN的极化SAR图像变化检测方法，主要解决现有变化检测技术虚警率较高，检测区域不准确的问题。其方案是：1)对二时相PolSAR图像进行超像素分割和合并；2)计算结合空间信息的Wishart似然比差异图；3)利用差异图通过FCM算法进行预分类；4)根据预分类结果提取训练和待分类数据；5)构建变化检测网络CNN；6)利用训练数据训练CNN；7)将待分类数据输入到训练好的网络中，得到变化检测结果，将该结果与预分类结果中的变化类和未变化类一起组成变化检测最终结果。本发明避免了统计建模和超像素分割的不准确性带来的误差，可用于车辆目标的移动检测以及洪涝灾害的检测。
基于区域信息 cnn 极化 sar 图像变化检测方法

[发明专利]基于超像素局部信息度量的极化SAR舰船目标检测方法-CN201810013991.5有效
发明人：王英华;吕翠文;何敬鲁;刘宏伟;王宁 -专利权人：西安电子科技大学
申请日： 2018-01-08 - 公布日： 2021-09-10 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于超像素局部信息度量的极化SAR舰船目标检测方法，主要解决复杂场景下目标检测率低的问题，其方案是：1.对原始图像进行超像素分割，得到不同尺度下的超像素分割结果；2.对分割后的结果利用滑窗模型计算三种基于超像素级的差异性度量；3.将基于超像素级的差异性度量转换成基于像素级的差异性度量；4.利用核fisher判别，将像素级的差异性度量向量映射成差异性度量值，得到每个像素点的差异性度量值；5.对每个像素点的差异性度量值利用线性SVM分类器进行分类，确定每个像素的类别，进行自动目标检测。本发明提升了复杂场景下的目标检测性能，实现了自动检测的过程，可用于后续的舰船目标鉴别、识别与分类。
基于像素局部信息度量极化 sar 舰船目标检测方法

[发明专利]基于卷积神经网络的多特征融合SAR目标鉴别方法-CN201710148659.5有效
发明人：王英华;王宁;刘宏伟;纠博;杨柳;何敬鲁 -专利权人：西安电子科技大学
申请日： 2017-03-14 - 公布日： 2019-07-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的多特征融合SAR目标鉴别方法，主要解决现有技术在复杂场景下SAR目标鉴别性能低的问题。其方案是：1)对给定的训练集进行预处理，获取新的训练集；2)构架基于卷积神经网络的SAR目标鉴别网络；3)将新的训练集输入到构建好的SAR目标鉴别网络中进行训练，得到训练好的网络；4)对给定的测试集进行预处理，获取新的测试集；5)将新的测试集输入到训练好的SAR目标鉴别网络中，得到最终的目标鉴别结果。本发明构建的SAR目标鉴别网络联合利用了SAR图像的幅度信息和边缘信息，并结合了卷积神经网络强大的特征学习能力，提升了鉴别的性能，可用于对复杂场景的SAR目标鉴别。
基于卷积神经网络特征融合 sar 目标鉴别方法

[发明专利]基于SAR-LARK特征的SAR舰船目标检测方法-CN201610570770.9有效
发明人：刘宏伟;孙成璐;王英华;何敬鲁;罗晔;王丽业 -专利权人：西安电子科技大学
申请日： 2016-07-19 - 公布日： 2019-03-08 - 主分类号： G06T7/40 文献下载
摘要：本发明公开了一种基于SAR的局部自适应回归核SAR‑LARK特征的舰船目标检测方法，主要解决现有SAR舰船检测方法高检测率下虚警较多的问题。其实现方案为：1.输入原始SAR幅度图像；2.基于均值比梯度算法计算SAR图像中每个像素点的SAR‑LARK特征矢量；3.基于SAR‑LARK特征矢量计算每个像素点的显著性大小，得到显著性图；4.对显著性图进行局部极大值点检测；5.将局部极大值点与设定的检测门限进行比较，得到最终检测结果。本发明能很好地捕获图像中目标和杂波的局部结构差异，在保持高的检测率的同时减少了虚警，提高了检测性能，可用于对地面目标和海面目标的检测与鉴别。
基于 sar lark 特征舰船目标检测方法

[发明专利]基于局部散射机制差异回归核的极化SAR舰船检测方法-CN201610602662.5有效
发明人：王英华;何敬鲁;刘宏伟;王丽业;罗晔;王宁 -专利权人：西安电子科技大学
申请日： 2016-07-27 - 公布日： 2018-11-16 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一基于局部散射机制差异回归核的极化SAR舰船检测方法，主要解决现有技术对目标与杂波的差异性表征不足的问题，其实现步骤为：1)对原始极化SAR数据进行极化目标分解，获取每个像素点在二次散射与体散射机制下的相干矩阵；2)基于每个像素点在两种散射机制下的相干矩阵，提取局部散射机制差异回归核特征；3)根据显著性检测原理，结合局部散射机制差异回归核特征，获取极化SAR图像的显著性图；4)对显著性图进行局部极大值检测，设置检测阈值，将局部极大值与检测阈值比较，获得最终的检测结果。本发明有效提高了舰船目标与局部杂波的差异性和对弱小目标的检测性能，可用于极化SAR图像目标检测。
基于局部散射机制差异回归极化 sar 舰船检测方法

[发明专利]基于超像素分割和卷积反卷积网络的SAR图像分类方法-CN201810512092.X在审
发明人：王英华;秦庆喜;刘宏伟;张磊;何敬鲁;王宁;王飞 -专利权人：西安电子科技大学
申请日： 2018-05-25 - 公布日： 2018-11-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于超像素分割和卷积反卷积网络的SAR图像分类方法，主要解决现有技术分类特征表征困难和测试时间长的问题，其方案是：1.对训练SAR图像和测试SAR图像进行标记，并提取训练样本；2.对训练样本进行数据扩充形成训练集；3.对测试图像提取测试样本形成测试集；4.构建SAR图像分类框架，将训练集输入到构建好的网络框架中进行训练，得到训练好的网络；5.将测试集输入到训练好的卷积反卷积网络框架中，得到初始分类结果；7.对测试SAR图像进行超像素分割，并根据测试图像的超像素分割结果和初始分类结果，得到最终分类结果。本发明能自动提取有效分类特征，缩短了测试时间，可用于SAR图像解译与分析。
像素分割分类结果反卷积卷积测试测试图像网络框架训练样本测试集训练集构建测试样本分类框架技术分类数据扩充特征表征有效分类自动提取网络分类解译可用分析

[发明专利]基于超像素的SAR图像CFAR目标检测方法-CN201510103122.8有效
发明人：王英华;余文毅;刘宏伟;潘杰;何敬鲁 -专利权人：西安电子科技大学
申请日： 2015-03-09 - 公布日： 2017-08-29 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于超像素的SAR图像CFAR检测方法，主要解决现有恒虚警CFAR检测算法在多目标环境下性能下降的问题。其实现步骤为(1)输入SAR图像并进行超像素分割；(2)寻找阴影超像素；(3)对每一个超像素估计背景杂波分布的参数，并计算其中每一个像素点的检测统计量；(4)根据设定的阈值，检测统计量大于阈值的像素点作为目标，否则为杂波；(5)对检测结果去除孤立点，得到有效目标超像素；(6)对有效目标超像素进行聚类。本发明在多目标场景下，对背景杂波分布参数的估计更准确，检测性能高，且能够正确区分相邻目标，可用于目标识别。
基于像素 sar 图像 cfar 目标检测方法

1
共 10 条