-
公开(公告)号:CN117911885A
公开(公告)日:2024-04-19
申请号:CN202311418578.4
申请日:2023-10-30
Applicant: 上海海洋大学
Abstract: 本发明属于赤潮检测技术领域,公开了一种赤潮检测方法、系统、介质、设备及终端。引入NDVI来增强赤潮的特征信息,以提高赤潮和海水的可分离性。采用传统U‑Net作为骨干网络来初步提取特征;引入ECA通道注意力机制,充分挖掘不同通道的光谱特征进一步深度提取赤潮特征;同时设计了基于空洞空间金字塔卷积(ASPC)的浅层特征提取模块并通过多尺度赤潮特征融合,增强模型的特征提取能力,从而更好地识别复杂边界的赤潮像素。实验结果证明,本发明的方法具有较好的检测效果。
-
公开(公告)号:CN111738052B
公开(公告)日:2024-03-12
申请号:CN202010283627.8
申请日:2020-04-13
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/047 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的多特征融合高光谱遥感地物分类方法,该方法可应用于高光谱遥感地物图像分类,解决了高光谱图像分类中标签样本不足和不同层次特征没有得到充分利用的弊端,具体如下:从原始高光谱遥感图像中选取各类别标签样本,并将样本标记为训练样本和测试样本;对训练样本进行预处理将其复制为相同的多份,并输入卷积神经网络的不同卷积层中以得到更多的样本;将卷积神经网络中层和高层的特征在全连接层中进行融合以得到不同层次的特征信息;获得训练的特征后对测试样本进行分类。
-
公开(公告)号:CN116894923A
公开(公告)日:2023-10-17
申请号:CN202310886947.6
申请日:2023-07-19
Applicant: 上海海洋大学
Abstract: 本发明公开了一种高分辨率遥感影像映射转换密集匹配与三维重建方法,包括步骤:接收第一遥感影像;对所述第一遥感影像进行正射纠正,获得第二遥感影像;对第二遥感影像进行重采样,获得第三遥感影像;对第三遥感影像进行自适应扩展分块,并对分块后的影像进行密集匹配生成对应的视差图;基于视差图和分块信息,将每对同名像点恢复到其在正射纠正影像上的坐标,再对同名点对进行逆正射纠正,将点对坐标恢复到第一高分辨率遥感影像上,获得对应的三维点坐标形成的三维点云;对三维点云进行栅格化采样生成高分辨率DSM。
-
公开(公告)号:CN111652039B
公开(公告)日:2023-04-18
申请号:CN202010283765.6
申请日:2020-04-13
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于残差网络和特征融合的高光谱遥感地物分类方法,该方法解决了利用传统方法进行高光谱遥感地物分类难以提高精度和高光谱遥感地物图像中空间特征未能充分利用的弊端,其技术方案要点包括以下步骤:通过原始高光谱图像获得原始标签样本数据;从原始数据中提取空间特征;将标签样本随机划分为训练样本和测试样本,通过基于残差网络和特征融合方法对高光谱遥感数据进行训练,训练后的网络模型可以对地物进行分类并将结果可视化。本发明的基于残差网络和特征融合的高光谱遥感地物分类方法,能够提高分类模型的性能,充分利用残差网络提取到的深层特征,有效提高分类精度。
-
公开(公告)号:CN111652038B
公开(公告)日:2023-03-03
申请号:CN202010283629.7
申请日:2020-04-13
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的遥感海冰图像分类方法,解决了传统方法不能充分挖掘高光谱遥感海冰图像空谱特征以及不能结合分类目标有效区分不同光谱特征贡献度的弊端,其技术方案要点是包括有以下步骤:通过原始遥感图像获得原始数据;从原始数据中手工标记部分样本作为样本库;将输入数据根据设定策略随机选择训练样;将其余样本作为测试样本;通过训练样本对预建的三维卷积神经网络模型进行训练和特征提取,并通过挤压激励网络对提取的特征进行权重调整,并最终选择支持向量机分类器完成分类;通过训练测试后的三维卷积神经网络模型对高光谱遥感图像进行检测分类,本发明能够有效地克服现有困难,提高遥感海冰图像的分类精度。
-
公开(公告)号:CN115331049A
