CN113850725B 一种滤波增强深度学习的被动式太赫兹图像目标检测方法 （南京航空航天大学）_第1页
CN113850725B 一种滤波增强深度学习的被动式太赫兹图像目标检测方法 （南京航空航天大学）_第2页
CN113850725B 一种滤波增强深度学习的被动式太赫兹图像目标检测方法 （南京航空航天大学）_第3页
CN113850725B 一种滤波增强深度学习的被动式太赫兹图像目标检测方法 （南京航空航天大学）_第4页
CN113850725B 一种滤波增强深度学习的被动式太赫兹图像目标检测方法 （南京航空航天大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种滤波增强深度学习的被动式太赫兹图本发明公开了一种滤波增强深度学习的被度滤波去除样本噪声，采用多方位空间几何变2采用多尺度滤波去除样本噪声，采用多方位空间几何变换，联合生对去噪样本进行多通道特征预测，对多通道的预测结果进行融合，得rj)和(k,l)代表像素点的坐标，w(i,j,k,l)为等于空域核ws和值域核wr的乘积，其中-:",w-:",σs和σr分别为空域和值域的滤波平滑参数，不同去r采用多方位空间几何变换，联合生成多尺度滤波增强样本，包括对样本2.根据权利要求1所述的一种滤波增强深度学习的被动式太赫兹图像目标检测方法，3.根据权利要求1所述的一种滤波增强深度学习的被动式太赫兹图像目标检测方法，3xyw其中，第i个网格第j个预测框的置信度c?=pr(objecr)/ou⃞,Pr(object)表示当前4.根据权利要求2所述的一种滤波增强深度学习的被动式太赫兹图像目标检测方法，4经能在光学图像上进行有效的目标检测，但是在太赫兹图像尤其是被动式太赫兹图像中，影响对图像内容的有效识别；5域核ws和值域核wr的乘积，其中σs和σr分别为空域和值域的滤波平滑参数，不同去噪阈值样本lx与空间空域和值域的滤波平滑参数σs与σr的关系是lx＝l06xywh分别表示当前网格左上角到图像左上角的距离和锚点框的长宽，h为需要学习的参数；ij＝1；[0021]其中，第i个网格第j个预测框的置信度Pr(object)表示[0028]图2包括场景1和场景2的原始被动式太赫兹图(a1)和(a2)，场景1和场景2的多尺[0029]图3包括滤波增强后的被动式太赫兹图(a1)，空间几何变换增强后的图(a2)和7[0033]图7包括多尺度滤波增强前的识别效果图(a1)和多尺度滤波增强后的识别效果图[0034]图8包括空间几何变换增强前的识别效果图(a1)和空间几何变换增强后的识别效[0041](1-1)对带有标签的被动式太赫兹图像样本进行双边滤波。输出图像的像素值gw:"的.w:".其旋转和翻转效果如图3中的(a2)和(a3)所示。8[0045](2-2)由损失函数对参数模型进行训练优化，训练前先将图片分解成为S*S个网xywh分别表示当前网格左上角到图像左上角的距离和锚点框的长宽，tx,ty,tw,th为需要学习的参数。当网格内的预测框负责预测真实框时，否则[0050]最终的识别效果如图7所示，图7(a1)和图7(a2)分别为数据滤波增强前的识别效9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论