CN105866778B - 基于极化合成孔径雷达数据的舰船检测方法 - Google Patents

基于极化合成孔径雷达数据的舰船检测方法 Download PDF

Info

Publication number
CN105866778B
CN105866778B CN201610369295.9A CN201610369295A CN105866778B CN 105866778 B CN105866778 B CN 105866778B CN 201610369295 A CN201610369295 A CN 201610369295A CN 105866778 B CN105866778 B CN 105866778B
Authority
CN
China
Prior art keywords
marine site
polarization data
mrow
data
site polarization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610369295.9A
Other languages
English (en)
Other versions
CN105866778A (zh
Inventor
汤建龙
徐晓煜
王雅婧
罗勇江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xi'an Shengxin Technology Co ltd
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201610369295.9A priority Critical patent/CN105866778B/zh
Publication of CN105866778A publication Critical patent/CN105866778A/zh
Application granted granted Critical
Publication of CN105866778B publication Critical patent/CN105866778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9076—Polarimetric features in SAR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Astronomy & Astrophysics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于极化合成孔径雷达数据的舰船检测方法，利用极化合成孔径雷达数据进行舰船检测，其实现步骤如下，(1)获取极化合成孔径雷达数据；(2)计算海域极化数据分布的形状参数；(3)获取海域极化数据的相关峭度；(4)获取海域极化数据的相关峭度的RGB图像；(5)Canny边缘检测；(6)计算机输出舰船检测的结果图像。本发明中利用海域极化数据分布的形状参数与相关峭度的对应关系来实现舰船检测。本发明可用于海洋监控领域中对舰船的检测，可以提高微弱舰船的检测精度，降低***复杂度。

