注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于灰度共生矩阵提取的多个特征的谱聚类SAR图像溢油分割

  2. 基于灰度共生矩阵提取的多个特征的谱聚类SAR图像溢油分割

  3. 所属分类：C/C++

    • 发布日期：2011-04-25
    • 文件大小：175kb
    • 提供者：xcmuzi

  1. SAR图像中道路和桥梁识别方法研究

  2. SAR图像中道路和桥梁识别方法研究.kdhgbhjmhbk

  3. 所属分类：其它

    • 发布日期：2011-05-20
    • 文件大小：4mb
    • 提供者：sunjing7892320

  1. SAR图像自动目标识别

  2. 基于MSTAR数据库中的目标自动识别 有完整的程序 附实验报告

  3. 所属分类：其它

    • 发布日期：2014-09-02
    • 文件大小：34mb
    • 提供者：feixuecangmang

  1. 相似度自适应样本块的高分辨SAR图像阴影修复

  2. 高分辨率SAR 图像目标阴影可为目标识别提供更多的信息，对SAR 图像目标阴影进行修复可以获取完整 的目标阴影。采用传统样本匹配方法对SAR 图像进行目标阴影修复时会出现阴影区域漏判问题和过渡区域不均 匀问题。提出一种相似度自适应样本块的SAR 图像目标阴影修复方法。利用SAR 图像中目标及其阴影斜距的相 对位置关系作为待修复区域的预判依据，有效地解决了阴影区域漏判问题; 然后采用相似度自适应样本块的图像 修复方法，改善了过渡区域不均匀问题。实验结果表明，本文方法可以有效地恢复高分辨率SAR

  3. 所属分类：专业指导

    • 发布日期：2014-09-06
    • 文件大小：343kb
    • 提供者：sun_hongjuan

  1. 基于特征向量的SAR 图像目标识别方法研究

  2. 用于描述区域特征的Hu 矩不变量在模式识别中得到广泛使用。然而在噪声影响下, 尤其是SAR 图像中严重的相干斑噪 声, Hu 矩不变量不再保持其完美的性能。以Hu 七个矩不变量为基础, 结合SAR 图像的特点, 引入四个仿射矩不变量和SAR 图像 中目标区域的峰值、均值和方差系数, 构成SAR 图像中目标识别的特征向量

  3. 所属分类：专业指导

    • 发布日期：2009-04-25
    • 文件大小：233kb
    • 提供者：yuyeyee

  1. 基于深度学习的SAR图像目标识别算法.pdf

  2. 基于深度学习的SAR图像目标识别算法.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-17
    • 文件大小：1mb
    • 提供者：anitachiu_2

  1. 基于图小波变换的纹理分类与SAR图像识别_赵玥.caj

  2. 基于图小波变换的纹理分类与SAR图像识别，小波变换，纹理分类，图像识别 转载论文，供参考 基于图小波变换的纹理分类与SAR图像识别，小波变换，纹理分类，图像识别 转载论文，供参考

  3. 所属分类：深度学习

  1. SAR图像识别.zip

  2. 包括源码： 1、数据集获取 2、二进制数据集转换为图片 3、提取特征，HOG+Gabor 4、SVM训练结果 5、预测显示

  3. 所属分类：互联网

    • 发布日期：2020-07-01
    • 文件大小：192mb
    • 提供者：qq_36758461

  1. 基于多模型融合的SAR图像目标轮廓提取方法

  2. 提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法，即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型，获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明，本文所提出的方法能准确地获得SAR图像目标轮廓，可用于执行实际的SAR图像轮廓提取任务，为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：401kb
    • 提供者：weixin_38662122

  1. 基于PCA算法的SAR图像舰船目标长宽特征提取

  2. 随着SAR图像成像技术的不断发展,几何特征被广泛应用在目标识别中,长宽特征因其简单直观、效率高、易于提取等优势,常被作为船只类型的初始判定,针对SAR图像舰船目标长宽特征提取问题,提出一种新的方法。首先通过水平集以及形态学方法获得预处理后的目标图像,利用PCA算法获取SAR图像舰船目标的长轴,结合最小二乘椭圆拟合方法获取舰船目标的短轴,最终得到舰船目标的长宽特征。通过实测SAR图像处理结果表明,该方法能够在背景杂波干扰下,抑制相干斑噪声的影响,提高了长宽提取的精度,是一种有效的舰船目标长宽特征提

