-
公开(公告)号：CN109325048B
公开(公告)日：2021-12-07
申请号：CN201810966994.0
申请日：2018-08-23
Applicant: 上海海洋大学
IPC: G06F16/245 , G06F16/242
Abstract: 本发明公开了一种基于图模型构建的赤潮数据查询方法，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮边缘数据是一种点数据，由点上属性标记；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。将赤潮数据按照特定阶段存储在图模型中，建立赤潮的边数据，可以表示赤潮数据之间的关联，不仅可以在图模型上进行普通的点和边的查询，同时可以进行各种模型查询，提高了查询的速度和精度，可以充分利用赤潮数据进行研究。研究人员可以预测到阶段转换发生的时间和地点，针对此采取相应的措施，减少经济和生态上的损失。
-
公开(公告)号：CN105930877B
公开(公告)日：2020-07-10
申请号：CN201610374807.0
申请日：2016-05-31
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多模态深度学习的遥感影像分类方法，该方法包括以下步骤：首先构建多模态遥感影像数据样本集，包括不同成像原理的多模态遥感影像；基于不同的数据模态，构建数据模态敏感的特征学习深度网络，采用不同模态数据分别训练相应的特征学习深度网络；建立模态间特征关联模型生成关联共享特征并训练；采用测试样本集输入训练微调后的多模态深度网络，实现遥感影像精准分类。其优点表现在：有效利用多源遥感影像，挖掘模态间互补、合作信息，整个过程自动进行，减少了人工投入与主观人为因素导致的分类精度低，提高了分类精度。
-
公开(公告)号：CN107067386B
公开(公告)日：2020-05-01
申请号：CN201710272512.7
申请日：2017-04-24
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于相对全局直方图拉伸的浅海水下图像增强方法，所述的浅海水下图像增强方法包括输入图像模块、图像RGB直方图分布分析模块、相对全局直方图拉伸模块、全局拉伸模块、输出图像模块。其优点在于，图像增强计算复杂度低，获得的效果更好，鲁棒性好，适用于包括水下植物、浅海人员、海底岩石等多累浅海水下图像；计算相对拉伸范围的参数，并自动选择拉伸范围，可以精确定位需要被拉伸范围；利用颜色纠正方法，运用HSV色彩空间对S、V的全局拉伸弥补颜色损失；可以有效的增强水下图像的对比度、饱和度、可见度。
-
Patent Agency Ranking
公开(公告)号：CN107067386A
公开(公告)日：2017-08-18
申请号：CN201710272512.7
申请日：2017-04-24
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于相对全局直方图拉伸的浅海水下图像增强方法，所述的浅海水下图像增强方法包括输入图像模块、图像RGB直方图分布分析模块、相对全局直方图拉伸模块、全局拉伸模块、输出图像模块。其优点在于，图像增强计算复杂度低，获得的效果更好，鲁棒性好，适用于包括水下植物、浅海人员、海底岩石等多累浅海水下图像；计算相对拉伸范围的参数，并自动选择拉伸范围，可以精确定位需要被拉伸范围；利用颜色纠正方法，运用HSV色彩空间对S、V的全局拉伸弥补颜色损失；可以有效的增强水下图像的对比度、饱和度、可见度。
-
公开(公告)号：CN106875362A
公开(公告)日：2017-06-20
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：CN105930877A
公开(公告)日：2016-09-07
申请号：CN201610374807.0
申请日：2016-05-31
Applicant: 上海海洋大学
IPC: G06K9/62
CPC classification number: G06K9/627
Abstract: 本发明公开了一种基于多模态深度学习的遥感影像分类方法，该方法包括以下步骤：首先构建多模态遥感影像数据样本集，包括不同成像原理的多模态遥感影像；基于不同的数据模态，构建数据模态敏感的特征学习深度网络，采用不同模态数据分别训练相应的特征学习深度网络；建立模态间特征关联模型生成关联共享特征并训练；采用测试样本集输入训练微调后的多模态深度网络，实现遥感影像精准分类。其优点表现在：有效利用多源遥感影像，挖掘模态间互补、合作信息，整个过程自动进行，减少了人工投入与主观人为因素导致的分类精度低，提高了分类精度。
-
公开(公告)号：CN105913402B
公开(公告)日：2019-04-16
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
公开(公告)号：CN106897705A
公开(公告)日：2017-06-27
申请号：CN201710117922.4
申请日：2017-03-01
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于增量学习的海洋观测大数据分布方法，一种基于增量学习的海洋观测大数据分布方法，所述分布方法包括以下步骤：S1：输入待布局的增量海洋观测数据集；S2：初始化存储容量；S3：计算增量数据集中数据的数据价值；S4：对增量数据集中的所有数据进行划分；S5：利用增量学习方法对增量数据集进行训练；S6：对训练后的数据进行布局；S7：输出布局后的增量海洋观测数据集；其中，所述的步骤S5中的增量学习方法为支持向量机增量学习方法。其优点在于，保证分类正确率的同时，降低训练时间的开销和用户访问数据的响应时间；利用支持向量机的增量学习算法解决过量匹配的问题；有效压缩了样本集的大小并舍弃无用样本。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