Description

基于极化合成孔径雷达数据的舰船检测方法
技术领域
本发明属于雷达技术领域，更进一步涉及雷达图像处理技术领域中的一种基于极化合成孔径雷达数据的舰船检测方法。本发明可用于海洋监控领域中对舰船的定位。
背景技术
目前，在舰船检测的领域中，主要是利用光学遥感图像检测和合成孔径雷达图像检测两种方法来实现。第一种利用光学遥感方法，是通过利用光学遥感图像中目标灰度变化来提取特征从而完成舰船的检测。第二种舰船检测方法，是利用合成孔径雷达图像分割以及解相关等方法来完成舰船的检测。
国防科技技术大学在其申请的专利“一种光学遥感图像中海上舰船检测方法”(专利申请号201210077407.5，公开号CN102663348A)中公开了一种光学遥感图像中海上舰船检测方法。该方法是通过局部对比度在海面区域滑动窗口进行舰船的疑似目标检测，对检测后结果按一定窗口取其邻域，并利用空间金字塔匹配模型提取信息从而达到目标舰船鉴别。该方法存在的不足之处是，该方法可以实现舰船检测，但是由于对舰船的散射信息读取不完善导致弱小舰船目标不能实现检测，并且需要对大量的疑似舰船目标选择合适大小的窗口进行目标邻域块分割来提取目标，耗费时间成本较高。
西安电子科技大学在其申请的专利“基于高分辨合成孔径雷达图像的舰船检测方法”(专利申请号201110140973.1，公开号CN102208017A)中公开了一种基于高分辨合成孔径雷达图像的舰船检测方法。该方法是通过多幅子孔径雷达图像之间的相位相关信息和各子孔径雷达图像的幅度信息获取二值目标检测结果，对该结果提取目标切片，并利用目标切片进行目标与背景分割从而达到目标舰船鉴别。该方法存在的不足之处是，该方法可以实现舰船整体检测，但是由于对舰船的散射信息读取不完善导致弱小舰船目标不能实现检测，并且需要预处理分割合成孔径雷达图像得到子孔径雷达图像，并且算法模型结构复杂，计算成本较高。
发明内容
本发明针对上述现有技术存在的不足，提出一种基于极化合成孔径雷达数据的舰船检测方法。本发明充分利用极化合成孔径雷达的海域极化数据，获取完善的海域中舰船的散射信息，并将海域的非高斯分布的形状参数与相关峭度表达式结合起来的方法实现舰船的检测，以解决现有技术中对弱小舰船目标的检测漏警过大的问题，以及现有技术需要大量预处理数据导致操作步骤多，算法模型复杂度高，计算速度慢的问题。
本发明的基本思路是：计算机读取极化合成孔径雷达获取的海域极化数据，将得到海域极化数据与非高斯K-Wishart分布模型相结合，计算海域极化数据分布的形状参数，利用海域极化数据分布的形状参数与海域极化数据的相关峭度的对应关系得到海域极化数据的相关峭度，并获得海域极化数据的相关峭度的RGB图像，并将该相关峭度的RGB图像存储在计算机内存中，最后利用Canny边缘检测获得舰船检测结果，并利用计算机输出舰船检测结果图像。
实现本发明目的的具体步骤如下：
(1)获取极化合成孔径雷达数据：
(1a)计算机读取由极化合成孔径雷达获取的海域极化数据。
(1b)海域极化数据以Y(m×n×d×d)形式存储于计算机内存中，其中，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度。
(2)计算海域极化数据的形状参数：
(2a)采用非高斯K-Wishart分布模型拟合海域极化数据Y(m×n×d×d)的分布。
(2b)按照下式，计算海域极化数据中所有L×L邻域内的形状参数：
其中，α表示海域极化数据中所有L×L邻域内的形状参数，L表示海域极化数据的多视数，d表示每个海域极化数据矩阵的维度，×表示相乘操作，var(·)表示方差操作，Σ表示海域极化数据的均值，Σ＝E(Y)，E(·)表示均值操作，(·)-1表示逆操作，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示。
(3)获取海域极化数据的相关峭度：
将海域极化数据中所有L×L邻域内的形状参数α带入下式，获取海域极化数据的相关峭度：
其中，RK表示海域极化数据的相关峭度，d表示每个海域极化数据矩阵的维度，×表示相乘操作，L表示海域极化数据的多视数，α表示海域极化数据Y的L×L邻域内的形状参数。
(4)获取海域极化数据的相关峭度图像：
将获得的海域极化数据的相关峭度转化为相关峭度的RGB图像，并存储在计算机内存中。
(5)Canny边缘检测：
对相关峭度的RGB图像作Canny边缘检测，得到舰船检测的结果。
(6)计算机输出舰船检测的结果图像。
本发明与现有的技术相比具有以下优点：
第一，由于本发明直接利用极化合成孔径雷达海域极化数据检测舰船，不存在图像预处理计算量，克服了现有技术中由于需要对待检测图像进行滑窗或分割等预处理所带来大量图像处理计算量的缺点，使得本发明具有实施成本低廉，实施性强的优点。
第二，由于本发明采用非高斯分布的形状参数计算每一个极化数据位置的相关峭度，增加了相关峭度图像中非高斯性弱小舰船与海的对比度，克服了现有技术对舰船的形状尺寸等散射信息读取不完整，以及对于弱小舰船检测的漏警过大的问题，使得本发明对于弱小舰船的检测具有较高准确率的优点。
