-
公开(公告)号：CN115758287A
公开(公告)日：2023-03-07
申请号：CN202211486158.5
申请日：2022-11-24
Applicant: 大连海事大学
IPC: G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空谱信息融合的早期火点探测方法，其特征在于包括：下载静止气象卫星官网下的数据文件，对该数据文件进行可视化处理获得时间、空间、光谱曲线图；建立长短期记忆人工神经网络模型，使用该模型对时间、空间、光谱曲线图进行自适应学习，得到拟合后的时序曲线图；基于拟合后的时序曲线图计算每个时刻的时间方差、空间方差和光谱方差，将该计算结果作为预测值，基于初始时序曲线图计算实际值，将预测值与实际值做差获得偏差，根据偏差设置时间阈值、空间阈值和光谱阈值；基于上述三种阈值建立火点判断模型，使用火点判断模型判断各个时刻是否出现火点；该方法提高火灾早期救援效率和遥感数据的利用效率。
-
公开(公告)号：CN115578636A
公开(公告)日：2023-01-06
申请号：CN202211229169.5
申请日：2022-10-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于波段融合处理机制的高光谱图像实时丰度估计方法，包括：根据高光谱成像系统的波段序列数据传输方式构建分布式高光谱波段融合模型；针对高光谱图像丰度估计任务，根据分布式高光谱波段融合模型为不同的融合场景设计高光谱实时融合策略，其中高光谱实时融合策略包括单波段实时融合策略和波段集合与单波段实时融合策略；利用高光谱遥感传感器对地物进行数据采集和高质量成像，根据融合策略逐波段获取高光谱图像的光谱信息和空间信息；设计实时波段融合算法对获取的光谱信息和空间信息进行波短融合获取实时丰度估计；该方法可以实现数据采集、波段融合与光谱解混的同步运行，实现了丰度估计的实时处理，提高了光谱解混的效率。
-
公开(公告)号：CN110490270B
公开(公告)日：2022-11-04
申请号：CN201910797540.X
申请日：2019-08-27
Applicant: 大连海事大学
IPC: G06V10/764 , G06V20/00
Abstract: 本发明公开了一种基于空间信息自适应处理的高光谱图像分类方法，包括：采用支持向量机模型对原始图像的光谱信息进行处理获得初分类结果，将初分类结果作为光谱项并构建传统马尔科夫随机场模型；计算各像元的相对同质性指数，将相对同质性指数加入到原始的空间项权重常系数中获得自适应权重系数，根据像元空间项权重系数的自适应调整，采用自适应权重系数替换传统马尔科夫随机场模型中的空间项权重常系数从而构建自适应马尔可夫随机场模型，采用该自适应马尔可夫随机场模型对高光谱图像进行分类。该方法可以作为一种高光谱图像基于空间信息分类的有效手段，在高光谱图像地表精细分类等方面具有重要的应用价值。
-
公开(公告)号：CN108765382B
公开(公告)日：2022-06-24
申请号：CN201810461103.6
申请日：2018-05-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于GPU的丰度估计并行计算方法，包括：通过CPU载入原始高光谱像元数据H以及端元数据M，并将所述原始高光谱像元数据H以及端元数据M发送至GPU显存；CPU调用GPU核函数，基于ROVP算法计算各端元mi的丰度αi；所述GPU将计算结果返回至CPU端，并由CPU端输出。通过上述方案实现了基于CUDA库的ROVP‑C算法和基于CUBLAS库的ROVP‑L算法，与传统的串行算法比较分析可知，本发明提出的算法计算速度快，有效提高了丰度估计运行效率。
-
公开(公告)号：CN114220008A
公开(公告)日：2022-03-22
申请号：CN202111494041.7
申请日：2021-12-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/20 , G06T5/30
Abstract: 本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。
-
Patent Agency Ranking
公开(公告)号：CN113505856A
公开(公告)日：2021-10-15
申请号：CN202110898291.0
申请日：2021-08-05
Applicant: 大连海事大学
Abstract: 本发明公开了一种高光谱影像无监督自适应分类方法，包括：S1、选择两个地物类别相同但分布不同的高光谱场景图像；S2、根据高光谱影像的特点构建以卷积神经网络为基础的深度学习网络模型作为特征提取器、分类器、域判别器；S3、交替训练分类器和特征提取器，直到域判别器不能正确区分两个域，判别过程通过采用深层特征和风格特征两部分的内容将源域和目标域进行对齐；S4、用训练好的特征提取器和分类器对目标域分类，得到分类结果图。本发明采用深度神经网络搭建特征提取器用于提取特征，并且同时构建分类器和域判别器；利用深层特征对齐和风格特征对齐两方面的内容减小两个域的差异，一定程度上缓解了跨域分类中的特征对齐难题。
-
公开(公告)号：CN112580705A
公开(公告)日：2021-03-30
申请号：CN202011446700.5
申请日：2020-12-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度前馈网络的高光谱分类方法，该方法利用训练样本分配算法计算每个类别在分类时应分配的训练样本数目；在每层分类网络中，根据各类别已分配的训练样本数目，采用固定训练样本选取方式或随机训练样本选取方式生成训练样本数据集，用于训练分类器；选用支持向量机或卷积神经网络对图像进行初分类，得到初始分类结果；利用边缘保持滤波器提取分类图的空间特征信息，利用训练好的支持向量机对空间特征信息进行再分类；判断是否满足停止条件，若不满足，则通过前馈的方式进入下层网络进行分类，直至最终得到最优的分类结果。该分类框架通过一系列的空间滤波器及前馈操作，有效挖掘了高光谱图像的空间特征信息，改善了初始分类结果。
-
公开(公告)号：CN111498068A
公开(公告)日：2020-08-07
申请号：CN202010471628.5
申请日：2020-05-28
Abstract: 本发明公开了一种小型AUV集群水下回收装置用吊装系统，包括位于顶端的伸缩结构和用于对AUV进行收纳的回收结构，当AUV进入回收结构内，伸缩结构将与回收结构进行对接，对接完成后，该伸缩结构将回收结构锁紧传送至母船内；所述伸缩结构包括位于上端的伸缩导轨，所述伸缩导轨的下端固定连接有导轨连接器，所述导轨连接器包括液压锁定结构，所述液压锁定结构的端部固定连接有抓手，所述导轨连接器的四周端部固定连接有四个电磁感应单元。该系统首先回收AUV、再采用导轨收缩方式将装载有AUV的回收结构收取并运输至母船内，整个过程基于电磁感应原理保证对AUV进行精准的回收。
-
-
公开(公告)号：CN110516614A
公开(公告)日：2019-11-29
申请号：CN201910807225.0
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于子空间投影的高光谱图像分类方法，包括：获取原始高光谱图像类别的基向量先验信息、计算各类别子空间基向量、构建子空间投影改进模型；将原始高光谱图像投影至由各类别基向量张成的低维子空间；采用支持向量机模型对投影后的图像数据进行分类，得到分类结果图像。本发明采用子空间投影算法，将原始高维度的图像投影至依类别构建的低维子空间中，引入支持向量机模型对投影后的图像进行分类，去除数据冗余的同时，降低了原始数据的维度、具有投影后的数据维度只与类别数量相关，与原始数据维度和训练样本个数均无关，以及分类效果提升明显优点，极大程度上避免了“休斯”现象的发生，解决了有限样本条件下的波段冗余问题。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.023 seconds)
