郭炜炜
- 作品数：10 被引量：49H指数：5
- 供职机构：上海交通大学更多>>
- 发文基金：国家自然科学基金中国博士后科学基金国家重点实验室开放基金更多>>
- 相关领域：电子电信自动化与计算机技术天文地球更多>>
- SAR图像目标分割与特征提取
- SAR图像目标分割、目标特征提取与分析是SAR图像自动目标识别的关键技术。由于SAR成像对目标方位的敏感性,目标方位角参数对特征分析、目标识别有着重要影响。本文以SAR图像自动目标识别为背景,针对SAR图像目标分割、目标...
- 郭炜炜
- 关键词：自动目标识别MRF模型方位角估计特征提取MSTAR
- 基于稀疏先验的SAR图像目标方位角稳健估计方法被引量：8
- 2008年
- 稳健的高精度目标方位角估计能有效提高SAR ATR的计算效率和识别性能。SAR图像中目标的近雷达主导边界包含较为精确的目标方位角信息,可用于目标方位角估计。由于目标电磁散射特性以及SAR图像斑点噪声的影响,提取的目标近雷达主导边界很不规则,存在"野值"点。本文根据"野值"点稀疏分布的特性,利用最大后验原理提出了一种稳健的方位角估计方法。该方法能够有效检测和剔除主导边界中的"野值",从而提高目标方位角估计的精度和稳健性。针对仅利用距离主导边界估计带来的目标垂直与水平方位的模糊性,基于分割图像中目标区域长宽比特征提出了一种解模糊的新方法。MSTAR实测数据的实验结果表明提出的算法具有较高的精度与稳健性。
- 郭炜炜杜小勇胡卫东郁文贤
- 关键词：SARATR方位角估计长宽比
- 基于模型的单幅高分辨SAR图像建筑物高度反演方法被引量：6
- 2012年
- 高分辨合成孔径雷达(SAR)图像的丰富使得建筑物三维信息获取成为城区遥感的一项重要研究课题.针对单幅SAR图像建筑物的高度估计问题,提出了一种基于模型的高度反演方法.该方法遵循假设检验的思路,通过正交投影模型实现模型假设的快速生成,并设计了基于分割的似然函数,利用模拟退火算法在高维模型假设空间中搜索最优解.基于模拟和实测机载SAR图像的实验验证了算法的有效性.
- 蒋李兵王壮雷琳郭炜炜郁文贤
- 关键词：似然函数
- 基于张量表示的多维信息处理方法研究
- 随着传感器和计算机技术的飞速发展，科学及社会领域的许多数据均展示出多维的结构张量是对这类数据自然而本质的表达方式。张量分解是分析和处理这类多维数据的有力工具，可获得高维数据的低维表示并挖掘出其中的有用信息。近年来，张量的...
- 郭炜炜
- 关键词：人工智能张量分解
- Sentinel-1双极化数据舰船目标几何特性提取
- 舰船目标几何特性提取是合成孔径雷达(SAR)图像海上目标检测识别的重要基础.在具有几何真值样本的基础上,通过参数寻优和拟合回归,能够提高几何特性提取的精度,这在TerraSAR-X数据上已有研究.本文考虑Sentinel...