公开(公告)日:2022-11-11
申请号:CN202210914538.8
申请日:2022-08-01
Applicant: 上海海洋大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于灾后无人机遥感影像的建筑物损毁分类方法,获取灾后的无人机遥感影像,并进行预处理;建立建筑物破坏分类网络模型并进行训练;该网络模型包括特征编码模块和分类模块,特征编码模块包括依次连接的带有注意力机制的多个卷积块,用于对无人机遥感影像进行特征编码,获取特征编码图,分类模块包括全局特征提取模块、上下文特征提取模块和分类器,全局特征提取模块用于对特征编码图进行全局特征提取,上下文特征提取模块用于对特征编码图进行上下文特征提取,分类器用于对融合了全局特征、上下文特征的图像特征进行分类;用训练好的建筑物破坏分类网络模型对获取灾后的无人机遥感影像进行损毁分类识别。
-
公开(公告)号:CN114937213A
公开(公告)日:2022-08-23
申请号:CN202210194973.8
申请日:2022-03-01
Applicant: 上海海洋大学
Abstract: 本发明属于目标检测的技术领域,公开了一种基于地球同步卫星数据的火点检测和识别方法,其特征在于:先计算每个波段的遥感影像中各个像素点对应的环境信息,再将所有波段的遥感影像中的每个像素点的图像信息与对应的环境信息拼接在一起,作为像素点的输入特征,逐个像素点输入神经网络模型进行火点检测,并将检测结果显示出来。本发明的火点检测方法使用环境背景值和环境稳定值作为环境信息,并使用卷积神经网络对数据进行学习,通过多尺度的卷积和残差结构,能够从多个尺度综合分析各个特征之间的关系,以此提取出更加本质的特征,同时残差结构保证了原始特征不会被丢失,使得模型能够适用于各种环境,提高火点检测的速度与预测的准确率。
-
公开(公告)号:CN114720426A
公开(公告)日:2022-07-08
申请号:CN202111421539.0
申请日:2021-11-26
Applicant: 上海航天空间技术有限公司 , 上海海洋大学
IPC: G01N21/55
Abstract: 本发明新的星载GNSS反射信号的溢油检测方法,利用星载实测数据的时延‑多普勒延迟图DDM的波形峰值和归一化双基地散射截面σ0,并结合海面风速,实现溢油检测。本发明实现了星载GNSS‑R反射信号的海面溢油检测;本发明利用星载GNSS‑R具有较大的反射截面的特点,可大大提高溢油探测范围。
-
公开(公告)号:CN111652039A
公开(公告)日:2020-09-11
申请号:CN202010283765.6
申请日:2020-04-13
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于残差网络和特征融合的高光谱遥感地物分类方法,该方法解决了利用传统方法进行高光谱遥感地物分类难以提高精度和高光谱遥感地物图像中空间特征未能充分利用的弊端,其技术方案要点包括以下步骤:通过原始高光谱图像获得原始标签样本数据;从原始数据中提取空间特征;将标签样本随机划分为训练样本和测试样本,通过基于残差网络和特征融合方法对高光谱遥感数据进行训练,训练后的网络模型可以对地物进行分类并将结果可视化。本发明的基于残差网络和特征融合的高光谱遥感地物分类方法,能够提高分类模型的性能,充分利用残差网络提取到的深层特征,有效提高分类精度。
-
公开(公告)号:CN111652038A
公开(公告)日:2020-09-11
申请号:CN202010283629.7
申请日:2020-04-13
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于卷积神经网络的遥感海冰图像分类方法,解决了传统方法不能充分挖掘高光谱遥感海冰图像空谱特征以及不能结合分类目标有效区分不同光谱特征贡献度的弊端,其技术方案要点是包括有以下步骤:通过原始遥感图像获得原始数据;从原始数据中手工标记部分样本作为样本库;将输入数据根据设定策略随机选择训练样;将其余样本作为测试样本;通过训练样本对预建的三维卷积神经网络模型进行训练和特征提取,并通过挤压激励网络对提取的特征进行权重调整,并最终选择支持向量机分类器完成分类;通过训练测试后的三维卷积神经网络模型对高光谱遥感图像进行检测分类,本发明能够有效地克服现有困难,提高遥感海冰图像的分类精度。
-
-
-
-
-
-
-
-
-