“师君”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101个，建议您升级VIP下载更多相关专利

[发明专利]一种自适应的高分宽幅SAR清晰重构成像方法-CN202110889943.4有效
发明人：张晓玲;许玥童晖;周黎明;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-08-04 - 公布日： 2023-10-17 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种自适应的高分宽幅SAR清晰重构成像方法，它通过使用将SAR平台非线性运动完全补偿的IDR方法生成用于重构的子图像，然后基于重构图像质量的原则建立优化模型，估计清晰成像的重构系数。用图像熵作为图像质量评判标准，清晰的图像有低的图像熵；用共轭梯度法解决优化问题，即通过迭代使重构图像的图像熵最小化。最后通过估计的重构系数对子图像进行加权，以获得清晰的重构图像。本发明既保留了IDR算法可以精确补偿SAR平台的非线性运动的优势，又优化了IDR算法中的子图像加权求和中的权重，本发明可以应用于合成孔径雷达成像，尤其是HRWS SAR成像和地球遥感等领域。
一种自适应高分宽幅 sar 清晰构成方法

[发明专利]一种基于平衡学习的SAR图像船只检测方法-CN202111268008.2有效
发明人：张晓玲;柯潇;张天文;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-10-29 - 公布日： 2023-10-17 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于平衡学习的SAR图像船只检测方法，它是通过基于深度学习理论，主要包括平衡场景学习机制、平衡区间采样机制、平衡特征金字塔网络和平衡分类回归网络四部分。平衡场景学习机制通过扩增靠岸样本从而解决样本场景不平衡问题；平衡区间采样机制通过对将IOU划分为多个区间，每个区间等样本采样从而解决图像样本场景不平衡问题；平衡特征金字塔网络通过特征增强方法提取更具多尺度检测能力的特征，从而解决船舶尺度特征不平衡问题；平衡分类回归网络通过设计两种不同的子网络用于分类和回归任务，从而解决分类回归任务不平衡的问题。本发明的优点在于能够克服现有技术存在的不平衡问题，提高SAR图像中船只的检测精度。
一种基于平衡学习 sar 图像船只检测方法

[发明专利]一种提高SAR图像中靠岸船只检测精度的方法-CN202011101601.3有效
发明人：张晓玲;张天文;柯潇;师君;韦顺军 -专利权人：电子科技大学
申请日： 2020-10-15 - 公布日： 2023-09-15 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种提高SAR图像中靠岸船只检测精度的方法，它是基于深度学习理论，主要包括生成对抗网络、K‑means聚类、场景扩增、经典检测网络(Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet)四部分。生成对抗网络实现图像的特征提取，K‑means聚类方法利用提取得到的特征实现图像的二分类、得到每幅图像的分类结果，场景扩增得到更平衡的数据集，经典检测网络使用处理过后的数据集进行训练，执行检测任务。本发明在略微提高离岸船只检测精度的同时，将靠岸船只在Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet网络上的检测精度分别提高了8.60％，8.32％，18.15％，12.40％，提高了靠岸船只检测精度。
一种提高 sar 图像靠岸船只检测精度方法

[发明专利]一种联合量子随机数与深度学习SAR实例分割方法-CN202310651370.0有效
发明人：樊矾;张晓玲;韦顺军;师君;胥小我 -专利权人：电子科技大学
申请日： 2023-06-05 - 公布日： 2023-09-15 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种联合量子随机数与深度学习SAR实例分割方法，它是通过利用量子随机数实现对原始SAR图像样本进行数据增强操作，提升了SAR图像数据样本增强的随机性和均匀性；通过在SAR图像目标层进行语义分割时结合上下文信息流实现对SAR图像的深层特征提取，提升了对SAR图像进行实例分割效率；通过融合损失函数并利用该函数进行反向传播来优化算法的模型参数，提升了对SAR图像实例分割的精度。可避免现有SAR图像实例分割算法缺少图像语义的上下文信息，导致目标检测位置不准等问题，提升了SAR图像实例分割的精度和效率。本发明适用于SAR图像分割，也适用于其他的遥感图像、光学图像的实例分割。
一种联合量子随机数深度学习 sar 实例分割方法

