“polsar”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果62个，建议您升级VIP下载更多相关专利

[发明专利]一种基于PolSAR-SIFT关键点的PolSAR图像舰船检测方法-CN202210177811.3在审
发明人：王英华;谷明非;刘宏伟;王鹏辉 -专利权人：西安电子科技大学
申请日： 2022-02-24 - 公布日： 2022-08-09 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于PolSAR‑SIFT关键点的PolSAR图像舰船检测方法，包括：采集同一场景不同极化方式的多幅原始PolSAR图像；根据所述多幅PolSAR图像获得图像的极化协方差矩阵；利用所述极化协方差矩阵构建PolSAR‑Harris响应函数图像并提取当前场景中的所有关键点，组成关键点坐标集合；根据关键点坐标集合获得预选目标区域，并通过变化指示参数筛选出一个或多个目标区域；对所述目标区域的SPAN图像进行二值分割获得二值图本发明针对PolSAR数据定义了一种基于指数加权黎曼距离的梯度，将针对单通道SAR数据的SAR‑SIFT关键点检测算法扩展到PolSAR数据中，在获取舰船目标区域的时候引入了变化指示参数，通过该参数筛除位于海面的潜在目标区域
一种基于 polsar sift 关键图像舰船检测方法

[发明专利]基于栈式稀疏自编码网络的多时相PolSAR散射特征的降维算法-CN201910877875.2在审
发明人：郭交;李恒辉;刘健;韩文霆;秦立峰 -专利权人：西北农林科技大学
申请日： 2019-09-17 - 公布日： 2020-04-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于栈式稀疏自编码网络（Stacked‑Sparse‑Autoencoder，S‑SAE）的多时相PolSAR散射特征的降维算法，步骤有：（1）采用多种目标分解方法对每个时相的PolSAR（2）设置训练参数，隐含层层数和神经元个数，使用训练集对构建的S‑SAE网络进行逐层无监督训练和整体监督优化训练；（3）提取网络的相关参数对高维散射特征进行降维处理，最后使用降维特征作为分类器输入得到PolSAR本发明结合多种目标分解方法能充分有效发掘的多时相PolSAR数据中的特征信息，进一步提高了多时相PolSAR数据的应用质量，在作物分类中实现了高于多时相复Wishart方法的分类精度，为多时相PolSAR
基于稀疏编码网络多时 polsar 散射特征算法

[发明专利]基于双通道编码网络和条件随机场的遥感图像分类方法-CN202211050242.2在审
发明人：石俊飞;许炜楠;金海燕;王伟;贺天生 -专利权人：西安理工大学
申请日： 2022-08-31 - 公布日： 2022-11-29 - 主分类号： G06V20/13 文献下载
摘要：本发明公开一种基于双通道编码网络和条件随机场的遥感图像分类方法，步骤包括：首先对PolSAR图像预处理后，使用目标分解方法提取PolSAR图像的多特征；利用双通道编码的FCN网络分别训练原始数据和多特征并进行特征融合并得到初始分类结果；接着构建CRF的能量函数，初始分类结果作为其输入，充分考虑PolSAR图像的全局结构信息，对边缘细节分割进行改善，此外，为了防止区域过于平滑，添加了边界惩罚函数进行约束，有效克服了PolSAR图像中像素之间缺乏互联性的问题最终使得PolSAR分类结果能够显示出良好的空间一致性和图像边缘精细结构的完整性。
基于双通道编码网络条件随机遥感图像分类方法

[发明专利]基于DFIC超像素的PolSAR图像地物分类方法-CN201810073220.5有效
发明人：侯彪;焦李成;杨晨;马晶晶;马文萍;王爽;白静 -专利权人：西安电子科技大学
申请日： 2018-01-25 - 公布日： 2020-04-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于DFIC超像素的PolSAR图像地物分类方法。本发明的实现步骤为：(1)输入极化合成孔径雷达PolSAR图像；(2)对PolSAR图像进行克劳德目标分解；(3)初始化超像素信息；(4)计算像素点之间的特征距离；(5)更新超像素；(6)构建卷积神经网络；(7)对PolSAR图像进行分类；(8)用分解特征迭代聚类DFIC超像素优化分类结果。本发明可用于极化合成孔径雷达PolSAR图像的分类。
基于 dfic 像素 polsar 图像地物分类方法

