-
公开(公告)号:CN116295853B
公开(公告)日:2024-03-15
申请号:CN202310289863.4
申请日:2023-03-22
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G01J5/00 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感技术领域,涉及多通道热红外数据地表温度反演方法、装置及电子设备,该方法根据大气顶部热辐射的表达式得到地表温度的第一表达式;将亮度温度转换为热红外通道的辐亮度;根据观测天顶角和大气水汽含量以及地表温度的第二表达式,得到地表温度的第三表达式;根据地表发射率之间与可见光‑近红外通道观测值的函数关系,得到地表温度的目标表达式。本发明通过拟合可见光‑近红外通道观测值、热红外通道辐亮度与地表温度之间的函数关系,结合观测天顶角与大气水汽含量数据将目标区域的多通道热红外数据应用于训练好的深度神经网络模型,反演得到目标区域的地表温度,提高了地表温度反演的精准度。
-
公开(公告)号:CN113191287B
公开(公告)日:2023-12-26
申请号:CN202110502069.4
申请日:2021-05-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/771 , G06V10/764 , G06N3/006
Abstract: 本发明公开了一种面向分类的高光谱图像波段选择方法,包括:求出高光谱图像每一个波段的类间离散度矩阵与类内离散度矩阵比值的迹,将其进行降序排列;采用灰狼算法将线性递减收敛因子改进为自适应非线性递减收敛因子;读取前一半的高光谱图像波段序列,进行随机排列,将其作为改进的灰狼算法的初始种群;将每个种群的类间离散度矩阵与类内离散度矩阵比值的迹作为改进灰狼算法的目标函数,搜索目标函数的最大值,其对应的个体就是所选的波段组合。该方法可有效选择出适用于分类的波段子集,考虑到基本的灰狼算法收敛速度慢,容易陷入局部极值,将类可分性准则与灰狼算法相结合,同时改善收敛因子,提高了灰狼算法的搜索性能。
-
公开(公告)号:CN116958807A
公开(公告)日:2023-10-27
申请号:CN202310650344.6
申请日:2023-06-03
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/58 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了一种基于无动量对比学习和Transformer网络的高光谱图像目标检测方法,包括:首先基于Transformer的编码器设计了用于高光谱目标检测任务中进行光谱特征提取的编码器与动量编码器。为了在关注光谱长距离依赖关系和自相似性的同时不忽略光谱中的局部细节信息,光谱特征提取编码器与动量编码器通过设计的重叠光谱块特征映射和交互token前馈层来关注光谱的局部细节信息。其次通过无监督动量对比学习的方式进行光谱鉴别能力学习,其中队列与以动量方式缓慢更新的动量编码器被使用来提供数量充足且一致性好的负样本特征,以帮助模型学习到更好地表示。最后,通过指数与归一化操作,幂函数与归一化操作对通过余弦相似性得到的检测结果进行两次非线性拉升以抑制背景。
-
公开(公告)号:CN116822156A
公开(公告)日:2023-09-29
申请号:CN202310650171.8
申请日:2023-06-02
Applicant: 大连海事大学
Abstract: 本发明公开了一种结合光学传输和光谱解混的高光谱油膜厚度估计方法,该方法首先构建与油膜厚度相关的光学传输反射率模型,对复杂的光学参数进行改进与简化,考虑水背景光谱的影响,扩展与油膜厚度相关的油水分层混合模型,更好地模拟光在油水分层混合结构中的传输。基于扩展的光学模型设计分层非线性解混模型,结合油水分层结构中的光学传输过程,设计并优化适合油水混合的光学‑非线性解混模型。基于提出的光学‑非线性解混模型进一步设计油膜厚度的反演算法,并构建真实场景中的溢油量估计框架。在合成数据、实验室室内油膜数据和室外油膜数据上,取得了较好的解混效果和厚度反演。在真实数据集上的应用证明该模型具有一定的实际应用价值。
-
公开(公告)号:CN111325269B
公开(公告)日:2023-09-26
申请号:CN202010100198.6
申请日:2020-02-18
Applicant: 大连海事大学
IPC: G06V10/776 , G06V10/764 , G06V20/10
Abstract: 本发明公开了一种基于三维接收机工作特性曲线的高光谱图像分类评价方法,包括:采用不同的分类器对高光谱图像进行分类得到分类后的软决策概率图,通过不同的阈值τ将软决策概率图转化为硬决策分类图;从信号检测角度将高光谱图像的硬决策分类图转化为目标检测结果图,计算每个阈值τ对应的检测率PD和虚警率PF,生成基于(PD,PF,τ)的三维接收机工作特性曲线(3D ROC);根据3D ROC曲线分别生成基于(PD,PF)、(PD,τ)和(PF,τ)的三个二维接收机工作特性曲线(2D ROC),设计多准则打分机制评价不同分类器分类性能的优良。该分类评价方法解决了高光谱图像分类中(1)如何为分类后的软决策概率值分配类别标签,即分类器产生的部分类成员分配(FCMA)问题;(2)类别不平衡问题;(3)未知背景复杂性问题。
