-
公开(公告)号：CN109740678B
公开(公告)日：2022-09-30
申请号：CN201910013102.X
申请日：2019-01-07
Applicant: 上海海洋大学
IPC: G06V10/776 , G06V20/13
Abstract: 本发明属于图像处理技术领域，公开了一种基于多级不均匀空间抽样的遥感影像分类精度检验方法，进行多级不均匀抽样：通过计算遥感影像分类结果的空间破碎度，将遥感影像自低而高进行逐级区划；根据不同等级区划结果，自高至低逐级分配样本点用于遥感影像分类结果检验；基于破碎度指数的研究区域自低至高逐级区划：引入破碎度指数的概念，进行研究区域自低至高的逐级区划；再进行基于逐级区划结果的样本点布设。本发明可以保证用于精度检验的遥感影像的样本点在不同地物类型间的均衡性，亦保证了用于精度检验的样本点在空间上的代表性。
-
公开(公告)号：CN108334859B
公开(公告)日：2022-07-08
申请号：CN201810166163.5
申请日：2018-02-28
Applicant: 上海海洋大学 , 中国人民解放军61290部队
Abstract: 本发明涉及一种基于细粒度特征的光学遥感舰船型号识别众包系统，所述的光学遥感舰船型号识别众包系统包括以下步骤：步骤S1、设计舰船的细粒度特征及其形式化表达，设计舰船特征标注任务并采用众包模式进行发布；步骤S2、通过多级质量控制得到舰船的标准标注与置信度；步骤S3、采用决策树算法对细粒度特征标准标注进行自动分类并将其中置信度低的舰船目标交由专家审核研判，最终实现舰船型号自动识别。其优点表现在：通过众包分解任务、协作处理，结合了人工研判与计算机识别的差异优势，实现了可靠高效的舰船型号自动识别。
-
公开(公告)号：CN108596248B
公开(公告)日：2021-11-02
申请号：CN201810368763.X
申请日：2018-04-23
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于改进深度卷积神经网络的遥感影像分类方法，所述遥感分类方法包括以下步骤：步骤S1、基于瓶颈单元的遥感特征影像降维；步骤S2、基于分组卷积的遥感特征影像卷积多通道优化；步骤S3、基于通道洗牌的遥感特征影像特征提取能力改进；步骤S4、面向遥感影像空间位置特征的波段化处理。其优点表现在：实现了对待输入遥感影像的降维，降低深度卷积神经网络遥感影像分类方法训练时的卷积计算量；同时，针对遥感影像的空间相关性，构建通道洗牌结构，提升分组卷积阶段神经网络的特征提取能力。针对遥感影像的空间位置特征，提高了可深度卷积神经网络模型对遥感影像的空间位置特征识别度。
-
公开(公告)号：CN108257101B
公开(公告)日：2021-10-19
申请号：CN201810039369.1
申请日：2018-01-16
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于最优复原参数的水下图像增强方法，所述方法包括以下步骤：所述方法包括以下步骤：步骤S1、输入图像，收集数百张高质量的水下图片作为样本，获得新水下图像暗通道先验性；步骤S2、基于新UDCP结论的RGB三通道传输地图估计；步骤S3、基于融合方法的背景光估计；步骤S4、图像复原。其优点表现在：最终的输出结果显示在对比度、饱和度、明度等多方面都获得较好的增强效果。而且本发明的方法适用于在不同环境下的水下图像，增强后的图像可用于水下探测、海洋资源评估以及目标识别等应用。
-
公开(公告)号：CN113254556A
公开(公告)日：2021-08-13
申请号：CN202110533174.4
申请日：2021-05-17
Applicant: 上海海洋大学
Abstract: 本发明提供一种海洋空间的三维方位关系确定方法、系统及存储介质，所述方法包括：设定一个海洋空间数据为参照对象，计算所述参照对象的最小外接立方体；以参照对象的最小外接立方体表示参照对象本身，延伸参照对象的最小外接立方体边；以参照对象最小外接立方体延伸出的边为界限将三维空间划分为27个区域，形成27个外方位；将所述最小外接立方体的内部区域从深度上划分为三等分，均分为3个区域，形成3个内方位；以及根据参照对象的三维方位关系模型计算得到其它海洋空间数据相对于参照对象的方位。本发明可以有效表达海洋三维空间数据之间的方位关系，有助于对指定海洋三维空间数据的获取。
-
Patent Agency Ranking
公开(公告)号：CN107516317B
公开(公告)日：2021-04-27
申请号：CN201710710878.8
申请日：2017-08-18
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于深度卷积神经网络的SAR影像海冰分类方法，包括以下步骤：S01：将已有的海冰SAR影像进行分割；S02：进行数据预处理；S03：进行模型训练并建立模型；S04：对待分类的海冰SAR影像进行处理；S05：将分类结果进行合并。其优点在于，该方法构建的卷积神经网络模型能够实现基于图像的特征自动提取，无需人手动过多干预；是一种针对SAR影像海冰端到端的分类方法，可以达到海冰监测的业务化水平、满足海上作业人员的实时性要求；模型依赖大量的标记样本可以自动提取图像特征，不必依赖专家知识；利用随机梯度下降法加速收敛，并根据损失函数和准确率判断模型训练的好坏；利用规范化处理解决网络参数优化反向传播中的梯度消失或梯度扩散问题。
-
公开(公告)号：CN111428908A
公开(公告)日：2020-07-17
申请号：CN202010106716.5
申请日：2020-02-21
Applicant: 上海海洋大学
Abstract: 本发明提供一种基于STL-NN模型的海表面温度预测算法，其包括以下步骤：S1.采用基于局部加权回归的周期-趋势分解方法将SST数据T分解为季节项S、趋势项C和余项R；S2.将分解得到的季节项S、趋势项C和余项R输入到神经网络预测模型中，得到若干天SST数据的预测值。该模型首先通过STL分解出SST的季节分量、趋势分量和剩余分量，确保SST数据的高效利用；在搭建神经网络预测模型时有效结合了LSTM模型的优点，能够利用其较强非线性逼近能力有效的对数据进行建模，最终预测出未来五天内的SST。在充分考虑序列数据特性的前提下，本发明方法不仅可以用于预测SST，在未来还可以推广至其它海洋要素序列数据的预测，具有非常广阔的推广应用前景。
-
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：CN111324638A
公开(公告)日：2020-06-23
申请号：CN202010084931.X
申请日：2020-02-10
Applicant: 上海海洋大学
IPC: G06F16/2458 , G06F16/28 , G06F17/16
Abstract: 本发明提供一种基于AR_TSM的时间序列motif关联规则挖掘方法，包括步骤：S1：采集一时间序列数据；S2：基于PM_Motif方法对所述时间序列数据进行motif提取；S3：基于AR_TSM方法的时间序列motif关联规则挖掘；S4：利用衡量指标RM衡量规则预测性能。本发明的一种基于AR_TSM的时间序列motif关联规则挖掘方法，实现了保留原始信息的motif的精准快速提取；保证了规则的一致性，并可避免虚拟规则的产生。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.027 seconds)
