-
公开(公告)号：CN109709527A
公开(公告)日：2019-05-03
申请号：CN201910046636.2
申请日：2019-01-14
Applicant: 上海海洋大学
Abstract: 本发明属于雷达信息处理技术领域，公开了一种全波形激光测高回波信号中高斯分解的高斯波峰方法，寻找GLAS全波形数据所有波峰的幅值，按照波峰幅值的最大值和最小值的距离等分成多个区间；统计出所有波峰幅值落入各区间的频数，并计算频率；构建GLAS全波形数据的波峰频率直方图，再进行易于处理的GLAS全波形数据进行处理和难于处理的GLAS全波形数据进行处在数据处理。本发明将高斯波峰法用于GLAS全波形数据的分解和拟合，结果表明高斯波峰法可以很好地分解和拟合优化GLAS全波形数据，并能得到较高的拟合精度和较少的拟合迭代次数。
-
公开(公告)号：CN108596853A
公开(公告)日：2018-09-28
申请号：CN201810400875.9
申请日：2018-04-28
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于背景光统计模型和传输地图优化的水下图像增强方法，所述方法包括以下步骤：步骤S1.首先建立人为选择的背景光估计数据集(MABLs)，然后选择模型的特征参数，最后建立R通道和GB通道的背景光估计模型；步骤S2.基于新UDCP水下暗通道先验性结论得出R通道传输地图(TM)，并推理出深度地图，最终估计出GB通道的TMs及图像复原；步骤S3.在CIE-Lab颜色模型中的自适应拉伸。其优点表现在：本发明方法适用于复杂环境下的水下图像增强、提高图像增强的运行效率、同时提高图像可视性以及获得更高信息量。相比于其它水下图像增强、复原方法，本文方法有着更好的实效性和鲁棒性。
-
公开(公告)号：CN108520281A
公开(公告)日：2018-09-11
申请号：CN201810328999.0
申请日：2018-04-13
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于全局与局部保持的高光谱图像半监督降维方法，所述的方法包括以下步骤：步骤S1.设高维空间RD中存在数据集X＝{x1，x2，…，xl，xl+1，…，xl+u},其中前l个样本Xl为有类标样本，类别标签为c，各类样本数为Ni，i＝(1，2，…，c)，后u个样本Xu是无类标样本；步骤S2.通过半监督全局分布算法构造半监督全局目标函数；步骤S3.基于半监督局部保持投影算法，给出改进后的半监督局部目标函数；步骤S4.结合S2中的全局目标函数和S3中的局部目标函数，构造半监督IPCA-IWSSFE整体目标函数及求解低维子空间Y＝WTX。其优点表现在：通过对高光谱图像进行全局与局部保持的半监督降维，即考虑的数据的局部特性，又能保证数据的全局特性，从而提高了图像的分类精度。
-
公开(公告)号：CN108235001A
公开(公告)日：2018-06-29
申请号：CN201810083621.9
申请日：2018-01-29
Applicant: 上海海洋大学
IPC: H04N17/00
Abstract: 本发明涉及一种基于时空特征的深海视频质量客观评价模型，所述的评价模型包括以下步骤：步骤S1、深海视频样本集进行时间域学习，提取基于时间域维度的特征向量；步骤S2、深海视频样本集进行空间域学习，提取基于空间域维度的特征向量；步骤S3、时间域和空间域的特征融合，构成最终的深海视频质量分类的数据集；步骤S4、半监督深海视频质量分类器分类；步骤S5、深海视频质量客观评价模型建立。其优点表现在：建立深海视频质量客观评估模型，提供面向公众的客观质量评价服务。将实现对各类水下图像/视频增强算法应用于深海视频质量的改善效果进行评估，提高基于深海视频研究的工作效率。
-
公开(公告)号：CN107516317A
公开(公告)日：2017-12-26
申请号：CN201710710878.8
申请日：2017-08-18
Applicant: 上海海洋大学
CPC classification number: G06T7/11 , G06K9/6256 , G06K9/6267 , G06N3/0454 , G06T2207/10044 , G06T2207/20081 , G06T2207/30181
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。
-
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：CN119961882A
公开(公告)日：2025-05-09
申请号：CN202411945193.8
申请日：2024-12-27
Applicant: 上海海洋大学
IPC: G06F18/27 , G06F18/2321 , G06F18/24 , G06N3/0455 , G06N3/048 , G06N3/047 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种温盐深联合海洋数据异常检测方法，包括步骤：步骤一，对数据集D进行预处理，步骤二，将数据集D*中的盐度与温度数据分别分离，得到第一盐度数据集#imgabs0#与第一温度数据集#imgabs1#并根据这2个数据集，由多项式回归分析，训练获得多项式回归模型Rs与多项式回归模型Rt，将数据集D中的盐度与温度数据分别分离，得到第二盐度数据集D‑s与第二温度数据集D‑t，步骤三，将数据集DsP与DtP分别输入自编码器模型AEM中，对应得到重构数据集DsR与DtR，步骤四，将数据集DsR与DtR分别计算与数据集D的误差Es与Et，根据误差值被判定为噪声数据的为温度异常数据和盐度异常数据。
-
公开(公告)号：CN113673605B
公开(公告)日：2024-02-06
申请号：CN202110972871.X
申请日：2021-08-24
Applicant: 上海海洋大学
IPC: G06F18/22 , G06F18/15 , G06F123/02
Abstract: 本发明公开了一种海水溶解氧评估方法，其包括：(S1)获取两个需要对比海域的海水溶解氧及其相关变量，采用TP有向可视图方法对海水溶解氧及其相关变量的时间序列进行转换，得到各海域的图；海水溶解氧的相关变量包括海温以及盐度；(S2)对两个海域的图进行相似性匹配，得到匹配结果。在本发明中，TP有向可视图可以保留更多时间序列信息的转化成图，可更好的分析时间序列。GSN图相似性匹配从全局层、子图层、节点层综合计算图间相似度，使得相似度评估结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.034 seconds)