[发明专利]基于FCN与稀疏-低秩子空间表示融合的PolSAR图像分类方法-CN201810124693.3有效
发明人：何楚;王彦;刘新龙 -专利权人：武汉大学
申请日： 2018-02-07 - 公布日： 2019-09-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于FCN与稀疏‑低秩子空间表示融合的PolSAR图像分类方法，充分利用了FCN能够从PolSAR数据本身自动地学习非线性的深层多尺度空间特征的强大能力，以及基于稀疏‑低秩图嵌入的线性降维算法能够在一个低维子空间中同时捕获PolSAR数据的局部和全局结构信息的优势，并对FCN和稀疏‑低秩子空间表示进行有效地融合，解决了PolSAR图像的非线性深层空间特征提取问题、降维问题，以及极化信息和空间信息的有效融合问题，并有效解决PolSAR图像的分类问题。本发明获得的融合的多层次子空间特征含有多种类型的信息，包括线性的和非线性的、浅层的和深层的、局部的和全局的，以及极化的和多尺度空间的，因此具有很强的判别性，能够大大提高PolSAR图像的分类准确率。
子空间低秩稀疏融合空间特征图像分类多尺度图像低维子空间分类准确率分类问题极化信息空间信息全局结构线性降维有效解决有效融合嵌入的有效地自动地极化降维浅层算法捕获全局学习

[发明专利]基于多指标卷积自编码器的PolSAR地物精细分类方法-CN202111319995.4在审
发明人：艾加秋;黄默;王非凡;范高伟;裴志林 -专利权人：合肥工业大学
申请日： 2021-11-09 - 公布日： 2022-02-11 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于多指标卷积自编码器的PolSAR地物精细分类方法，包括：1.对PolSAR数据进行预处理和切片操作；2.通过卷积和池化操作提取PolSAR图像的特征图，将得到的特征图输入MI‑SE模块来计算多指标，获得输入特征图各维度的权重；3.根据分配给输入特征图的权重对特征图的重要性进行加权得到最终特征；4.将最终特征输入分类器得到预测结果，并与真实结果对比，完成模型的训练过程；5.将待分类的PolSAR图像输入训练好的多指标卷积自编码器模型本发明能提高PolSAR地物特征表征的完整性和细腻性，获得更高的分类精度和分类效率，具有较好的工程应用价值。
基于指标卷积编码器 polsar 地物精细分类方法

[发明专利]一种顾及雷达目标方位对称的PolSAR城区分类方法及系统-CN202310599702.5在审
发明人：段定峰;高贵;姚力波;刘涛;张晰 -专利权人：西南交通大学
申请日： 2023-05-25 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种顾及雷达目标方位对称的PolSAR城区分类方法及系统，属于全极化合成孔径雷达图像分类技术领域，解决现有技术导致散射特征提取不准确的问题。本发明将全极化PolSAR图像的极化散射矩阵生成最终的极化协方差矩阵进行分解，得到三个特征值和特征向量构建得到三个子成分；对其所对应的电磁散射机制进行表面散射、偶次散射和体散射判别，再计算后向散射功率；基于特征值和特征向量，提取电磁散射特征参数集；根据后向散射功率构建Sigmoid函数对全极化PolSAR图像进行标记，并结合电磁散射特征参数集训练机器学习方法对待识别的全极化PolSAR图像进行分类。本发明用于PolSAR城区目标分类。
一种顾及雷达目标方位对称 polsar 城区分类方法系统