第三，由于本发明采用相关峭度图像进行舰船检测，简化了舰船的检测步骤，克服了现有技术对于舰船的检测需要复杂的算法模型，以及繁琐的计算带来的舰船的检测步骤过繁的问题，使得本发明具有计算效率高，简单可用的优点。
附图说明
图1为本发明的流程图；
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明作进一步的详细描述。
参照附图1，本发明的具体步骤如下。
步骤1，获取极化合成孔径雷达数据。
计算机读取由极化合成孔径雷达获取的海域极化数据。
将海域极化数据以Y(m×n×d×d)形式存储在计算机内存中，其中，m和n表示海域极化数据的行数和列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度。
步骤2，计算海域极化数据分布的形状参数。
采用非高斯乘积K-Wishart分布模型拟合海域极化数据Y(m×n×d×d)的分布，其中，m和n表示海域极化数据的行数和列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度，获得海域极化数据的分布模型的表达式，并由该表达式计算海域极化数据分布的形状参数，具体步骤如下：
按照下式，将海域极化数据Y(m×n×d×d)用K-Wishart分布模型进行拟合：
Y＝Z·C
其中，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n表示极化数据的行数和列数，每个极化数据由d×d维的矩阵表示，d表示每个极化数据矩阵的维度，Z表示海域极化数据的非高斯分布系数，Z服从伽马Gamma分布，Z～Γ(α)，Γ(·)表示Gamma分布函数，α表示Gamma分布函数的形状参数，C表示服从标准高斯分布的海域极化数据，C～Ν(0,1)。
按照下式，计算海域极化数据Y(m×n×d×d)的L×L邻域内Gamma分布函数的形状参数：
其中，α表示海域极化数据中所有L×L邻域内的形状参数，L表示海域极化数据的多视数，d表示每个海域极化数据矩阵的维度，×表示相乘操作，var(·)表示方差操作，Σ表示海域极化数据的均值，Σ＝E(Y)，E(·)表示均值操作，(·)-1表示逆操作，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示。
步骤3，获取海域极化数据的相关峭度。
采用海域极化数据计算海域极化数据的相关峭度，具体步骤如下：
第一步，将Gamma分布函数的形状参数带入海域极化数据的相关峭度的表达式中：
其中，RK表示海域极化数据的相关峭度，d表示每个海域极化数据矩阵的维度，×表示取相乘操作，L表示海域极化数据的多视数，α表示海域极化数据Y的L×L邻域内的形状参数。
第二步，获取海域极化数据的相关峭度如下：
其中，RK表示海域极化数据的相关峭度，L表示海域极化数据的多视数，var(·)表示取方差操作，M表示矩阵Σ-1Y的迹，M＝tr(Σ-1Y)，tr(·)表示取迹操作，Σ-1表示对矩阵均值求逆，Σ＝E(Y)，E(·)表示取均值操作，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n分别表示海域极化数据的行数和列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度。
步骤4，获取海域极化数据的相关峭度图像。
将获得的海域极化数据的相关峭度存储在计算机内存中，并把该相关峭度转化为海域极化数据的相关峭度的RGB图像，将该相关峭度的RGB图形存储在计算机内存中。
本发明的实施例中是采用MATLAB软件将海域极化数据的相关峭度转化为海域极化数据的相关峭度的RGB图像。该转换操作也可以在Visual C++或者Visual Studio等软件中实现。
步骤5，Canny边缘检测。
对海域极化数据的相关峭度的RGB图像作Canny边缘检测，得到舰船检测的结果。
步骤6，计算机输出舰船检测的结果图像。
下面结合图2对本发明的仿真效果做进一步的描述。
1.仿真条件：
本发明的仿真实验是在主频2.4GHz的Intel Core i7-5500U、内存8.0GB的硬件环境和MATLAB R2015a的软件环境下进行的。
2.仿真内容：
参照附图2(a)，附图2(a)为本发明的仿真实验中所用的极化合成孔径雷达图像的数据的Pauli图。该极化合成孔径雷达图像来自日本海域的极化合成孔径雷达图像的一部分，该极化合成孔径雷达图像的分辨率为3.33×4.63，其中3.33表示方位向分辨率为3.33米，4.63表示距离向分辨率为4.63米，图片大小为1216×721个像素。从附图2(a)的图像中可以看出，海域中白色亮点处均为舰船，一些弱小的舰船并不是清晰可见。
3.仿真效果分析：
图2(b)为本发明的仿真实验中海域极化数据的相关峭度的RGB图像,图2(b)中白色线条处表示相关峭度图像中舰船，从图2(b)中可以看出，弱小舰船与海的对比亮度存在明显的增强，海与舰船的对比度明显提高，图像的可视化程度提高。
图2(c)为本发明的仿真实验中舰船检测的结果图像，图2(c)中的白色线条表示舰船与海的边界线，从图2(c)中可以看出，相关峭度的RGB图像经过Canny边缘检测后舰船定位清晰并且边缘平滑，弱小舰船的灰度增加，舰船检测效果良好。

