-
公开(公告)号：CN106875362B
公开(公告)日：2020-04-10
申请号：CN201710089139.1
申请日：2017-02-20
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明涉及一种遥感图像的安全外包去噪方法，所述去噪方法包括以下流程：遥感图像拆分处理；遥感图像随机排列；遥感图像Johnson–Lindenstrauss转换；遥感图像Paillier加密；遥感图像非局部去噪；遥感图像Paillier解密；遥感图像恢复排列；遥感图像合并处理。其优点在于，将在本地拆分并加密后的遥感图像放在云端进行图像去噪处理；不出现信息泄漏问题；只需在本地进行解密和合并后就可以得到该遥感图像完成去噪后的图像；可以提高原图像的PSNR的值。
-
公开(公告)号：CN109741285A
公开(公告)日：2019-05-10
申请号：CN201910077260.1
申请日：2019-01-28
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明属于图像处理领域，公开了一种水下图像数据集的构建方法及系统,构建包含各种类型的水下模糊图像数据集，并基于人工标记方法建立其背景光数据集；同时，提出基于图像色彩度、对比度、梯度、锐度的四维面积评价指标对水下图像质量进行评价，从而构建水下高清图像数据集。本发明基于人类主观判别，能够保证输出水下背景光的准确性；本发明所构建的水下模糊图像数据集及其背景光数据集，可以作为水下图像复原研究中数据源和背景光估计基准；本发明的水下高清图像数据集构建方法简单、快速，所构建的水下图像数据集能够为基于深度学习的水下图像质量增强算法提供训练样本，所提出的水下图像质量评价方法可以用于水下图像质量评价。
-
公开(公告)号：CN109190491A
公开(公告)日：2019-01-11
申请号：CN201810897727.2
申请日：2018-08-08
Applicant: 上海海洋大学
Abstract: 本发明提供一种残差卷积神经网络SAR影像海冰分类方法，包括步骤：获取SAR影像数据；处理SAR影像数据获得训练数据集和测试数据集；设计残差卷积神经网络模型并利用训练数据集训练残差神经网络模型，获得基本的海冰分类模型；将训练数据集同时输入多个已训练好的海冰分类模型，利用集成学习思想组合单个模型的分类结果得到最终海冰分类的优化模型，并通过改变模型的个数，确定集成策略中最佳的模型数量；利用优化残差卷积神经网络模型对待分类SAR影像数据分类。本发明的一种残差卷积神经网络SAR影像海冰分类方法，可快速得到详细的具有海冰分布信息的海冰解译图，给海上作业人员提供参考。
-
公开(公告)号：CN112994944B
公开(公告)日：2023-07-25
申请号：CN202110233686.9
申请日：2021-03-03
Applicant: 上海海洋大学
IPC: H04L41/147 , H04L41/142
Abstract: 一种网络状态预测方法，根据已知网络状态的网络样本建立对比网络图库；基于被比网络构建出被比网络图；将所述被比网络图与所述对比网络图库中的对比网络图进行比较，根据两者的相似度找出与被比网络图相似的对比网络图，从而预测被比网络的状态。
-
公开(公告)号：CN110298280B
公开(公告)日：2023-04-07
申请号：CN201910538124.8
申请日：2019-06-20
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/44 , G06V10/764
Abstract: 本发明公开了种基于MKL多特征融合的海洋涡旋识别方法，其包括如下步骤：1)对基于合成孔径雷达影像的数据集进行数据预处理；2)批量的将预处理后的合成孔径雷达影像输入特征提取器，并提取灰度共生矩阵特征、傅里叶描述子特征和Harris特征；3)构建不同种类的核函数集，获取灰度共生矩阵特征、傅里叶描述子特征和Harris特征的训练集，对所述训练集做基于多核学习的多特征融合，获得数据集；4)构建分类器模型，其用于数据集的分类。本发明采用多种特征融合策略，将多种不同类型的特征应用于识别海洋涡旋的识别，克服了现有技术中数据处理能力的局限性和存在的传统人工目视、阈值设置方法对海洋涡旋识别的局限性。
