“董优强”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]基于深度特征和双支流孤立森林的高光谱异常检测方法-CN202310463686.7在审
发明人：张敏;成曦;王海;林生;霍豫;董优强 -专利权人：西安电子科技大学
申请日： 2023-04-26 - 公布日： 2023-07-25 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种基于深度特征和双支流孤立森林的高光谱异常检测方法，主要解决现有技术对空间和光谱信息利用不足，影响检测精度的问题。方案包括：1)对三维高光谱图像分别进行全局和局部的样本提取；2)基于全局、局部的特征，引入神经网络进行光谱特征降维和提取，得到表征光谱信息的全局样本和局部样本，并利用其分别进行孤立森林的构建和测试，产生基于光谱的检测结果；3)利用形态学滤波、高斯滤波进行空间信息挖掘，产生基于空间的检测结果；4)通过非线性操作对两部分检测结果进行融合，得到高光谱异常检测的最终结果。本发明能够更为有效地挖掘高光谱图像的光谱和空间信息，提升高光谱异常检测的检测效果。
基于深度特征支流孤立森林光谱异常检测方法

[发明专利]基于多域混合注意力的调制信号识别方法-CN202310584967.8在审
发明人：王海;师梦瑶;张敏;董优强 -专利权人：西安电子科技大学
申请日： 2023-05-23 - 公布日： 2023-07-21 - 主分类号： H04L27/00 文献下载
摘要：本发明提出了一种基于多域混合注意力的调制信号识别方法，主要解决现有方法提取特征不完备、在低信噪比下识别准确率较低的问题。方案包括：1)对离散复信号进行预处理，得到I/Q/A/P/F序列；2)构建空间特征提取模块提取序列的幅度等波形特征；3)利用离散余弦变换得到频域特征，并通过频域注意力模块提取不同频率分量的特征信息；4)构建时间特征提取模块挖掘空间特征和频域特征间的依赖关系并进行深层融合，获得调制信号的时间特征；5)将时间特征输入至分类器，经过分类器输出调制信号类别的识别结果。本发明能够获取不同域特征间的关联、互补性，增强模型稳定性及可靠性，有效提升低信噪比下各调制信号的识别准确率。
基于混合注意力调制信号识别方法

[发明专利]空-谱协同引导联合字典构建的高光谱异常检测方法-CN202310292428.7在审
发明人：王海;林生;张敏;成曦;赵少博;董优强 -专利权人：西安电子科技大学
申请日： 2023-03-23 - 公布日： 2023-06-23 - 主分类号： G06V20/10 文献下载
摘要：本发明提出了一种空‑谱协同引导联合字典构建的高光谱异常检测方法，用于解决构建字典时背景光谱和异常光谱信息挖掘不充分及噪声干扰导致检测性能不佳的问题。包括：1)分别利用空间检测器和光谱检测器对输入高光谱图像进行检测，获取检测图；2)根据检测图构建背景集和异常集；3)对任意待测像素，从背景集和异常集中挑选特定数量的像素构建背景子字典和异常子字典，并将两者合并形成联合字典；4)建立基于联合字典的协同表示模型，对其优化求解得到估计的系数向量；5)将异常子字典和对应系数的乘积作为检测结果。本发明在构建字典时充分挖掘背景光谱和异常光谱信息，且有效规避了表示残差向量中噪声的影响，提升了高光谱异常检测性能。
协同引导联合字典构建光谱异常检测方法

[发明专利]融合稀疏表示和协同表示的高光谱异常检测方法-CN202211584933.0在审
发明人：王海;林生;张敏;成曦;赵少博;董优强 -专利权人：西安电子科技大学
申请日： 2022-12-09 - 公布日： 2023-03-03 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种融合稀疏表示和协同表示的高光谱异常检测方法，主要解决现有检测方法中构建的背景字典表示效果不佳、检测性能差的问题。包括：1)构建过完备字典，建立稀疏表示模型，优化求解并计算稀疏残差特征；2)构建背景字典，建立协同表示模型，优化求解并计算协同残差特征；3)将稀疏残差特征和协同残差特征进行非线性融合，得到初始检测结果；4)利用引导滤波对初始检测结果进行后处理，得到最终检测结果。本发明摒弃了以双窗口方式构建背景字典，自动从稀疏表示模型中挑选使用的原子作为背景字典，并且结合稀疏残差特征和协同残差特征，有效提升高光谱异常检测效果。
融合稀疏表示协同光谱异常检测方法

[发明专利]融合鲁棒字典和双协同约束正则项的高光谱异常检测方法-CN202210985411.5在审
发明人：王海;林生;张敏;成曦;周科学;李松霖;赵少博;董优强 -专利权人：西安电子科技大学
申请日： 2022-08-17 - 公布日： 2022-10-25 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种融合鲁棒字典和双协同约束正则项的高光谱异常检测方法，用于解决字典构造时鲁棒性较差以及信息利用不充分导致检测结果欠佳的问题。包括：1)利用密度估计模型和局部异常因子得到密度图，并对其进行逐像素相乘以及逐像素相加操作，获取背景抑制图和异常增强图；2)对背景抑制图和异常增强图进行二值化处理得到其索引图，构造潜在异常字典和背景字典；3)构建基于双协同约束正则项的低秩与稀疏表示模型并进行优化求解，得到初始检测结果；4)利用背景抑制图和异常增强图对初始检测结果进行非线性变换，获取最终检测结果。本发明增强了字典的鲁棒性，且充分考虑全局特性和局部特性，从而有效提升了高光谱异常检测效果。
融合字典协同约束正则光谱异常检测方法