Claims (1)

1.一种基于极化合成孔径雷达数据的舰船检测方法，其特征在于，包括如下步骤：
(1)获取极化合成孔径雷达数据：
(1a)计算机读取由极化合成孔径雷达获取的海域极化数据；
(1b)海域极化数据以Y(m×n×d×d)形式存储于计算机内存中，其中，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度；
(2)计算海域极化数据的形状参数：
(2a)采用非高斯K-Wishart分布模型拟合海域极化数据Y(m×n×d×d)的分布；
所述的非高斯K-Wishart分布模型的公式如下：
Y＝Z·C
其中，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示，d表示每个海域极化数据矩阵的维度，Z表示海域极化数据的非高斯分布系数，Z服从伽马Gamma分布，Z～Γ(α)，Γ(·)表示Gamma分布函数，α表示Gamma分布函数的形状参数，C表示服从标准高斯分布的海域极化数据，C～N(0,1)；
(2b)按照下式，计算海域极化数据中所有L×L邻域内的形状参数：
<mrow> <mi>&amp;alpha;</mi> <mo>=</mo> <mfrac> <mrow> <mi>d</mi> <mo>&amp;times;</mo> <mrow> <mo>(</mo> <mi>d</mi> <mo>&amp;times;</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>L</mi> <mo>&amp;times;</mo> <mi>var</mi> <mrow> <mo>(</mo> <msup> <mo>&amp;Sigma;</mo> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>&amp;times;</mo> <mi>Y</mi> <mo>)</mo> </mrow> <mo>-</mo> <mi>d</mi> </mrow> </mfrac> </mrow>
其中，α表示海域极化数据中所有L×L邻域内的形状参数，L表示海域极化数据的多视数，d表示每个海域极化数据矩阵的维度，×表示相乘操作，var(·)表示方差操作，∑表示海域极化数据的均值，∑＝E(Y)，E(·)表示均值操作，(·)-1表示逆操作，Y表示海域极化数据，Y＝Y(m×n×d×d)，m和n分别表示海域极化数据的总行数和总列数，每个海域极化数据由d×d维的矩阵表示；
(3)获取海域极化数据的相关峭度：
将海域极化数据中所有L×L邻域内的形状参数α带入下式，获取海域极化数据的相关峭度：
<mrow> <mi>R</mi> <mi>K</mi> <mo>=</mo> <mn>1</mn> <mo>+</mo> <mfrac> <mrow> <mi>d</mi> <mo>&amp;times;</mo> <mi>L</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mi>d</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> <mo>&amp;times;</mo> <mi>&amp;alpha;</mi> </mrow> </mfrac> </mrow>
其中，RK表示海域极化数据的相关峭度，d表示每个海域极化数据矩阵的维度，×表示相乘操作，L表示海域极化数据的多视数，α表示海域极化数据Y的L×L邻域内的形状参数；
(4)获取海域极化数据的相关峭度图像：
将获得的海域极化数据的相关峭度转化为相关峭度的RGB图像，并存储在计算机内存中；
(5)Canny边缘检测：
对相关峭度的RGB图像作Canny边缘检测，得到舰船检测的结果；
(6)计算机输出舰船检测的结果图像。
CN201610369295.9A 2016-05-30 2016-05-30 基于极化合成孔径雷达数据的舰船检测方法 Active CN105866778B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610369295.9A CN105866778B (zh) 2016-05-30 2016-05-30 基于极化合成孔径雷达数据的舰船检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610369295.9A CN105866778B (zh) 2016-05-30 2016-05-30 基于极化合成孔径雷达数据的舰船检测方法

Publications (2)

Publication Number Publication Date
CN105866778A CN105866778A (zh) 2016-08-17
CN105866778B true CN105866778B (zh) 2018-04-17

Family

ID=56642805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610369295.9A Active CN105866778B (zh) 2016-05-30 2016-05-30 基于极化合成孔径雷达数据的舰船检测方法

Country Status (1)

Country Link
CN (1) CN105866778B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109946698B (zh) * 2019-04-15 2021-04-16 北京市遥感信息研究所 一种极化合成孔径雷达典型目标特征库构建方法及装置
CN112862748B (zh) * 2020-12-25 2023-05-30 重庆大学 一种多维域特征联合sar船舰智能检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001004398A (ja) * 1999-06-25 2001-01-12 Mitsubishi Space Software Kk 衛星ｓａｒ画像に基づく移動体の移動情報検出方法
CN102999761A (zh) * 2012-10-25 2013-03-27 西安电子科技大学 基于Cloude分解和K-wishart分布的极化SAR图像分类方法
CN104091335A (zh) * 2014-07-04 2014-10-08 西安电子科技大学 极化sar图像舰船目标检测方法
CN104318572A (zh) * 2014-10-31 2015-01-28 中南大学 基于极化方向角补偿的polsar图像海上目标检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001004398A (ja) * 1999-06-25 2001-01-12 Mitsubishi Space Software Kk 衛星ｓａｒ画像に基づく移動体の移動情報検出方法
CN102999761A (zh) * 2012-10-25 2013-03-27 西安电子科技大学 基于Cloude分解和K-wishart分布的极化SAR图像分类方法
CN104091335A (zh) * 2014-07-04 2014-10-08 西安电子科技大学 极化sar图像舰船目标检测方法
CN104318572A (zh) * 2014-10-31 2015-01-28 中南大学 基于极化方向角补偿的polsar图像海上目标检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Classification of Segments in PolSAR Imagery by Minimum Stochastic Distances Between Wishart Distributions;Wagner B. Silva et al.;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20130630;第6卷(第3期);第1263-1271页 *
基于极化合成孔径雷达的舰船检测方法;张瓅鑫 杨 健;《***工程与电子技术》;20101031;第32卷(第10期);第2081-2085页 *

