-
公开(公告)号：CN103439693A
公开(公告)日：2013-12-11
申请号：CN201310356937.8
申请日：2013-08-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种线阵三维SAR稀疏重构成像以及模型相位误差校正方法，它是针对实际线阵三维SAR成像场景空间中散射目标稀疏的特征，建立了线阵SAR原始回波信号与场景目标空间中散射系数的线性测量矩阵，同时考虑了线阵三维SAR实际测量中的存在的相位误差因素，通过迭代优化处理估计相位误差矩阵与场景目标的散射相位向量，实现线阵SAR三维空间中稀疏目标成像处理，抑制了相位误差对成像的影响，提高了线阵SAR稀疏重构成像的稳定性和线阵SAR的成像精度。本发明可以应用于合成孔径雷达成像，地球遥感等领域。
-
公开(公告)号：CN119814300A
公开(公告)日：2025-04-11
申请号：CN202411986381.5
申请日：2024-12-31
Applicant: 电子科技大学
Abstract: 本发明实例提供了一种基于哈希函数组合的保密增强方法及装置，属于量子保密通信的技术领域。本发明包括量子密钥分发双方获取共享一致低安全密钥S；量子密钥分发双方的一方从平方模数哈希函数族SQH中随机选取平方模数哈希函数gx，并共享给另一方，量子密钥分发双方利用平方模数哈希函数gx对共享一致低安全密钥S进行压缩得到一致的中间密钥S'＝gx(S)；量子密钥分发双方的一方从数论变换哈希函数族NH中随机选取数论变换哈希函数hc，并共享给另一方，量子密钥分发双方利用数论变换哈希函数hc对中间密钥S'进行压缩得到一致的最终安全密钥K＝hc(S')。本发明提出的保密增强方法具有计算复杂度低，实现简单且计算效率高的等优点，并且能够解决现有技术中由于采用基于通用类哈希函数进行保密增强计算时计算量会随着原始密钥处理长度增长而快速增加的问题，能够有效提升保密增强计算速度。
-
公开(公告)号：CN118230181A
公开(公告)日：2024-06-21
申请号：CN202410335698.6
申请日：2024-03-22
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V20/40 , G06V10/42
Abstract: 本发明公开了一种基于图神经网络的视频SAR阴影跟踪方法，它是将检测网络作为一个插件，并在跟踪网络部分引入了两项关键改进，以提高跟踪精度：首先，引入了联合特征学习，从阴影的形状和位置中提取互补的外观和运动特征，从而获得更健壮的特征表征，其次，通过将多目标跟踪(MOT)问题与图神经网络(GNN)有机结合，利用图关系来学习阴影之间的关联，从而获得更准确的跟踪预测。本发明能够高精度实现视频SAR中多目标阴影的跟踪，克服了现有技术难以区分与阴影相似的背景，造成虚警率高的问题以及在复杂环境中动目标阴影容易受背景干扰导致跟踪不连续等问题。
-
公开(公告)号：CN113835090B
公开(公告)日：2024-04-12
申请号：CN202111009890.9
申请日：2021-08-31
Applicant: 电子科技大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于多通道SAR系统的高精度干涉相位获取方法，它是通过多通道SAR系统可获取一幅高分辨率和一幅低分辨率图像，本发明通过减少副天线通道为单通道，得到两幅分辨率不同的SAR图像，再由两幅不同分辨率图像获得高精度干涉相位，利用二维频域干涉相位的高稀疏特性，建立了从低分辨图像到二维频域干涉相位的矩阵重构方程，为求解该方程提出了一种矩阵形式稀疏重构算法，最终获得了观测区域的干涉相位。本发明与传统的干涉测量方法比较，有效提高了InSAR复图像干涉相位的精度，且极大地降低了内存和计算量的消耗，大幅度提高计算效率。
-
公开(公告)号：CN117055030A
公开(公告)日：2023-11-14
申请号：CN202310901759.6
申请日：2023-07-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于贝叶斯压缩感知的汽车毫米波雷达快速超分辨成像方法，它是通过首先基于MIMO虚拟孔径技术，建立基于角度维的压缩感知成像模型，其次通过子空间检测减少成像模型的维度，然后基于贝叶斯定理引入散射点的先验概率分布函数，结合压缩感知成像模型建立贝叶斯压缩感知成像优化函数，最后，通过凯拉斯变换(Kailath‑Variant,K‑V)公式，减少求解过程计算复杂度。本发明提出的成像方法可应用于现有的汽车毫米波雷达系统，提升汽车毫米波雷达的快速超分辨率成像能力。
-
Patent Agency Ranking
公开(公告)号：CN116402999B