[发明专利]一种平移不变结构电磁散射特征分离方法-CN202310629437.0在审
发明人：李志强;廖明亮;郭兰维;师君;宋缘 -专利权人：电子科技大学;中国电子科技集团公司第二十九研究所
申请日： 2023-05-31 - 公布日： 2023-08-15 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种平移不变结构电磁散射特征分离方法，以典型结构件的电磁散射特征复图像作为基础数据构造电磁特征散射分离数学模型，利用深度学习中的目标检测技术实现对复杂目标中各结构件散射特征的位置估计，利用估计位置构造平移不变结构散射特征分离方程，实现复杂目标中各结构件的电磁散射特征分离。本发明的方法采用深度学习中的目标检测技术，能避免大规模矩阵求逆等复杂操作，提高算法的效率和可靠性，与现有技术相比，直接采用了目标典型结构散射复图像构造分离模型，能更精确的描述复杂目标电磁散射过程，提高散射特征分离精度，用于复杂目标散射特征测量与雷达图像目标精细化识别等工作。
一种平移不变结构电磁散射特征分离方法

[发明专利]一种深度分类网络噪声标签建模与纠正方法、系统及存储介质-CN202310513686.3在审
发明人：王琛;陶重犇;郭继冲;师君;周远远 -专利权人：苏州科技大学
申请日： 2023-05-09 - 公布日： 2023-08-04 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种深度分类网络噪声标签建模与纠正方法、系统及存储介质，该深度分类网络噪声标签建模与纠正方法包括以下步骤：步骤一，获取损失函数曲线；步骤二，对损失函数曲线进行聚类拟合，得到单模型训练下标签噪声隶属度函数值，然后返回步骤一；步骤三，多模型噪声标签建模；获取M个模型的隶属度函数值，对M个模型的隶属度函数值进行多模型置信度阀值平均，得到最终最优隶属度函数值；步骤四，噪声标签纠正与分类网络训练；根据多模型标签建模结果，构建多个标签集合，并对所构建标签集合中不同标签样本赋予不同权重，得到对应设计加权损失函数对分类网络进行训练。本发明的有益效果是：提升噪声标签下分类网络的训练效果和分类精度。
一种深度分类网络噪声标签建模纠正方法系统存储介质

[发明专利]用于随机数发生器安全性检测的预测方法、装置及介质-CN202310354946.7在审
发明人：樊矾;张晓玲;韦顺军;师君;胥小我 -专利权人：电子科技大学
申请日： 2023-04-04 - 公布日： 2023-06-30 - 主分类号： G06F7/58 文献下载
摘要：本发明公开了一种用于随机数发生器安全性检测的预测方法、装置及介质；预测方法包括如下步骤：构建数据集；数据集预处理；构建编码网络对预处理后的数据进行计算得到含有索引信息的数组；构建解码网络对编码网络输出的数组数据进行计算得到权重信息；采用分类卷积神经网络对编\解码网络结构的输出融合计算得到预测数据；构建预测器，利用训练集对预测器进行训练；采用测试集对预测进行测试，对预测器进行安全性检测完成预测。本发明利用变点检测算法进行数据预处理，并联合注意力机制的编/解码网络与分类卷积神经网络进行随机数的预测以实现对随机数发生器的安全性分析和检测，具有检测准确率高，计算效率高、鲁棒性强等优点。
用于随机数发生器安全性检测预测方法装置介质

