内容提供者
一种基于深度学习的合成雷达图像去噪方法.pdf
2023-05-05
10金币
739KB
12页
努力****骞北
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共12页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于深度学习的合成雷达图像去噪方法.pdf
本发明公开了一种基于深度学习的合成雷达图像去噪方法,包括步骤如下:S1,对初始噪声图像进行预处理;S2,将预处理后的图像输入到构建的MALNet模型中,对图像特征进行处理;S3,将处理后的图像特征通过Sigmod激活函数,转化为0?1的浮点数信息后,与初始噪声图像相减,完成图像重建;S4,将重建的图像与初始未加噪的图像对比,通过Loss函数进行计算损失值,并通过反向传播,来对MALNet模型的权重参数进行Adam优化,最后保存训练好的MALNet模型参数。本发明具有很好鲁棒性,使网络结构在控制降噪与细节权
2023-05-05
10
739KB
一种基于深度学习的合成孔径雷达图像的识别方法.pdf
本申请公开了一种基于深度学习的合成孔径雷达图像的识别方法，该方法包括：获取合成孔径雷达图像，将预处理后的图像按比例分为训练集和测试集；构建骨干网络模型，将带有真实值标签的训练集数据输入骨干网络模型中，获得骨干网络模型中输出的特征图并计算第一损失函数；构建可分性测度网络模型，计算骨干网络模型中输出的特征图的可分性测度值，根据可分性测度值计算第二损失函数；计算得到综合损失函数，基于该函数对骨干网络模型进行迭代训练，得到训练好的骨干网络模型；将测试集输入到训练好的骨干网络模型中，得到合成孔径雷达图像的类型识别结
2023-06-01
10
1.3MB
基于语音雷达和深度学习的语音合成方法及系统.pdf
本发明公开了一种基于语音雷达和深度学习的语音合成方法及系统，方法包括：由雷达获得声带振动回波信号；将雷达回波信号经过模式分解获取基波，然后对基波进行中心削波作为语音激励源；由发音者发音时嘴唇区域视频通过深度学习方法训练共振峰估计模型；将测试者发音的视频作为输入，获得共振峰参数；最后基于雷达回波激励源模型和共振峰参数进行语音合成。本发明方法可以获得保留基频连续变化特性的语音激励源和更加准确的共振峰参数估计，通过语音合成器，可以获得自然度更高的合成语音。
2023-11-06
10
638KB
一种基于深度学习的自适应图像去噪方法.pdf
本发明涉及一种基于深度学习的自适应图像去噪方法，包括如下步骤：步骤1）建立图像集；步骤2)构建自适应深度卷积神经网络；步骤3)训练自适应深度卷积神经网络：设置深度卷积神经网络网络的学习率和动量参数，通过深度学习框架训练所述自适应深度卷积神经网络直至训练达到迭代最大次数，生成训练后的自适应深度卷积神经网络模型；步骤4)图像去噪：将待去噪的图像输入至训练好的自适应深度卷积神经网络模型，得到对应的残差图像，再将待去噪的图像减去残差图像得到去噪后的图像。有益效果：该方法进一步提高和稳定卷积神经网络的训练性能，并且
2023-06-27
10
499KB
一种基于深度学习的雷达虚警剔除方法.pdf
本发明公开了一种基于深度学习的雷达虚警剔除方法，包括如下步骤：a、将疑似目标区域周围领域划分为若干个小格；b、对每个邻域小格，分别提取其灰度类特征及纹理类特征，组成其邻域描述特征；c、从而计算出当前目标疑似区域的邻域相似性；d、对目标疑似区域进行判断，判为疑似目标的ROI保留，判断为虚警的ROI进入步骤e再次判断；e、对步骤d中判断为虚警的ROI进行点迹级虚警概率计算和航迹级虚警概率计算，能够形成航迹的即为疑似目标的ROI，不能形成航迹的即为最终虚警的ROI；g、将步骤d和步骤e中的疑似目标的ROI，用基
2023-11-15
10
610KB