-
公开(公告)号:CN116563345A
公开(公告)日:2023-08-08
申请号:CN202310600166.6
申请日:2023-05-25
Applicant: 大连海事大学
IPC: G06T7/246 , G06V10/74 , G06V10/62 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于点‑面匹配关联的多目标跟踪方法,包括,获取待检测视频并进行序列化,根据特征提取网络构建检测器,根据检测器依次对视频帧序列中的视频帧进行目标检测,从视频帧序列获取第t个和第t+1个视频帧,将第t+1个视频帧中的目标划分为高和低置信度目标,对于高置信度目标根据目标框相似性感知算法进行第一次关联匹配,将匹配成功的目标加入第t个视频帧的目标轨迹中,对于匹配失败的目标分别初始化目标轨迹,将低置信度目标进行第二次关联匹配,匹配成功的目标加入第t个视频帧的目标轨迹中,舍弃匹配失败的目标,依次遍历所有的视频帧,直到获取所有目标轨迹。提升被遮挡目标的检测置信度,同时提高了多目标轨迹关联的准确性。
-
公开(公告)号:CN110717485B
公开(公告)日:2023-06-02
申请号:CN201910978651.0
申请日:2019-10-15
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/764 , G06V10/143
Abstract: 本发明公开了一种基于局部保留投影的高光谱图像稀疏表示分类方法,包括:获取高光谱图像信息构建邻接图,计算邻接图中边的权重,结合权重信息进行特征映射获得投影变换矩阵;应用局部保留投影算法,将原始高光谱图像投影至低维度的流形子空间;采用稀疏表示分类模型对投影后的图像数据进行分类得到分类结果图像。该方法首先使用局部保留投影算法降低了原始数据的维度,保留了图像的邻域细节信息,避免冗余信息对稀疏表示产生的误差和干扰,最后稀疏表示分类模型的引入完成了对投影后的图像的分类。本方法提高了局部保留投影对于特征响应的能力,增强了稀疏表示分类模型的判定效果。
-
公开(公告)号:CN115766027A
公开(公告)日:2023-03-07
申请号:CN202211372018.5
申请日:2022-11-03
Applicant: 大连海事大学
Abstract: 本发明提供一种多类型图像联合加密方法、系统及存储介质。本发明方法,包括:通过SHA‑512算法生成密钥,并对生成的密钥进行处理;将处理后的密钥代入改进的Chebyshev混沌系统NCCS,生成两个分别用于置乱和扩散的伪随机序列;采用螺旋曲线对三维矩阵进行降维处理,再依次进行索引置乱和一维Arnold置乱;采用经典的加取模的循环左移方法进行扩散,得到密文图像。本发明设计了一种基于低维混沌系统的遥感图像、灰度图像及彩色图像的联合加密方法,本发明方法对遥感图像的尺寸和波段数没有限制,解决了遥感图像、灰度图像及彩色图像等多类型图像联合加密的问题且加密效果较好。
-
公开(公告)号:CN110378294B
公开(公告)日:2022-08-19
申请号:CN201910663298.7
申请日:2019-07-22
Applicant: 大连海事大学
Abstract: 本发明实施例公开了一种基于局部能量约束与特征融合的高光谱目标检测方法及系统,其包括:获取高光谱图像数据集中的各个像元所对应的信号含量图像;提取各个像元所对应的空间特征并构造关于目标地物的空间特征的图像;基于丰度阈值提取局部强化光谱特征;获取归一化后的空间特征矩阵并该空间特征矩阵的归一化空间特征与待检测图像进行融合以获取对应的融合特征;将局部强化光谱特征与融合特征进行特征融合以获取带有局部特征约束的图像;确定带有局部特征约束的图像中的非零信号所构成的集合并获取最局部能量约束检测因子;对待检测高光谱图像进行目标检测。本发明提高了检测精度,还在一定程度上克服了高光谱检测中常见的“同谱异物”现象。
-
公开(公告)号:CN114220007A
公开(公告)日:2022-03-22
申请号:CN202111494021.X
申请日:2021-12-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于过完备深度低秩子空间聚类的高光谱图像波段选择方法,通过对网络模型参数初始化,输入高光谱立方体和选择的波段数;划分训练样本,训练网络,计算损失函数,通过反向传播更新网络参数;保存网络参数,计算相似性图,利用谱聚类得到聚类结果,选择离聚类中心最近的波段作为最优波段子集;通过支持向量机(SVM)进行分类并评价分类结果。采用过完备表示和不完全表示的深度卷积自动编码器网络进行特征融合,提取更有意义和更丰富的光谱空间信息,用低秩表示获得更加鲁棒的亲和力矩阵来执行子空间聚类,提高子空间聚类的性能和确保准确选取信息波段子集。
-
-
-
-
-
-
-
-
-