-
公开(公告)号：CN106919783A
公开(公告)日：2017-07-04
申请号：CN201710041585.5
申请日：2017-01-20
Applicant: 上海海洋大学
Abstract: 本发明涉及一种浮标数据的多目标关联度划分处理方法，所述浮标数据的多目标关联度划分处理方法包括以下步骤：获取历年台风与浮标数据；构建浮标关系图；多目标问题公式化；构建针对浮标数据定制的NSGA‑II算法(带精英保存策略的非支配排序遗传算法)；输出适合浮标数据的多目标布局方法。其优点在于，将海区中所有的浮标构成图，将浮标分布划分区域存储；使微区内浮标数据相关性最大化、微区间的相关性最小化、跨微区通信时间最小化，并且使微区负载平衡；对海洋应急预警、预报、台风资料分析提供高效检索方式，并提高预报精度；促进业务化常规预报的质量、数值模式同化的效果、防灾减灾与应急预报决策的正确制定以及维权执法等海上活动的保障能力。
-
公开(公告)号：CN105913402B
公开(公告)日：2019-04-16
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
公开(公告)号：CN106485742B
公开(公告)日：2019-08-23
申请号：CN201610590717.5
申请日：2016-07-26
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于Arnold混沌映射的遥感图像加密检索方法,所述方法包括以下步骤：步骤S1：遥感图像预处理；步骤S2：遥感图像特征向量的提取；步骤S3：遥感图像的加密保护；步骤S4：遥感图像的相似性匹配；步骤S5：遥感图像的解密以及遥感图像加密的逆过程。其优点表现在：把基于Arnold混沌映射加密方法运用到遥感图像领域，保护了遥感图像在云环境下的安全存储，通过建立明文与密文之间的关联特性，使数据使用者能够直接通过云计算来对密文遥感图像进行安全检索。
-
公开(公告)号：CN106919783B
公开(公告)日：2019-04-19
申请号：CN201710041585.5
申请日：2017-01-20
Applicant: 上海海洋大学
Abstract: 本发明涉及一种浮标数据的多目标关联度划分处理方法，所述浮标数据的多目标关联度划分处理方法包括以下步骤：获取历年台风与浮标数据；构建浮标关系图；多目标问题公式化；构建针对浮标数据定制的NSGA‑II算法(带精英保存策略的非支配排序遗传算法)；输出适合浮标数据的多目标布局方法。其优点在于，将海区中所有的浮标构成图，将浮标分布划分区域存储；使微区内浮标数据相关性最大化、微区间的相关性最小化、跨微区通信时间最小化，并且使微区负载平衡；对海洋应急预警、预报、台风资料分析提供高效检索方式，并提高预报精度；促进业务化常规预报的质量、数值模式同化的效果、防灾减灾与应急预报决策的正确制定以及维权执法等海上活动的保障能力。
-
公开(公告)号：CN106971204A
公开(公告)日：2017-07-21
申请号：CN201710209001.0
申请日：2017-03-31
Applicant: 上海海洋大学
IPC: G06K9/62
CPC classification number: G06K9/6232
Abstract: 本发明涉及一种新的基于粗集的高光谱遥感数据的降维方法，所述方法包括以下步骤：对原始的高光谱遥感影像预处理，剔除噪声干扰波段，预选地物类型，确定其拓扑结构；粗集约简，使用粗集方法去除冗余波段，保留重要波段；信息熵排序，根据信息熵对重要波段进行重要度排序，筛选出对分类结果影响大的波段组合；通过筛选出的波段组合与PCA方法进行分类精度比较，验证降维效果。其优点表现在：可以实现高光谱有效的降维，减少高光谱数据的存储量和传输量，利于高光谱图像的后续处理与分析。
-
Patent Agency Ranking
公开(公告)号：CN106875362B
公开(公告)日：2020-04-10
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：CN103678883B
公开(公告)日：2017-02-22
申请号：CN201310594613.8
申请日：2013-11-21
Applicant: 上海海洋大学
IPC: G06F19/00
Abstract: 本发明给出了一种面向多源海洋环境监测数据的空间抽样方法。本发明首先提取海洋环境监测数据的空间位置信息，对多源海洋环境监测数据的属性信息进行标准化处理；然后，利用空间变异函数（Kriging）计算各海洋环境监测站点间的空间自相关系数，由此优化传统系统抽样方法，给出适合于多源海洋环境监测数据的一种新空间抽样方法；最后，通过方差比较和趋势面分析，检验新空间抽样方法的效率。本发明充分考虑海洋环境监测数据之间的空间相关性和变异性，提供一种面向多源海洋环境监测数据的空间抽样方法。该方法既达到了样本点在监测区域内分布均匀，又能在保证抽样精度的同时减少信息的冗余，可有效地运用于海洋环境监测工作，对监测站点进行关键点的布设提供理论依据。以某海域监测点的属性信息作为实证对象，验证本发明方法的有效性。
-
公开(公告)号：CN105913402A
公开(公告)日：2016-08-31
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10032
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
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：CN106485742A
公开(公告)日：2017-03-08
申请号：CN201610590717.5
申请日：2016-07-26
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于Arnold混沌映射的遥感图像加密检索方法,所述方法包括以下步骤：步骤S1：遥感图像预处理；步骤S2：遥感图像特征向量的提取；步骤S3：遥感图像的加密保护；步骤S4：遥感图像的相似性匹配；步骤S5：遥感图像的解密以及遥感图像加密的逆过程。其优点表现在：把基于Arnold混沌映射加密方法运用到遥感图像领域，保护了遥感图像在云环境下的安全存储，通过建立明文与密文之间的关联特性，使数据使用者能够直接通过云计算来对密文遥感图像进行安全检索。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
