[发明专利]基于深度卷积神经网络模型的SAR图像目标形状生成方法有效
| 申请号： | 201810492792.7 | 申请日： | 2018-05-22 |
| 公开（公告）号： | CN108681999B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 吕文涛;任佳伟 | 申请（专利权）人： | 浙江理工大学 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06T5/00;G06K9/62;G06V10/764;G06N3/04;G06N3/08 |
| 代理公司： | 浙江千克知识产权代理有限公司 33246 | 代理人： | 周希良;李欣玮 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度卷积神经网络模型(DCNN)的合成孔径雷达(SAR)图像目标形状生成方法。本发明目的是为了克服SAR图像中的乘性相干斑噪声和目标强度的非同质性变化等内在性特点，以提高SAR图像目标形状生成的准确性。该方法的首先设计深度卷积神经网络算法，并制定迭代区域合并算法，以获取目标形状初始化机制，然后设计基于稀疏表示的目标形状生成算法，以获取更加精确的目标形状生成结果。本发明有效的解决了SAR图像目标性状的生成问题，提高了SAR图像目标形状生成的准确性。 | ||
| 搜索关键词： | 基于 深度 卷积 神经网络 模型 sar 图像 目标 形状 生成 方法 | ||
【主权项】：
1.基于深度卷积神经网络模型的SAR图像目标形状生成方法，其特征在于，包括以下具体步骤：步骤1，加载图像数据；步骤2，参数初始化，设置以下参数的数值：时间步长timestep、最大迭代次数iter、滤波算子窗口大小W、批次大小batch_size、基本学习率Lr；步骤3，对图像进行二维高斯卷积操作，再进行平滑处理；步骤4，将图像灰度值归一化到[0,255]范围内；步骤5，通过深度学习的思想进行目标形状的初始化；步骤6，设计迭代区域合并算法；步骤7，应用Procrustes分析方法对初始目标形状结果进行排列对齐；步骤8，利用k‑means算法对已对齐的样本数据进行分类，并设计基于稀疏表示的目标形状生成算法，得到稀疏编码模型；步骤9，基于步骤8得到的稀疏编码模型，使用正交匹配追踪算法(OMP)得到目标形状结果s。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江理工大学，未经浙江理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810492792.7/，转载请声明来源钻瓜专利网。