[发明专利]基于SAR-SIFT特征的多时相POLSAR图像配准方法-CN201910729648.5有效
发明人：邹斌;李昊璘;张腊梅;徐晓芳 -专利权人：哈尔滨工业大学
申请日： 2019-08-08 - 公布日： 2023-01-31 - 主分类号： G06T7/33 文献下载
摘要：本发明是基于SAR‑SIFT特征的多时相POLSAR图像配准方法。本发明在对多时相POLSAR图像配准的过程中，通过将极化散射分量相结合的方式构建多维极化散射矢量来计算像素点的梯度，解决了现有技术在对POLSAR图像配准时未能充分利用图像中的极化信息的问题，有效提高了配准过程中特征点提取的精度在对多时相POLSAR图像配准时构建尺度空间的过程中，采用全变分模型代替高斯卷积，使构建的尺度空间保留更多的细节信息，并且能有效滤除图像中的相干斑噪声，从而提取出稳定的特征点，剔除误匹配点对，提高多时相POLSAR图像配准算法的精确度和鲁棒性。
基于 sar sift 特征多时 polsar 图像方法

[发明专利]基于深度学习的高分辨率PolSAR图像城区地物分类方法-CN201710357202.5在审
发明人：王云艳 -专利权人：湖北工业大学
申请日： 2017-05-19 - 公布日： 2017-09-22 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及基于深度学习的高分辨率PolSAR图像城区地物分类方法，包括以下步骤步骤1，定义一个由两层结构构成的深度学习神经网络，其中第一层是一个深度反卷积网络，第二层是高层特征迁移学习自适应单元；步骤2，通过收集足够类似的高分辨率PolSAR源数据，训练所述深度反卷积网络，学习高分辨率PolSAR图像的高层特征feature1；步骤3，通过待分类城区数据中的训练数据对高层特征迁移学习自适应单元进行训练，完成高层特征feature1的迁移学习，获得更利于城区数据分类的特征feature2；步骤4，将待分类的PolSAR城区图像的测试数据引入训练好的深度学习神经网络，得到最后的分类结果。本发明能够有效的解决高分辨率PolSAR图像城区地物的分类问题，稳定性和准确率更高。
基于深度学习高分辨率 polsar 图像城区地物分类方法

[发明专利]星载P波段PolSAR图像中法拉第旋转角估计值解模糊的方法-CN202111429957.4在审
发明人：计一飞;张永胜;董臻;张启雷;余安喜;李德鑫;何志华;孙造宇;金光虎;何峰 -专利权人：中国人民解放军国防科技大学
申请日： 2021-11-29 - 公布日： 2022-03-25 - 主分类号： G01V3/12 文献下载
摘要：本发明公开了一种星载P波段PolSAR图像中法拉第旋转角估计值解模糊的方法，包括：S1、对星载P波段PolSAR图像沿距离向进行快速傅立叶变换，得到距离频域的PolSAR图像；S2、利用BB估计器对得到距离频域的PolSAR图像进行频域法拉第旋转角计算；S3、判断法拉第旋转角是否存在不一致的模糊度，若存在则进行模糊度一致化处理，否则执行步骤S4；S4、计算带宽内法拉第旋转角的变化值，并计算模糊度；S5、根据步骤本发明可以实现星载P波段PolSAR图像FRA估计值的自适应解模糊，从而得到精确的FRA随距离频率变化的曲线。
星载波段 polsar 图像法拉第旋转估计值模糊方法

[发明专利]一种基于光学和PolSAR特征融合的语义分割网络-CN202210036098.0有效
发明人：楚博策;裴新宇;陈金勇;陈杰;高峰;杨威;王士成 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2022-01-13 - 公布日： 2023-09-12 - 主分类号： G06V10/26 文献下载
摘要：本发明属于遥感图像智能应用技术领域，设计了一种基于光学和PolSAR特征融合的语义分割网络，用来实现端到端的光学和PolSAR融合地物分割任务。其中双路孪生卷积特征编码器采用ImageNet和大量的标注后PolSAR和光图像分别对每一路编码器进行预训练。然后设计ASCAM，通过扩张空间矩阵获取局部位置的光和PolSAR各通道对分类任务的非线性影响关系，将扩张空间矩阵与双路孪生卷积特征编码器的数据进行结合，实现了注意力对特征融合过程的加权引导。最后通过卷积实现加权后特征的融合，并设计了对称跳跃连接解码器，将融合特征与光学和PolSAR中编码过程特征进行跳跃连接，最终实现了端到端的地物分割。
一种基于光学 polsar 特征融合语义分割网络