[发明专利]一种基于合成孔径技术的辐射源定位方法-CN202111082287.3有效
发明人：杨顺;师君;张晓玲 -专利权人：电子科技大学
申请日： 2021-09-15 - 公布日： 2023-06-23 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种基于合成孔径技术的辐射源定位方法，本发明的定位方法通过控制电磁兼容测试设备进行复杂运动，合成具有二维空间结构的等效天线阵列，对辐射源进行成像，从而实现辐射源的精确定位；并结合后向投影技术，克服了传统频域分析方法只能用于直线运动轨迹信号分析的缺点，实现了任意运动轨迹下的辐射定位。由于合成了具有二维空间结构的天线孔径，本发明的定位方法具有更高的定位精度；由于采用了后向投影技术，本发明的方法可用于非直线运动的孔径合成，提高了辐射源定位方法的通用性。本发明的方法可显著提升电磁兼容测试设备对确知信号的定位精度，用于各种确知辐射源定位测量工作。
一种基于合成孔径技术辐射源定位方法

[发明专利]一种基于自适应阈值三维SAR图像感兴趣目标提取方法-CN202111238203.0有效
发明人：张晓玲;徐彦钦;李良;师君;韦顺军;张文思 -专利权人：电子科技大学
申请日： 2021-10-25 - 公布日： 2023-05-26 - 主分类号： G06V20/64 文献下载
摘要：本发明提出了一种基于自适应阈值三维SAR图像感兴趣目标提取方法，它是通过首先使用显著性检测增强原始三维SAR图像，然后按照图像的直方图估计图像特征；通过计算目标提取所需要的阈值，以此提高图像抗干扰性；最后通过各项异性扩散滤波对增强图像进行平滑，并使用Canny边缘检测算法提取目标区域的边缘，从而实现了对三维SAR图像感兴趣区域目标的提取通过图像分割的方法，完成了对感兴趣目标的提取，有效地提高了图像分割的抗干扰性。本发明能够降低三维SAR图像中强干扰的影响，提高传统通用图像分割算法的抗干扰性能。同时，该技术具有非常好的灵活性，能够很好地应用于现有的通用图像分割技术。
一种基于自适应阈值三维 sar 图像感兴趣目标提取方法

[发明专利]一种基于比例尺网络的SAR船只检测方法-CN202111238184.1有效
发明人：张晓玲;胥小我;王宝有;张天文;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-10-25 - 公布日： 2023-05-26 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于比例尺网络的SAR船只检测方法，该方法主要包括准备数据集、构建比例尺网络、建立船只检测模型、测试船只检测模型和评估船只检测模型五个部分。该方法基于原始的ResNet‑101，引入了群卷积模块，构建了比例尺网络，从而优化网络结构以提高准确性。采用群卷积模块构建SAR船只检测模型，该模型可以提供单层网络中更丰富的多尺度信息，使得本发明中的船只检测模型具有更优越的多尺度船舶检测性能。在公知的SAR船只数据集即SSDD数据集上的仿真结果表明，与现有技术ResNet‑101方法相比，本发明可将SAR船只检测精度提高约5％。
一种基于比例尺网络 sar 船只检测方法

[发明专利]一种基于后向投影原理的频域干涉相位稀疏重构方法-CN202110811605.9有效
发明人：张晓玲;王楠;陈益飞;詹旭;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-07-19 - 公布日： 2023-05-26 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种基于后向投影原理的频域干涉相位稀疏重构方法，它是通过对接收到原始回波数据进行距离向上的脉冲压缩，然后在选定的成像网格中，计算网格上每个像素点到在合成孔径长度内平台天线的斜距，进而计算并精确补偿每个像素点的回波延迟相位，然后再进行相干累积操作，提高信噪比，最终实现观测区域的SAR成像。本发明通过利用BP算法精确计算每个像素点的补偿相位，采用稀疏重构算法极大地提高算法的运算效率，同时有效提高了InSAR复图像干涉相位的精度，并且可以自由地选择成像空间。
一种基于投影原理干涉相位稀疏方法