-
Patent Agency Ranking
公开(公告)号：CN110264484B
公开(公告)日：2022-10-18
申请号：CN201910567466.2
申请日：2019-06-27
Applicant: 上海海洋大学
IPC: G06T7/12
Abstract: 本发明属于海洋遥感技术领域，公开了一种面向遥感数据的改进海岛岸线分割系统及分割方法，进行基于最佳指数的遥感影像数据波段组合选择，将选择后波段组合数据作为海岛岸线分割的输入数据；进行基于Deeplab神经网络结构的海岛岸线粗分割；并进行基于全连接条件随机场的海岛岸线优化。本发明面向遥感波段数据，使用最佳指数公式选取最适合海岛岸线分割的波段组合训练神经网络；结合深度学习模型以及概率图模型，对海岛岸线进行粗分割以及细分割；本发明分割结果得出了97.8％的MIoU值。
-
公开(公告)号：CN110400276B
公开(公告)日：2022-10-14
申请号：CN201910671108.6
申请日：2019-08-28
Applicant: 上海海洋大学
Abstract: 一种高光谱图像去噪方法，该方法根据高光谱图像数据中局部空间低秩先验、光谱低秩先验和全局光谱低秩先验，基于地物类别建立低秩矩阵恢复模型；根据不同的地物类别对高光谱图像分块；在高光谱图像局部分块内去除噪声；对整个高光谱图像空间数据和光谱数据内再一次去除噪声。
-
公开(公告)号：CN110096500B
公开(公告)日：2022-10-14
申请号：CN201910376150.5
申请日：2019-05-07
Applicant: 上海海洋大学
IPC: G06F16/215 , G06F16/26
Abstract: 本发明属于可视分析技术领域，公开了一种面向海洋多维数据的可视分析方法及系统，利用降维的方法在保留数据间关系的基础上实现对大规模海洋数据的约简；在可视化展示的基础上对海洋多维数据间以及各维度间的相关性进行分析；进一步改进适合海洋多维数据的多视图可视分析方法。本发明提供的平行坐标可视化分析方法对浮标观测点数据进行可视展示，支持用户直接选择所需分析的数据文件；通过添加滑块功能选择用户感兴趣的时间点或者某一维度数据值得区间，使想观测的数据更加直观的展示；在下方数据栏中选择感兴趣的数据，可以在可视化的平行坐标中突出展示其分布情况，使可视化效果更加直观。
-
公开(公告)号：CN115170435A
公开(公告)日：2022-10-11
申请号：CN202210899220.7
申请日：2022-07-28
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于Unet网络的图像几何畸变校正方法，解决了当前方法主要针对单一畸变类型，在解决混合畸变校正时存在明显局限性的问题，其技术方案要点是基于Unet网络构建畸变校正模型；选取place365图像及设定生成的棋盘格图像作为图像数据源，考虑径向畸变及切向畸变，生成畸变图像及其坐标差向量作为数据集；按照实验环境的参数配置设定畸变校正模型，通过构建的数据集对畸变校正模型进行训练及测试；采集获取实际数据集，预测获得畸变图像的坐标差向量；通过图像重采样算法，根据预测获得的坐标差向量与实际畸变图像，重采样得到校正图像，本发明的一种基于Unet网络的图像几何畸变校正方法，考虑径向和切向畸变，局限性小，整体校正效果更佳。
-
公开(公告)号：CN108921887B
公开(公告)日：2022-06-24
申请号：CN201810579628.X
申请日：2018-06-07
Applicant: 上海海洋大学
Abstract: 本发明涉及基于水下光线衰减先验性的水下场景深度地图估计方法，所述方法包括以下步骤：步骤S1、水下光线衰减先验性；步骤S2、数据集训练；步骤S3、线性模型的系数学习；步骤S4、场景深度地图估计。其优点表现在：本发明提出了基于水下光线衰减先验性的场景深度估计方法，主要是利用水下光线衰减先验性，并选择大量的训练集作为样本训练得到具有较强鲁棒性的水下场景深度估计模型，可以快速地、有效地得出正确的场景深度，并可以应用在水下图像复原过程中。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.022 seconds)