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：894kb
    • 提供者：weixin_38645266

  1. 基于KPFD多特征融合分类器的SAR图像目标类型识别算法

  2. 基于KPFD多特征融合分类器的SAR图像目标类型识别算法

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：133kb
    • 提供者：weixin_38586428

  1. 一种鲁棒的多尺度稀疏表示SAR目标识别方法

  2. 提出一种基于多尺度Gabor滤波特征提取和稀疏表示的SAR图像目标识别方法。首先,在目标分割的基础上,利用Gabor滤波器对SAR目标图像在不同方向上进行滤波,增强目标的局部特征;然后,根据稀疏表示模型,以训练样本特征为原子构建字典,利用稀疏求解算法选择最优的原子集合来表示测试样本特征,进而计算表示系数中非负值的l1范数来判别测试样本。实验结果验证了该算法的有效性与鲁棒性。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：452kb
    • 提供者：weixin_38731979

  1. 目标区域与阴影联合分类的SAR图像目标识别

  2. 目标区域与阴影联合分类的SAR图像目标识别

  3. 所属分类：其它

  1. SAR图像中基于信息熵的多任务稀疏表示的目标识别

  2. SAR图像中基于信息熵的多任务稀疏表示的目标识别

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：496kb
    • 提供者：weixin_38552292

  1. 基于热核共生矩阵的SAR图像纹理目标识别

  2. 基于热核共生矩阵的SAR图像纹理目标识别

  3. 所属分类：其它

  1. 基于人眼视觉皮层系统的SAR图像目标识别

  2. 人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：334kb
    • 提供者：weixin_38548231

  1. 基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法

  2. 针对高分辨率SAR图像复杂背景下的线状目标边缘,提出了一种基于DS证据理论的融合提取方法。首先,分析并建立了线状目标的边缘模型;其次,改进了现有的ROEWA算法,在计算边缘强度的同时,利用方向模板和二次曲线进行方向估计,得到了边缘方向;然后,基于边缘模型设计了DS证据理论识别框架,利用道路边缘点方向,设计了一种一一映射的Hough变换方法,基于线状目标直线边缘的高边缘强度值、直线边缘共线性、直线边缘侧面均匀区域统计特性(灰度均值和方差),构建了三组相互独立的基本概率分配函数(BPAF),并采用D

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：640kb
    • 提供者：weixin_38641561

  1. 结合多分辨率表示和复数域CNN的SAR图像目标识别方法

  2. 为了提高合成孔径雷达(SAR)图像目标的识别性能,将多分辨率表示与复数域卷积神经网(CNN)联合使用。首先通过对原始SAR图像的时频域进行处理,获得其多分辨率表示图像;然后采用复数域CNN分别对原始SAR图像及其多分辨率表示图像进行分类;接着对分类结果进行线性加权融合,根据融合结果对测试样本类别进行判决;最后基于MSTAR数据集对所提方法在标准和扩展的操作条件下进行实验。实验结果表明,所提方法具有有效性及稳健性。

  3. 所属分类：其它

  1. 基于非线性相关信息熵的SAR图像多分辨率选择及目标识别

  2. 针对合成孔径雷达(SAR)目标识别,提出一种联合非线性相关信息熵(NCIE)和多分辨表示的方法。采用NCIE对原始SAR图像的多分辨率表示进行选择,获得内在相关较强的若干分辨率。然后,采用联合稀疏表示对选取的多分辨率样本进行联合表征和分类。实验中,以MSTAR数据集为基础设计多种操作条件对不同方法进行测试,结果表明了所提方法的有效性。

  3. 所属分类：其它

  1.  基于改进的Bag of Visual Words算法的SAR图像目标分类

  2. “视觉词袋”（Bag of Visual Words，BOV）算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足，综合利用SAR图像的灰度和纹理特征，提出基于感兴趣目标 （Target of Interest，TOI）的 “视觉词袋”算法。首先，对训练图像进行TOI选取，用灰度共生矩阵模型提取TOI的纹理特征，再结合灰度特征，组成多维特征向量集，以簇内相似度最高、数据分布密度最大为准则，生成“视觉词袋”。其次，对测试图像，依据已生成的“视觉词袋”，采用支持向量机（Sup

  3. 所属分类：其它

« 12 3 »