[发明专利]一种联合灾前光学与灾后PolSAR图像的滑坡检测方法及系统-CN202310683012.8在审
发明人：牛朝阳;高欧阳;王世举;吴亚杰;李卓越;王艳云 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2023-06-09 - 公布日： 2023-10-13 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种联合灾前光学与灾后PolSAR图像的滑坡检测方法及系统，在PolSAR数据处理部分，首先对灾后PolSAR数据进行预处理，然后计算出滑坡区域检测过程中所需的极化特征参数，通过自动阈值确定方法确定分割阈值在光学数据处理部分，首先以灾后PolSAR图像为基准对光学图像进行几何校正，并进行多尺度分割，最后通过设计的分类规则筛选出容易对滑坡检测造成虚警的干扰区域。
一种联合光学 polsar 图像滑坡检测方法系统

[发明专利]一种基于目标散射鉴别的POLSAR图像无监督分类方法-CN201210222987.2无效
发明人：陈子琦;罗笑南;陈湘萍;林谋广 -专利权人：中山大学
申请日： 2012-06-29 - 公布日： 2012-11-28 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于目标散射鉴别的POLSAR图像无监督分类方法，包括步骤1：计算POLSAR图像极化散射熵，以及表面散射、偶次散射和体散射的相似性参数，并利用这些参数将POLSAR图像初始划分类别；步骤本发明的基于目标散射鉴别的POLSAR图像无监督分类方法能够更准确地描述地物散射，并且能很好对应地物实际散射情况，减小类别调整的运算时间。
一种基于目标散射鉴别 polsar 图像监督分类方法

[发明专利]PolSAR图像多特征融合的飞机目标检测方法-CN201810189416.0有效
发明人：韩萍;宋厅华;韩宾宾;周波 -专利权人：中国民航大学
申请日： 2018-03-08 - 公布日： 2021-11-23 - 主分类号： G06T7/246 文献下载
摘要：一种PolSAR图像多特征融合的飞机目标检测方法。其包括对PolSAR图像进行预处理，得到滤波和去取向后的相干矩阵；计算各像素点的散射功率值，利用散射功率值对PolSAR图像进行区域分割，分割出结果为二值图的感兴趣区域；对感兴趣区域进行区域筛选，得到疑似飞机目标的二值图本发明对PolSAR图像首先进行粗提取，能够降低运算效率。将飞机目标作为一个区域进行处理，能够充分利用飞机目标整体的极化特性。
polsar 图像特征融合飞机目标检测方法

[发明专利]基于区域生长法和变差函数的PolSAR图像山脊线提取方法-CN202011206437.2有效
发明人：翟玮;张皓然;王菁晗;肖修来;尹欣欣;邓津;张璇;武震;魏从信 -专利权人：甘肃省地震局（中国地震局兰州地震研究所）
申请日： 2020-11-03 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于区域生长法和变差函数的PolSAR图像山脊线提取方法，首先利用自动选取种子点的区域生长法对PolSAR图像进行初始分割，得到山脊线和建筑物的混合地物；其次计算图像的全方向变差函数获得变差纹理特征本发明自动选取种子点的方法抗干扰能力强，同时利用了PolSAR图像的纹理特征，获得了较高的山脊线识别精度，为PolSAR图像山脊线识别提供了一种新思路。
基于区域生长函数 polsar 图像山脊提取方法

1
2
3
4
5
下一页»
尾页
共 62 条