检测到目标服务器启用了trace方法_学术报告|复杂场景SAR目标检测与识别方法研究...

本文介绍了西安电子科技大学教授杜兰在雷达目标识别与统计机器学习领域的研究成果。她提出的新理论方法,如雷达多维综合特征提取和小样本多任务学习,已经在实际雷达系统中应用并取得显著成效。此外,她的工作获得了多项国家级和行业奖项,包括国家技术发明二等奖和GF技术发明一等奖等。
摘要由CSDN通过智能技术生成
a7367449591df83e27a64efb6705db2d.png 点击蓝色 “雷达学报” 关注

52b3c5c41967d07bde986b22b41ecbdc.png

合成孔径雷达(SAR)是一种主动微波遥感器,它通过发射电磁波,并接收与场景发生了相互作用的反射电磁波,来获取对于场景的描述,也就是相应的SAR图像。由于全天时全天侯等优势,SAR系统成为了解战场战术态势最有效的手段之一。对于静止的坦克、装甲车、自行火炮、水面舰艇等目标,既无法基于惯性导航系统利用景象匹配技术实现检测和定位,也无法采用多通道运动目标显示或空时二维自适应处理等技术。目前,从大幅复杂SAR场景中抑制非均匀地形/海情杂波、自然杂波、民用目标的虚警干扰,实时、准确捕获静止战术目标的检测、识别手段依然缺失。西电杜兰教授在“雷达学报第四届青年科学家论坛”上做了题为《复杂场景SAR目标检测与识别方法研究》的报告,介绍项目组在复杂场景SAR目标检测与识别方面的最新研究成果。报告PPT内容如下。

082a2bfc3c8eb697c60221830327ad02.png

73490cfe619a4912f0818666878973e1.png1d607c83d0c2cf41db718863ebe09382.png

2bc82e97c2e08de50ade80d7b66dda96.png

28e0b0543cd1a663e40a9c7a8e844637.png

2e241b7104052aa08850cc6731f63be2.png

4117742fed795ab001fa2509ad988654.png

d891bcb4ea7ad33592f6c9e695e16e1f.png

22daeb39f81e1f40c34945d7c5a9a504.png

8f7b9a863b5bc6fca96db2731d2c1eb5.png

c480fb56cacfb2660f912c2708d1f0e6.png

12a249dbd10e27d48501edba5053c160.png

e8671da2d107fb93258d76f092fcb4a6.png

1ae4a581c60481ab16aa1f03ce9d6975.png

971e8ab4c961c9839dd8dc4c024fa5e6.png

ba9ab6a08599b58c3eca441e030ee660.png

0a63d0d31da221f7b7ed660e8cd300ac.png

5588766c1ba6d38cf73f88613d8c4e9e.png

465e8f5ebfca11ba1e07e3d950a6d490.png

19bdbaac1c30fbacc2b9302ca130f53a.png

952ba3251d506bc2d8700a34e7f732e5.png

b952aa56488f5af64a1e8d9ce24ecacb.png

3f4fdb54a7726a433b054be60587faa7.png

b353d194265b2fe8f54bf864b4f6ccb9.png

ea1421ff46d7abf82da2bc21e481bec9.png

c0d0c90f1f054e82d237e70c7ad62542.png

7c23018146fd3f6f7c387c002932f50a.png

7de1a468b42ce302c1758910636132c6.png

78a27d164830e8064e70328c01008ad6.png

9a5279e064a98bfda234218e8489b876.png

e7e9eb394935c0fd4891832b0f4a0564.png

c2eb28321e98b806118d8cfd35345ddf.png

0ddec84f6a39b8e1d3785d412bb5fb26.png

b4a4d8b8b25494a44b3aaa824d3e559c.png

341957c8a8bf518944b920e4832c78e6.png

9ec47fb03a59923201669d5957a7953e.png

bea7d2f65abc3b2bdb2a5986d2352d72.png

8770a954c0e604d2db27ae859732a185.png

cdcd149c71cb16cd219fe252c8867670.png

50d9c10db97f47935edba4b1fa3cbd9d.png

766c0b96617d6f0f1bb562c5575b40da.png

334e01292f9e879768a0131068821e0c.png

bd479ba4824b9f21a1ec3deebcf93388.png

5e063cbbdb3676896244d96c2a1e3c5c.png

7e7d6572dca807afd325dcb8b8bb365b.png

3ebb12ec1b2182dd6a4383b62bde930e.png

b50b7701dfea60cbbe85490eda32f619.png

427e7a8ddaec6d9ef3ef824d5fe804b3.png

3b78ac3254d8edde0969a3a885740c60.png

3908c1c5aaeaae1f25c58e4ee1522902.png

4f7ff7b0b2c21913468735fa1613b5eb.png7ea0529ac43162aed830fcd3f7cb09c5.png

8d7e50aeaa4bcf2e5dea849ab5dadc6c.png

514eb1e8363c811675b09eda98ac6ec5.png

d69bd94370c718f619e707542824669f.png

931d01d6dde262feb352ad568f6efb9e.png

40594ff9cee195c88e0f8c436dae357f.png

9dd922eff7b7a02bb9dcdf3cf42f1438.png

bc26d247313500e64c6679edd1a9a4be.png

4600982b6dadad1d113e7bb63313f5e7.png

b0173576133c95ae289b8b854a590986.png

c051bedf168398c1ae040853ef9d7157.png

790a9b7cb5fad01d7df850cc574e10d9.png

74d86b546f8709aa2612dcff8053f60c.png

ed9ce2d0f07e1aa3eb1d086954e24092.png

f81c9af7fc62009f4f271474b9ebfe7e.png

fdd3c815a2b6393dc096b61a84d4f68a.png

3fdeef8a84d3c2e4ae64183ea927f7ec.png

c645e1644a91f028eebca253320b6ae6.png

专家简介

88324b41977c1cce470111d97abf8612.png

杜兰,西安电子科技大学教授,博导。分别于2001年、2004年和2007年从西安电子科技大学获得学士、硕士和博士学位,2007年8月~2009年9月在美国杜克大学做博士后访问学者。受邀担任IEEE JSTARS、《电子与信息学报》、《雷达学报》、《雷达科学与技术》等期刊编委。2001年起在雷达信号处理国家重点实验室从事科教学、科研等工作。主要研究领域为雷达目标识别与统计机器学习。将机器学习理论与雷达目标回波的物理特性相结合,提出了雷达多维综合特征提取、小样本多任务学习、雷达目标稳健识别等新的理论方法,取得的原创性成果获得国内外同行的广泛引用和高度评价。研究成果已成功应用于多型雷达系统,并成功完成某基地的重大试验任务。获国家技术发明二等奖和GF技术发明一等奖(第2发明人)、教育部高等学校科学研究优秀成果奖(2019年)、GF卓越青年基金(2019年)、“万人计划”中青年科技创新领军人才(2018年)、中国青年女科学家(2017年)、全国优秀博士学位论文奖(2009年)等奖项;指导研究生获中国电子学会优秀硕士学位论文(2019年)等奖项。

了解其他学术报告,请点击下面阅读原文至学报网站“学术报告”版块。

相关阅读

基于卷积神经网络的海上微动目标检测与分类方法 基于无训练单样本有效特征的SAR目标检测 基于深度分离卷积神经网络的高速高精度SAR舰船检测 基于多普勒谱非广延熵的海面目标检测方法 基于三维电磁散射参数化模型的SAR目标识别方法 复杂场景下单通道SAR目标检测及鉴别研究进展

206fb38f43427a37bafb11995c742ced.png

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值