[发明专利]一种嵌入后向投影算法InSAR稀疏成像方法-CN202211095465.0在审
发明人：张晓玲;詹旭;张文思;师君;韦顺军;曾天骄 -专利权人：电子科技大学
申请日： 2022-09-05 - 公布日： 2023-05-09 - 主分类号： G01S13/90 文献下载
摘要：本发明公开了一种嵌入后向投影算法InSAR稀疏成像方法，它是通过首先根据后向投影成像算法的处理流程分别构建共轭相乘逆矩阵、方位向相位补偿及相干累加逆矩阵、距离向插值逆矩阵和距离向匹配滤波逆矩阵；然后，基于以上逆矩阵，构建后向投影算法嵌入的观测矩阵；其次，根据所构建的观测矩阵，建立频域稀疏正则化成像方程；最后，采用标准的最小绝对值收敛和选择算子求解该方程，获得最终的InSAR干涉相位图。本方法利用了成像场景干涉相位的频域稀疏性，后向投影成像算法的无需配准与去平地相位后处理步骤的优势，实现了由回波直接得到高质量的干涉相位图，处理流程得到简化。
一种嵌入投影算法 insar 稀疏成像方法

[发明专利]一种用于SAR舰船检测的场景感知数据增强方法-CN202111170725.1有效
发明人：张晓玲;杨振宇;张天文;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-10-08 - 公布日： 2023-05-05 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种用于SAR舰船检测的场景感知数据增强方法，本发明首先基于经典卷积神经网络VGG‑11进行改进，使得更适用于SAR图像，然后用该网络对训练集中的图像进行分类：分为靠岸训练样本和离岸训练样本；再利用场景扩增，得到数量平衡的靠岸训练样本和离岸训练样本；经典检测网络使用处理过后的数据集进行训练，执行检测任务并评估检测结果；采用本发明方法的Faster R‑CNN船只检测网络的总体检测精度比现有技术的FasterR‑CNN船只检测网络的总体检测精度提高了1.95％，对靠岸船只的检测精度提高了6.61％，实现了SAR图像靠岸船只的检测精度的提高。
一种用于 sar 舰船检测场景感知数据增强方法

[发明专利]一种基于显著性CNN的SAR靠岸船只检测方法-CN202111238183.7有效
发明人：张晓玲;张天文;胥小我;杨景皓;师君;韦顺军 -专利权人：电子科技大学
申请日： 2021-10-25 - 公布日： 2023-04-07 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于显著性CNN的SAR靠岸船只检测方法，它是基于深度学习理论，首先使用视觉显著性机制对SAR图像进行预处理，处理得到一个场景注意力权重(即显著图)，然后将该显著图融合到原始SAR图像中，最终将带有场景注意的SAR图像输入到CNN网络，采用视觉显著性机制构建SAR靠岸船只检测模型，该模型可以重点关注到靠岸的船只，即在船只上的权重值较大，因此其可以抑制陆地上的背景干扰。同时，本发明采用精细化的显著性处理，可以得到和原始图像分辨率一致的显著图，可以避免特征损失，从而抑制岸边背景干扰并重点关注靠岸船只以提高检测准确性。
一种基于显著 cnn sar 靠岸船只检测方法

[发明专利]一种基于阴影Video-SAR中感兴趣目标跟踪方法-CN202111310927.1有效
发明人：张晓玲;王宝有;鲍金宇;张天文;师君 -专利权人：电子科技大学
申请日： 2021-11-05 - 公布日： 2023-04-07 - 主分类号： G06T7/20 文献下载
摘要：本发明公开了一种基于阴影Video‑SAR中感兴趣目标跟踪方法，它是通过建立了一个全新的网络——指导锚孪生网络，包括孪生子网络、指导锚子网络和相似性学习子网络三个部分，利用SAR图像动目标阴影灰度特性稳定、位置不发生偏移等优点，来实现基于阴影的Video‑SAR任意感兴趣运动目标跟踪；同时使用指导锚子网络(GA‑SubNet)来提升跟踪精度，抑制虚警，生成稀疏的更符合SAR动目标阴影形状的锚本发明在公知的桑迪亚国家实验室数据集上的跟踪精度为60.16％，跟踪速度为每秒32帧。与其他先进的Video‑SAR中动目标跟踪技术相比，本发明实现了很高的Video‑SAR中动目标跟踪精度。
一种基于阴影 video sar 感兴趣目标跟踪方法

1
2
3
4
5
6
7
下一页»
尾页
共 101 条