- 李博颖柳彬郭炜炜张增辉郁文贤
- 关键词：合成孔径雷达舰船目标
- 面向SAR解译的OpenSAR数据开放共享平台被引量：3
- 2016年
- 大量带有真值标注的数据集是SAR图像解译研究的重要基础和支撑。在推动SAR图像解译研究发展面临的诸多困难之中,缺少一个开放共享的数据集用于解译算法的研究和公平测试比较,是其中一个非常重要的因素。文中主要介绍构建的国内第一个面向SAR图像解译的数据开放共享在线平台:OpenSAR。详细介绍了OpenSAR平台的设计思想、功能组成、关键技术和已有数据集。通过该平台的构建,对于SAR解译研究能够取得良好的促进作用。
- 项鹏郭炜炜张增辉郁文贤
- 关键词：SAR开放共享数据集解译
- 利用超像素级上下文特征进行靠岸集装箱船检测被引量：2
- 2019年
- 高分辨率光学遥感影像中靠岸集装箱船受到岸边建筑、阴影和背景环境的干扰严重,且其船身模式与相邻陆地上集装箱非常相似,较难实现自动化检测。针对这一难题,提出了一种利用超像素级上下文特征进行靠岸集装箱船检测的方法。首先,对图像进行过分割生成超像素,在超像素区域提取颜色、纹理特征并级联邻域超像素特征形成超像素级上下文特征;然后,将目标超像素作为正样本,并自适应地选择较难区分的背景超像素作为负样本来训练分类器,实现对目标、背景超像素的分类;最后,利用全连接条件随机场对分类结果优化,实现对靠岸集装箱船的检测。实验结果表明,该方法能够较为可靠地检测靠岸集装箱船,具有一定的应用前景。
- 祝胜男郭炜炜柳彬张增辉郁文贤
- 关键词：光学遥感图像集装箱船支持向量机
- Sentinel-1双极化数据舰船目标几何特性提取被引量：1
- 2017年
- 舰船目标几何特性提取是合成孔径雷达(SAR)图像海上目标检测识别的重要基础。在具有几何真值样本的基础上,通过参数寻优和拟合回归,能够提高几何特性提取的精度,这在Terra SAR-X数据上已有研究。本文考虑Sentinel-1大部分情况下均能提供双极化数据这一特点,探索双极化信息能否进一步提升几何特性提取的精度。基于Open SARShip测试库,首先使用二维度滤波进行图像处理,该图像处理过程中的关键参数使用交叉熵方法进行寻优,在大样本基础上,得到最优参数;之后,在目标几何特性的图像处理提取结果上,综合传感器、环境、目标3方面信息,特别是融合双极化信息,使用多元线性回归模型进行拟合,得到比仅用单极化信息更高的几何特性提取精度,证实了双极化信息的可用性。
- 李博颖柳彬郭炜炜张增辉郁文贤
- 关键词：舰船目标双极化
- 高分三号NSC模式SAR图像舰船目标检测初探被引量：14
- 2017年
- 高分三号卫星是我国首颗分辨率达到1m的C波段多极化合成孔径雷达(Synthetic Aperture Radar,SAR)卫星,拥有多种成像模式。该文针对高分三号NSC模式SAR图像提出一种海上舰船目标检测方法,其核心为基于贝叶斯框架的像素分类以实现目标筛选,并根据数据特点设计有效的图像降质条件下的性能提升方法。该文提出的检测算法与多种恒虚警率(Constant False Alarm Rate,CFAR)检测算法进行对比实验分析,实验结果证明了该文所提方法的有效性与性能优势。
- 刘泽宇柳彬郭炜炜张增辉张波周月恒马高郁文贤
- 关键词：合成孔径雷达像素分类
- 基于概率转移卷积神经网络的含噪标记SAR图像分类被引量：10
- 2017年
- 合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机理,图像受相干斑噪声、几何畸变和结构缺失等因素影响较为严重,非直观性较强,使得SAR图像人工标注非常困难,极易出错,从而导致CNN等模型学习和泛化性能急剧降低。针对这种含噪标记条件下的SAR图像分类问题,该文提出了一种基于概率转移模型的卷积神经网络(Probability Transition CNN,PTCNN)方法,该方法在传统CNN模型基础上,基于含噪标记与正确标记之间的概率转移模型,建立噪声标记转移层,这种新的卷积网络模型可潜在地校正错误标记,增强了含噪标记下分类模型的鲁棒性。与经典CNN等模型相比,在构建的16类SAR图像地物数据集和MSTAR数据集上的实验结果表明该文方法相比于经典CNN等模型,在保持SAR图像分类性能的同时具有较好的抗噪性,能够有效校正训练样本中的标注错误,从而降低了SAR图像有监督分类任务对样本标注质量的要求,具有一定的研究价值与应用前景。
- 赵娟萍郭炜炜柳彬崔世勇张增辉郁文贤
