李健伟
- 作品数：5 被引量：26H指数：3
- 供职机构：中国人民解放军海军航空工程学院电子信息工程系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学更多>>
- 基于局部脊波变换的SAR图像舰船尾迹检测方法被引量：3
- 2015年
- 分析舰船尾迹的分类及SAR图像特征,提出一种结合局部Radon变换与脊波变换的检测尾迹的方法,即将图像分成若干个小窗口,在小窗口内进行局部的脊波变换。该方法克服了全局脊波变换的局限,使尾迹能够在较复杂的海况检测出由断续线段组成的尾迹。
- 江源李健伟
- 关键词：SAR脊波变换
- 信号检测与估计教材编写的体会与思考被引量：4
- 2017年
- 教材作为教学内容和教学方法的知识载体,在教学中起着非常重要的作用,教材的不断完善和发展可以促进教学质量的不断提高。本文结合信号检测与估计教材的编写工作,从能力培养、结构体系、实验教学、教材语言及教材配套资源等几个方面阐述教材编写的心得和体会,以期为教材建设、教学改革和教学质量的提高提供参考。
- 曲长文周强苏峰李健伟
- 关键词：信号检测与估计教材编写教学质量
- 大场景SAR图像中提取小型港口区域技术研究被引量：1
- 2017年
- 目的漫长的海岸线上有很多由简单码头和突堤组成的小型港口,它们不像大型港口那样时刻被监视着,但其作为舰船的临时停靠场所,也是需要重点关注的区域,有必要对其区域进行自动检测。方法本文在充分分析小型港口特征的基础之上,根据其海岸线轮廓在不同尺度下均能表现出丰富角点的特点,构造了提取小型港口区域的完整流程,包括采用多尺度角点检测提取港口潜在区域、采用新型突堤检测方法精提取港口区域、采用改进的岸线封闭性测度法鉴别去除虚假港口3个环节,通过实际SAR图像仿真验证了方法的优越性。结果利用本文所提出的方法,处理两幅典型的港口区域SAR图像:Radarsat-2烟台港1 m分辨率的SAR图像和Terra SAR-X印度维沙卡帕特南港1 m分辨率的SAR图像,并与文献4中所述的方法进行对比,发现经过本文方法处理之后,虚警率从10%降到了6.6%,准确率从91.9%提高到了93.3%,但是由于计算流程较复杂,导致处理时间从11.58 s增加到了13.26 s。结论本文针对小型港口的特点,提出了港口检测的完整的流程。实验结果表明,该方法的虚警率更低、准确性更高,但是存在运算速度慢的缺点,这是下一步需要优化的地方。该方法适用于大场景SAR图像中快速准确地检测出小型港口区域,可用于监视那些由简单码头和突堤组成的舰船临时停靠场所。
- 周强曲长文李健伟姚力波
- 关键词：SAR图像角点突堤
- 基于区域分割的非局部全变差SAR相干斑滤波
- 2016年
- 受成像体制影响,合成孔径雷达(Synthetic aperture radar,SAR)图像带有非高斯的乘性相干斑噪声。为有效抑制乘性相干斑噪声,提出一种融合非局部均值滤波(Non-local means filter,NLMF)与全变差(Total variation,TV)正则化的非局部均值-全变差(NLM-TV)降噪算法。首先将相干斑噪声转换为依赖于散射强度的加性噪声,将SAR图像分为边缘、强散射区、弱散射区。然后利用NLMF进行降斑,为有效的保持边缘结构,NLMF的平滑参数选取较小。在强散射区,为解决平滑参数较小所带来的降斑不充分问题,进一步使用TV正则化进行平滑处理,获得最终的降噪结果。使用RADARSAT-2,Terra SAR-X两景实测SAR图像仿真实验,结果表明:相比多种滤波算法,NLM-TV算法在弱散射区,强散射区均能显著提高等效视数,边缘保持指数能够提高10%以上。
- 范惠玲曲长文李健伟
- 关键词：SAR图像相干斑
- 基于卷积神经网络迁移学习的SAR图像目标分类被引量：18
- 2018年
- 为提高卷积神经网络（CNN）对小样本目标集的分类识别效果，提出一种基于卷积神经网络迁移学习的目标分类方法。该方法首先通过大样本数据集对卷积神经网络的结构参数进行预训练；其次，用超限学习机（ELM）代替卷积神经网络中的全连接层，实现卷积神经网络的迁移学习；最后，通过小样本数据集对超限学习机网络结构参数进行训练，得到新的分类识别模型。在MSTAR和SAR舰船目标数据集上的实验结果表明，该算法提高了目标分类识别准确率和降低了训练时间。
- 刘晨曲长文周强李智李健伟
- 关键词：卷积神经网络合成孔径雷达图像
