[发明专利]基于特征融合稀疏表示模型的SAR图像车辆检测方法有效
| 申请号： | 201810325118.X | 申请日： | 2018-04-12 |
| 公开（公告）号： | CN108550131B | 公开（公告）日： | 2020-10-20 |
| 发明（设计）人： | 吕文涛;郭理鹏;戴开燕;任佳伟;徐伟强 | 申请（专利权）人： | 浙江理工大学 |
| 主分类号： | G06T5/10 | 分类号： | G06T5/10;G06T7/11;G06T7/136;G06K9/46 |
| 代理公司： | 浙江千克知识产权代理有限公司 33246 | 代理人： | 周希良;李欣玮 |
| 地址： | 310018 浙江省*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于特征融合稀疏表示模型的合成孔径雷达(Synthetic Aperture Radar,SAR)图像车辆检测方法，目的是针对现有的SAR图像车辆检测方法在复杂场景中的不足之处，以提高SAR图像车辆检测的准确性。该方法首先基于训练目标数据的相关字典集，对每个测试目标所提取的一系列特征进行稀疏重构，生成一系列残差。然后将残差归一化并组成单个残差序列。基于所收集的所有特征的残差序列集合，依据线性融合策略来确定目标类别的最佳估计，依此获取测试目标的检测结果。本发明充分利用了基于特征融合稀疏表示模型的良好分辨能力，且考虑了图像中场景复杂度的变化，有效地提高了SAR图像车辆的检测率，准确度更高。 | ||
| 搜索关键词： | 基于 特征 融合 稀疏 表示 模型 sar 图像 车辆 检测 方法 | ||
【主权项】：
1.基于特征融合稀疏表示模型的SAR图像车辆检测方法，其特征在于，包括如下步骤：步骤1，对SAR图像进行预处理；步骤2，对预处理后的图像进行灰度增强和均衡化处理；步骤3，对步骤2中得到的SAR图像进行区域合并处理；步骤4，对目标进行特征提取；步骤5，基于多特征融合进行目标确认，获取特征类型相应的残差；步骤6，对所有的残差阵列进行归一化处理，把残差阵列组成一个单一的残差序列；步骤7，基于所有的残差序列对目标的类别进行标记，获取最终的SAR图像车辆检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江理工大学，未经浙江理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810325118.X/，转载请声明来源钻瓜专利网。