公开(公告)日：2023-09-15
申请号：CN202310651370.0
申请日：2023-06-05
Applicant: 电子科技大学
IPC: G06V10/26 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种联合量子随机数与深度学习SAR实例分割方法，它是通过利用量子随机数实现对原始SAR图像样本进行数据增强操作，提升了SAR图像数据样本增强的随机性和均匀性；通过在SAR图像目标层进行语义分割时结合上下文信息流实现对SAR图像的深层特征提取，提升了对SAR图像进行实例分割效率；通过融合损失函数并利用该函数进行反向传播来优化算法的模型参数，提升了对SAR图像实例分割的精度。可避免现有SAR图像实例分割算法缺少图像语义的上下文信息，导致目标检测位置不准等问题，提升了SAR图像实例分割的精度和效率。本发明适用于SAR图像分割，也适用于其他的遥感图像、光学图像的实例分割。
-
公开(公告)号：CN115436939A
公开(公告)日：2022-12-06
申请号：CN202210826682.6
申请日：2022-07-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于多通道高分宽幅SAR的多级分辨快速成像方法，它是通过利用宽幅大场景区域中目标区域相对很小且分布稀疏以及目标相对于背景有高信噪比的特点，来解决现有方法在大幅宽成像中成像速度慢和成像质量低的问题。本发明采用去斜和子孔径成像得到低分辨回波数据以便快速成像，然后利用恒虚警方法提取目标，最后使用原始回波数据对目标进行高分辨成像，本发明与现有的快速成像方法相比，更加适用于实际情况中大场景未知观测目标时的高分宽幅SAR快速成像，具有成像质量高、运算效率高的优势，本发明可以应用于合成孔径雷达成像和地球遥感等领域。
-
公开(公告)号：CN115359263A
公开(公告)日：2022-11-18
申请号：CN202210853421.3
申请日：2022-07-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于旋转检测框的多类别SAR图像舰船检测方法，它是基于深度学习理论，主要包括旋转检测框机制、平衡自注意力金字塔、特征对齐和包含特征解耦机制的旋转回归网络。旋转检测框机制通过使用旋转检测框降低相邻舰船检测框重叠部分，并减少背景的干扰，从而提高检测精度；平衡自注意力金字塔网络通过特征融合和增强方法提取更具多尺度检测能力的特征，从而解决船只尺度特征不平衡问题；特征对齐将旋转的检测框和水平的特征图对齐，从而解决了旋转检测框和特征图之间的错位问题；旋转分类回归网络包含特征解耦机制，解决了分类回归敏感性冲突和多种类舰船检测的问题。
-
公开(公告)号：CN114998759A
公开(公告)日：2022-09-02
申请号：CN202210591949.8
申请日：2022-05-27
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于视觉Transformer的高精度SAR舰船检测方法，它主要包括HRSwin‑T骨干网络、语义增强金字塔，区域推荐头和级联检测头四部分。HRSwin‑T骨干网络通过最近邻插值的方法生成额外高分辨率特征图，增强对小尺度舰船的检测能力。语义增强金字塔通过多次自上而下的连接，增强层级特征图中的语义信息。区域推荐头用于生成潜在目标的区域，加快网络收敛速度。级联检测头通过多次分类回归，从而最大限度提高检测框的准确度。采用本发明SAR图像船只检测方法，能够克服现有技术存在的难以提取全局信息问题，提高SAR图像中船只的检测精度。
-
公开(公告)号：CN110568434B
公开(公告)日：2022-06-03
申请号：CN201910635378.1
申请日：2019-07-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种多通道匀加速轨迹SAR动目标检测与二维速度估计方法，该方法将VSAR技术与时域后向投影算法(BP)结合，用于多通道匀加速运动轨迹SAR动目标检测与二维速度估计。首先利用BP算法对多通道回波数据进行成像，然后使用VSAR技术，抑制静止杂波并估计动目标的距离速度，接着使用估计的距离速度和搜索的目标位置范围，通过BP的方法再次进行子区域的成像，利用VSAR技术抑制子图像的杂波，最后采用最小图像熵方法获得动目标的方位速度。本发明为机动轨迹平台提供了一种新的动目标检测与二维速度估计方法，可以有效抑制杂波，精确估计出动目标的位置以及动目标的二维速度。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.048 seconds)
