“罗旌胜”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8个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习的雷达回波图像高压线分割方法-CN201910587748.9有效
发明人： 罗旌胜;孙永光;芦达 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2019-07-02 - 公布日： 2023-04-07 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于深度学习的雷达回波图像高压线分割方法，通过雷达回波图像高压线目标标注,以及深度学习高压线分割网络模型的设计训练，从雷达回波图像中分割出高压线目标，提高复杂场景下的高压线检测正确率。其中网络模型设计了卷积模块DCN，堆叠DCN模块实现编码，对雷达回波图像进行特征变换和特征提取，得到特征图；设计卷积模块GCN，堆叠GCN模块，再经过转置卷积，实现编码后特征图有效信息的恢复。本发明将雷达回波方位向拼接，可有效利用高压线的空间关系特征；本发明网络模型的参数调整不需要人工参与，提高了特征选择和提取的有效性；本发明将雷达回波目标检测问题转化成深度学习图像分割问题，实现了高压线目标的精确检测。
基于深度学习雷达回波图像高压线分割方法

[发明专利]一种基于ENet全卷积网络的气象杂波抑制方法-CN201910587722.4有效
发明人：徐强;罗旌胜;高霞 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2019-07-02 - 公布日： 2023-01-17 - 主分类号： G01S7/36 文献下载
摘要：本发明提供了一种基于ENet全卷积网络的气象杂波抑制方法，该方法包括如下步骤：S1：气象雷达回波图像获取；S2：DEM图像获取；S3：合成待处理图像；S4：训练ENet全卷积网络模型；S5：利用上述步骤获得的ENet全卷积网络模型进行杂波抑制。本发明提供的方法，基于ENet全卷积网络模型，利用其深度学习能力，解决气象目标和杂波的分离问题，进而实现了地杂波抑制；该方法利用ENet全卷积网络的学习能力提高了地杂波抑制方法的适用性，提高了机载气象雷达的探测性能。
一种基于 enet 卷积网络气象抑制方法

[发明专利]一种雷达高压线识别的知识神经网络模型及其方法-CN202111358229.9在审
发明人： 罗旌胜;熊伟;贺丰收 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2021-11-16 - 公布日： 2022-03-25 - 主分类号： G01S13/88 文献下载
摘要：本申请提供了一种雷达高压线识别的知识神经网络模型及其方法，属于雷达目标识别与目标检测技术领域，具体包括输入模块接收雷达回波目标信息，雷达回波目标信息包括主信息和辅助信息；知识融合特征提取模块包括主干网络和辅助特征提取网络，主干网络对主信息进行提取并输出，辅助特征提取网络基于主目标信息对辅助信息进行提取并输出，主干网络的输出和辅助特征提取网络的输出进行串联后形成主特征输出；全连接特征提取模块对主特征进行全局特征提取；分类输出模块对全连接特征提取模块提取的信息进行识别，输出识别结果。通过本申请的处理方案，实现了雷达回波高压线目标的准确识别，有效提高了防撞雷达高压线检测识别的性能。
一种雷达高压线识别知识神经网络模型及其方法

[发明专利]一种毫米波雷达图像的高压线检测方法-CN202111358276.3在审
发明人：严忠平;熊伟;罗旌胜 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2021-11-16 - 公布日： 2022-03-25 - 主分类号： G01S13/933 文献下载
摘要：本发明提供了一种毫米波雷达图像的高压线检测方法，所述方法包括如下步骤：S1：获得目标测点；S2：迭代凝聚；S3：剔除杂波区数据；S4：划分高压塔点和高压线点；S5：将凝聚点坐标转换；S6：基于Hough变换，提取直线作为候选高压线；S7：设定候选高压线的特征段；S8：根据Bragg效应特征提取多条疑似高压线；S9：关联多条疑似高压线识别高压线；S10：将重叠部分的高压线合并，得到最终的高压线检测结果。该方法针对高分辨率毫米波雷达图像的高压线识别问题，综合利用高压线特有的Bragg效应特征，降低了对高压塔检测的依赖程度，高压线提取准确率高，而且能够检测和辨识同一组高压塔分布中的多条高压线，可以应用于毫米波雷达防撞领域中。
一种毫米波雷达图像高压线检测方法

[发明专利]深度语义分割结合霍夫变换的高压线检测方法-CN202010940622.8在审
发明人：陈春风;罗旌胜;李志科 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2020-09-09 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种深度语义分割结合霍夫变换的高压线检测方法，采用深度学习语义分割技术结合霍夫变换进行目标的门限判断，实现了高压线的高性能检测，并且经霍夫变换后的门限能够对检测目标进一步确认，对原始图像的虚假目标进行抑制，达到了检测目标与降低虚警的双重效果。本发明公开的技术方案，算法流程简洁，检测率高于传统的参数调节方法，并且通过霍夫变换进一步降低了虚警率，避免了语义分割导致高压线虚警过多的问题。
深度语义分割结合变换高压线检测方法

[发明专利]一种高压线检测识别方法、装置及电子设备-CN202010950685.1在审
发明人：熊伟;罗旌胜;于超鹏 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2020-09-11 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：本公开实施例提供一种高压线检测识别方法、装置及电子设备，属于雷达技术领域。包括：对一个天线扫描周期雷达回波图进行恒虚警检测,获得目标检测点；将全部目标检测点的极坐标转换为以雷达为原点的X‑Y平面直角坐标系内的平面坐标；基于霍夫变换，从X‑Y平面直角坐标系内的全部目标检测点中提取直线，将全部疑似高压线的能量分布和入射角分布输入预先训练的高压线识别网络，获得每条疑似高压线的高压线类型。这样，以数据直接训练模型，避免传统特征提取方法的信息丢失，利用模型学习和自动提取疑似高压线特征，完成高压线的自动识别，识别正确率高、场景适应性强，有效克服了对高压线先验知识的依赖和传统特征提取方法信息丢失的弊端。
一种高压线检测识别方法装置电子设备

[发明专利]基于改进Krawtchouk矩的SAR图像目标特征提取方法-CN201510883597.3有效
发明人：陶飞翔;贺治华;罗旌胜 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2015-12-03 - 公布日： 2020-07-03 - 主分类号： G06K9/38 文献下载
摘要：基于改进Krawtchouk矩的SAR图像目标特征提取方法，涉及图像特征提取技术，属于SAR目标自动识别技术领域。本发明针对SAR图像的方位敏感性和平移敏感性给SAR目标识别带来的干扰，提出一种基于改进Krawtchouk矩的SAR图像目标特征提取方法。在有效抑制噪声的情况下，有效克服了SAR图像对目标方位的敏感性，减少计算量的同时能有效地对目标进行识别。
基于改进 krawtchouk sar 图像目标特征提取方法

[发明专利]一种基于波束调度的多目标探测与跟踪方法-CN201510883033.X有效
发明人：陈帅;颜明;罗旌胜 -专利权人：中国航空工业集团公司雷华电子技术研究所
申请日： 2015-12-03 - 公布日： 2019-12-17 - 主分类号： G01S13/72 文献下载
摘要：本发明提供了一种基于波束调度的多目标探测与跟踪方法，其特征在于，包括以下步骤：以雷达扫描方位中心为0度，将整个雷达扫描的方位角范围Ang_ScanWidth,按照波束宽度bw进行方位角度的划分，共划分为N个子区域，
一种基于波束调度多目标探测跟踪方法

1
共 8 条