“廖淮璋”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5个，建议您升级VIP下载更多相关专利

[发明专利]基于层次域先验的光学-ISAR图像转换方法及装置-CN202310157447.9在审
发明人：夏靖远;廖淮璋;杨志雄;刘永祥;刘振;霍凯 -专利权人：中国人民解放军国防科技大学
申请日： 2023-02-23 - 公布日： 2023-07-28 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及一种基于层次域先验的光学‑ISAR图像转换方法及装置。所述方法包括：通过提出基于层次域先验的光学‑雷达卫星ISAR图像生成模型也就是跨模态转换网络，基于循环一致性理论，该网络结合ISAR图像的散射物理域先验与分类任务导向的分类域先验，构建了全新的散射一致性损失与分类一致性损失，优化了模型的损失函数与迭代框架，还基于搭建的卫星目标光学图像数据训练样本，以CycleGAN为骨干网络，通过最小化网络损失函数，使得模型学习光学图像域与ISAR图像域之间的映射关系，最终实现将卫星目标ISAR数据的高质量、高训练有效性生成。
基于层次先验光学 isar 图像转换方法装置

[发明专利]基于学习辅助的ISAR图像超分辨方法、装置和计算机设备-CN202211255376.8在审
发明人：夏靖远;杨志雄;刘振;霍凯;廖淮璋;张双辉 -专利权人：中国人民解放军国防科技大学
申请日： 2022-10-13 - 公布日： 2022-12-23 - 主分类号： G06T3/40 文献下载
摘要：本申请涉及一种基于学习辅助的ISAR图像超分辨方法、装置和计算机设备。所述方法包括：通过根据高分辨图像大小以及退化模糊核大小采用随机噪声分别生成初始ISAR图像和退化模糊核，并将初始ISAR图像输入基于学习辅助的更新迭代计算框架构建ISAR图像超分辨网络中对其进行迭代直至输出的ISAR图像收敛，则得到高分辨ISAR图像，在此过程中根据每一次迭代输出的中间ISAR图像、低分辨ISAR图像以及退化模糊核进行计算得到的重构误差对ISAR图像超分辨网络进行更新，并且在对ISAR图像超分辨网络每次更新后，还根据重构误差以及模糊核辅助更新网络对退化模糊核进行更新。采用本方法能够具有良好的性能的同时，兼具了良好的可解释性和泛化性能。
基于学习辅助 isar 图像分辨方法装置计算机设备

[发明专利]基于元学习的零样本ISAR图像超分辨方法、装置和设备-CN202211255406.5在审
发明人：夏靖远;杨志雄;张双辉;霍凯;廖淮璋;刘振 -专利权人：中国人民解放军国防科技大学
申请日： 2022-10-13 - 公布日： 2022-12-23 - 主分类号： G06T3/40 文献下载
摘要：本申请涉及一种基于元学习的零样本ISAR图像超分辨方、装置和设备所述方法包括：通过根据高分辨ISAR图像大小、超分辨缩放倍数以及待预测退化模糊核大小对ISAR图像超分辨网络和模糊核预测网络进行初始化，并生成随机噪声分别作为两个网络的初始输入，ISAR图像超分辨网络和糊核预测网络分别对初始输入的随机噪声进行迭代计算，在每次迭代后分别生成ISAR重构图像以及退化模糊核，直至生成的ISAR重构图像以及退化模糊核收敛，则得到高分辨ISAR图像。在ISAR图像超分辨网络和糊核预测网络每一次迭代计算后，还基于外、内层元学习循环对ISAR图像超分辨网络和糊核预测网络进行交替迭代更新。采用本方法能够保证有效性和实效性良好的同时，具有可解释性强、泛化能力好等优点。
基于学习样本 isar 图像分辨方法装置设备

[发明专利]基于生成网络的光学-雷达ISAR图像转换方法及装置-CN202211110499.2在审
发明人：夏靖远;廖淮璋;刘永祥;杨志雄;章涵;刘振 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-13 - 公布日： 2022-12-13 - 主分类号： G06T7/136 文献下载
摘要：本申请涉及一种基于生成网络的光学‑雷达ISAR图像转换方法及装置。所述方法包括：通过基于对ISAR图像的目标物理特性分析与建模，以深度学习网络为主要技术手段将ISAR散射点分布特点引入网络训练的损失函数中，最终实现将目标的光学图像转换至对应的ISAR图像。其中将ISAR原图像以及ISAR重构图像分别提取的散射点位置矩阵相等这一约束条件加入损失函数中，使得深度学习网络能够生成更为真实的ISAR图像。
基于生成网络光学雷达 isar 图像转换方法装置

[发明专利]基于HQS深度展开的ISAR图像超分辨方法及装置-CN202211078921.0在审
发明人：夏靖远;杨志雄;彭勃;彭勃文;廖淮璋;张双辉;刘振 -专利权人：中国人民解放军国防科技大学
申请日： 2022-09-05 - 公布日： 2022-11-29 - 主分类号： G06T3/40 文献下载
摘要：本申请涉及一种基于HQS深度展开的ISAR图像超分辨方法及装置。所述方法包括：通过深度展开半二次分裂算法，在原半二次分裂算法更新迭代的计算框架中，引入深度神经网络进行学习，构建ISAR图像超分辨网络，包括超参数生成网络、图像去模糊单元以及图像去噪网络，其中图像去模糊单元以及图像去噪网络以交替迭代的方式对输入图像进行去模糊以及去噪处理，以输出高分辨图像。采用本方法能够在保证了ISAR图像超分辨算大具有良好的性能的同时，兼具了良好的可解释性和泛化性能，并且可以利用已知的先验信息，在具有先验信息的情况下具有良好信号。
基于 hqs 深度展开 isar 图像分辨方法装置