申请/专利权人：西安电子科技大学

申请日：2023-12-21

公开（公告）日：2024-03-19

公开（公告）号：CN117437523B

主分类号：G06V10/82

分类号：G06V10/82;G06T7/33;G06V10/20;G01S13/86;G01S19/14

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明提供了一种联合SARCCD和全局信息捕获的微弱痕迹检测方法，包括：获取包括轮胎痕迹的SARCCD图像数据集的预训练数据集；根据预训练数据集，训练包括UNet网络和Transformer网络的GCCN得到第一GCCN；获取实测数据集，实测数据集包括不同时刻在相同几何位置获得的双航过SAR图像，以及，相应时间段内相应几何位置所对应的标注图像，标注图像中包括目标运动轨迹的坐标信息；对实测数据集中的至少一对双航过SAR图像进行预处理，得到至少一个差异图像；根据各差异图像和相应的标注图像，对第一GCCN进行训练，得到训练好的GCCN，该方法提高了模型训练效率、检测精度和检测能力。

主权项：1.一种联合SARCCD和全局信息捕获的微弱痕迹检测方法，其特征在于，包括：获取预训练数据集，所述预训练数据集为包括轮胎痕迹的合成孔径雷达成像进行相干变化检测SARCCD图像数据集；根据所述预训练数据集，对全局上下文捕获网络GCCN进行预训练，得到第一GCCN，所述GCCN包括UNet网络和Transformer网络，所述Transformer网络用于获取全局上下文信息；获取实测数据集，所述实测数据集包括不同时刻在相同几何位置获得的双航过合成孔径雷达SAR图像，以及，相应时间段内相应几何位置所对应的标注图像，所述标注图像中包括目标运动轨迹的坐标信息；对所述实测数据集中的至少一对所述双航过合成孔径雷达SAR图像进行预处理，得到至少一个差异图像；根据各所述差异图像和相应的标注图像，对所述第一GCCN进行训练，得到训练好的GCCN，所述训练好的GCCN用于根据不同时刻在目标几何位置获得的双航过合成孔径雷达SAR图像，确定所述目标几何位置处的微弱痕迹；所述GCCN，包括：编码器、组空间卷积模块和解码器，所述编码器分别与所述组空间卷积模块和所述解码器连接，所述组空间卷积模块还与所述解码器连接；所述编码器包括依次连接的特征提取模块、1×1的卷积核和Transformer模块，所述特征提取模块包括四个级联的卷积模块和下采样层；所述组空间卷积模块包括四个级联的、卷积方向不同的子卷积模块；所述解码器包括卷积层和上采样层；所述组空间卷积模块对应的卷积核的大小被设置为或，其中和分别表示相应子卷积模块的卷积核的宽度，和分别表示相应子卷积模块的卷积核的高度、表示相应子卷积模块的卷积核的维度，对应的切片向量大小为，其中、、分别为切片向量的宽度、高度、维度。

全文数据：

权利要求：

百度查询： 西安电子科技大学 联合SAR CCD和全局信息捕获的微弱痕迹检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD