期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向GEO SAR图像的海上区域运动目标检测方法
1
作者
吴一凡
黄丽佳
+1 位作者
严朝保
张冰尘
《电子与信息学报》
北大核心
2025年第6期1723-1733,共11页
地球同步轨道合成孔径雷达(GEO SAR)具有宽覆盖、高重访、近凝视等成像优势,具备对广域海场景运动目标的长时间监测能力。然而,运动目标在图像中严重偏移且剧烈散焦,对GEO SAR海上区域运动目标检测造成困难,主要包括2个关键问题:(1)超...
地球同步轨道合成孔径雷达(GEO SAR)具有宽覆盖、高重访、近凝视等成像优势,具备对广域海场景运动目标的长时间监测能力。然而,运动目标在图像中严重偏移且剧烈散焦,对GEO SAR海上区域运动目标检测造成困难,主要包括2个关键问题:(1)超长的合成孔径时间、超慢的星地相对速度会导致运动目标严重散焦;(2)超大幅宽图像、陆海目标混淆增加了运动目标检测难度。为了解决这些问题,该文分析了GEO SAR动目标的位置偏移以及相位误差等影响,根据影响特点提出一种面向GEO SAR图像的海面运动目标检测方法。该检测方法通过图像预处理步骤对整幅图像进行分块处理和降采样滤波,以提高计算效率、增强信杂比,使运动目标的特征更加突出、在复杂背景中更加显著。该检测方法通过条件扩散检测网络,将预处理后的GEO SAR图像作为条件编码输入,约束检测结果的生成,得到运动目标分割掩码;通过设计密集交互模块,实现分割图与原始数据在潜在空间中的多尺度特征耦合。实验结果表明,所提出的预处理能够有效减少数据处理的计算复杂度,同时提高图像的信杂比。基于仿真数据,在广域海场景中,所提的动目标检测方法能够准确检测出GEO SAR图像中海面区域的动目标。
展开更多
关键词
地球同步轨道合成孔径雷达
运动目标检测
深度学习
扩散模型
在线阅读
下载PDF
职称材料
Cloud Sphere:一种基于渐进式变形自编码的三维模型表征方法
2
作者
王宗继
刘云飞
陆峰
《图学学报》
CSCD
北大核心
2024年第6期1375-1388,共14页
针对大数据时代三维模型形状多样性激增的挑战,致力于从形状形成过程中发现独特信息,提出了一种基于球表面逐步变形对三维模型的形状进行统一表征的方法。输入任意三维模型,通过逐步变形自编码网络将一个模板球面点云逐步变形拟合该输...
针对大数据时代三维模型形状多样性激增的挑战,致力于从形状形成过程中发现独特信息,提出了一种基于球表面逐步变形对三维模型的形状进行统一表征的方法。输入任意三维模型,通过逐步变形自编码网络将一个模板球面点云逐步变形拟合该输入形状。通过深度神经网络建模三维模型变形过程,从多阶段变形中挖掘独特的形状特征,避免了任务驱动学习方法对人工标注的依赖。通过显式编码形状生成过程中的变形残差,不仅捕捉了最终形状,还记录了形状的渐进变化过程。在深度神经网络的训练方面,采用了多阶段信息监督的方式,提高了变形重建的精度。与当前技术水平代表方法的对比实验表明,多阶段监督训练方式能够增强变形重建结果的细节精度。丰富的消融实验验证了多阶段监督方式的有效性。变形表征方法适用于模型分类、形状迁移、共编辑等计算机图形学应用,具有泛用性,可为三维模型几何属性自动解析与高效编辑提供底层的数据表征方法支持。
展开更多
关键词
三维表征
三维模型变形
球面点云模板
自编码器
深度学习
在线阅读
下载PDF
职称材料
题名
面向GEO SAR图像的海上区域运动目标检测方法
1
作者
吴一凡
黄丽佳
严朝保
张冰尘
机构
中国科学院空天信息创新研究院
中国科学院空间信息处理
与应用
系统
技术
重点
实验室
中国科学院大学电子电气与通信工程学院
目标认知与应用技术重点实验室
出处
《电子与信息学报》
北大核心
2025年第6期1723-1733,共11页
基金
中国科学院青年创新促进会(Y2023036)。
文摘
地球同步轨道合成孔径雷达(GEO SAR)具有宽覆盖、高重访、近凝视等成像优势,具备对广域海场景运动目标的长时间监测能力。然而,运动目标在图像中严重偏移且剧烈散焦,对GEO SAR海上区域运动目标检测造成困难,主要包括2个关键问题:(1)超长的合成孔径时间、超慢的星地相对速度会导致运动目标严重散焦;(2)超大幅宽图像、陆海目标混淆增加了运动目标检测难度。为了解决这些问题,该文分析了GEO SAR动目标的位置偏移以及相位误差等影响,根据影响特点提出一种面向GEO SAR图像的海面运动目标检测方法。该检测方法通过图像预处理步骤对整幅图像进行分块处理和降采样滤波,以提高计算效率、增强信杂比,使运动目标的特征更加突出、在复杂背景中更加显著。该检测方法通过条件扩散检测网络,将预处理后的GEO SAR图像作为条件编码输入,约束检测结果的生成,得到运动目标分割掩码;通过设计密集交互模块,实现分割图与原始数据在潜在空间中的多尺度特征耦合。实验结果表明,所提出的预处理能够有效减少数据处理的计算复杂度,同时提高图像的信杂比。基于仿真数据,在广域海场景中,所提的动目标检测方法能够准确检测出GEO SAR图像中海面区域的动目标。
关键词
地球同步轨道合成孔径雷达
运动目标检测
深度学习
扩散模型
Keywords
Geosynchronous Synthetic Aperture Radar(GEO SAR)
Moving Target Detection(MTD)
Deep learning
Diffusion model
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
Cloud Sphere:一种基于渐进式变形自编码的三维模型表征方法
2
作者
王宗继
刘云飞
陆峰
机构
中国科学院空天信息创新研究院
北京航空航天大学计算机学院
出处
《图学学报》
CSCD
北大核心
2024年第6期1375-1388,共14页
基金
“十四五”共用信息系统装备预研项目(31511060301)。
文摘
针对大数据时代三维模型形状多样性激增的挑战,致力于从形状形成过程中发现独特信息,提出了一种基于球表面逐步变形对三维模型的形状进行统一表征的方法。输入任意三维模型,通过逐步变形自编码网络将一个模板球面点云逐步变形拟合该输入形状。通过深度神经网络建模三维模型变形过程,从多阶段变形中挖掘独特的形状特征,避免了任务驱动学习方法对人工标注的依赖。通过显式编码形状生成过程中的变形残差,不仅捕捉了最终形状,还记录了形状的渐进变化过程。在深度神经网络的训练方面,采用了多阶段信息监督的方式,提高了变形重建的精度。与当前技术水平代表方法的对比实验表明,多阶段监督训练方式能够增强变形重建结果的细节精度。丰富的消融实验验证了多阶段监督方式的有效性。变形表征方法适用于模型分类、形状迁移、共编辑等计算机图形学应用,具有泛用性,可为三维模型几何属性自动解析与高效编辑提供底层的数据表征方法支持。
关键词
三维表征
三维模型变形
球面点云模板
自编码器
深度学习
Keywords
3D representation
3D deformation
spherical point clouds template
auto-encoder
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向GEO SAR图像的海上区域运动目标检测方法
吴一凡
黄丽佳
严朝保
张冰尘
《电子与信息学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
Cloud Sphere:一种基于渐进式变形自编码的三维模型表征方法
王宗继
刘云飞
陆峰
《图学学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