Also Published As

Publication number Publication date
CN105866778A (zh) 2016-08-17

Similar Documents

Publication Publication Date Title
CN102819740B (zh) 一种单帧红外图像弱小目标检测和定位方法
CN103063202B (zh) 基于遥感影像的蓝藻生物量时空变化监测与可视化方法
CN104361590B (zh) 一种控制点自适应分布的高分辨率遥感影像配准方法
CN104376330A (zh) 基于超像素散射机制的极化sar图像舰船目标检测方法
CN104698462B (zh) 基于变分的合成孔径雷达海面风场融合方法
CN111476159A (zh) 一种基于双角回归的检测模型训练、检测方法及装置
Chen et al. Geospatial transformer is what you need for aircraft detection in SAR Imagery
CN108171193A (zh) 基于超像素局部信息度量的极化sar舰船目标检测方法
CN110398738A (zh) 一种利用遥感图像反演海面风速的方法
CN103954934A (zh) 基于低秩字典学习及稀疏表示的极化sar舰船检测方法
CN102866260A (zh) 非接触式河流表面流场成像量测方法
CN103871039A (zh) 一种sar图像变化检测差异图生成方法
Yeh et al. Applying adaptive LS-PIV with dynamically adjusting detection region approach on the surface velocity measurement of river flow
CN105866778B (zh) 基于极化合成孔径雷达数据的舰船检测方法
Yin et al. Estimating rainfall intensity using an image-based deep learning model
Guo et al. Fusion of ship perceptual information for electronic navigational chart and radar images based on deep learning
CN105241428A (zh) 一种利用高光谱进行水深反演的方法
US8437509B1 (en) System and method for inferring vessel speed from overhead images
CN106291550A (zh) 基于局部散射机制差异回归核的极化sar舰船检测方法
CN117671504A (zh) 一种基于yolo算法的海上风电识别方法及***
CN107464255A (zh) 一种基于信息量与多尺度异常检测的船舶目标检测方法
Yu et al. Automatic extraction of green tide using dual polarization Chinese GF-3 SAR images
CN109886941A (zh) 基于fpga的sar洪水影像变化检测方法
Cochin et al. MOCEM V4-radar simulation of ship at sea for SAR and ISAR applications
Wang et al. A submesoscale eddy identification dataset derived from GOCI I chlorophyll–a data based on deep learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230410

Address after: 710065 5th Floor, Block B, Productivity Building, No. 3, Dianzi West Street, Electronic Industrial Park, Hi-tech Zone, Xi'an City, Shaanxi Province

Patentee after: Xi'an Shengxin Technology Co.,Ltd.

Address before: 710071 No. 2 Taibai South Road, Shaanxi, Xi'an

Patentee before: XIDIAN University

TR01 Transfer of patent right
CP02 Change in the address of a patent holder

Address after: Room 810, Building C, 8th Floor, Chuangye Building, No. 16 Gaoxin 1st Road, Xi'an City, Shaanxi Province, 710065

Patentee after: Xi'an Shengxin Technology Co.,Ltd.

Address before: 710065 5th Floor, Block B, Productivity Building, No. 3, Dianzi West Street, Electronic Industrial Park, Hi-tech Zone, Xi'an City, Shaanxi Province

Patentee before: Xi'an Shengxin Technology Co.,Ltd.

CP02 Change in the address of a patent holder