-
公开(公告)号：CN113051817B
公开(公告)日：2024-04-12
申请号：CN202110295881.4
申请日：2021-03-19
Applicant: 上海海洋大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06F111/10
Abstract: 本发明公开了一种基于深度学习的海浪高度预测方法及其应用，方法：将海浪数据信息分别输入AM‑LSTM模型和CatBoost模型获取输出P1和P2后，按照以下公式对P1和P2进行重构得到预测序列P；P＝q2*P1+q1*P2，#imgabs0##imgabs1#其中，w1是指经AM‑LSTM模型输出的MAE、RMSE及MAPE的均值，w2是指经CatBoost模型输出的MAE、RMSE及MAPE的均值。本发明的海浪高度预测方法，兼顾了深度学习中的LSTM在处理长期数据预测方面的优势以及注意力机制本身的特点和CatBoost的参数少、训练快和不易过拟合的特点，对预测后的数据进行重构，其预测精度高，泛化性能强，特别适用于海浪高度的预测，极具应用前景。
-
公开(公告)号：CN108596853B
公开(公告)日：2022-07-08
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：CN109117883B
公开(公告)日：2022-01-11
申请号：CN201810918499.2
申请日：2018-08-13
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明属于海冰监测技术领域，公开了一种基于长短时记忆网络的SAR影像海冰分类方法及系统，以多幅连续观测的海冰SAR影像数据直接作为长短时记忆网络训练输入提取特征，并在网络训练中将海冰的密集度数据作为一维特征一起参与分类网络的训练，得到兼顾空间和时间维度的海冰分类网络；考虑未知海冰密集度数据的情况下，先训练基于长短时记忆网络的海冰密集度预测模型，然后将预测的密集度数据和SAR影像图像数据集合输入训练好的海冰分类网络进行分类。本发明在SAR影像海冰的分类中考虑到时间演变过程中海冰类别变化的时间维度特征，对于相近海冰类别的识别率具有很大的提升。
-
公开(公告)号：CN113643203A
公开(公告)日：2021-11-12
申请号：CN202110906451.1
申请日：2021-08-09
Applicant: 上海海洋大学
Abstract: 本专利公开一种在一些边界条件下图像模糊矩阵结构的辨识方法，包括依据边界条件和边角类型：1)确定边界条件矩阵的结构；2)分析扩展模糊矩阵与边界矩阵的乘积，以此获得图像模糊矩阵的结构。所公开的辨识方法，可用于特定边界条件和边角类型下图像模糊矩阵结构的辨识中，所确定的图像模糊矩阵的结构，可为图像恢复的计算实现提供依据。
-
公开(公告)号：CN113033094A
公开(公告)日：2021-06-25
申请号：CN202110313922.8
申请日：2021-03-24
Applicant: 上海海洋大学
IPC: G06F30/27 , G06N3/04 , G06F113/08
Abstract: 本发明公开了一种海浪高度预测方法，所述预测方法包括：将原始海浪高度数据序列进行VMD分解；将经过所述VMD分解得到的若干离散子序列IMF1，IMF2……IMFk输入至AM‑LSTM模型中获取所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk；将所述原始海浪高度数据输入至所述AM‑LSTM模型中获取所述原始海浪高度数据序列的模型预测结果PIMF；对所述若干离散子序列的模型预测结果PIMF1，PIMF2……PIMFk和所述原始海浪高度数据序列的模型预测结果PIMF进行重构计算得到所述海浪高度的最终预测值对所述最终预测值进行评估。
-
Patent Agency Ranking
公开(公告)号：CN110264484A
公开(公告)日：2019-09-20
申请号：CN201910567466.2
申请日：2019-06-27
Applicant: 上海海洋大学
IPC: G06T7/12
Abstract: 本发明属于海洋遥感技术领域，公开了一种面向遥感数据的改进海岛岸线分割系统及分割方法，进行基于最佳指数的遥感影像数据波段组合选择，将选择后波段组合数据作为海岛岸线分割的输入数据；进行基于Deeplab神经网络结构的海岛岸线粗分割；并进行基于全连接条件随机场的海岛岸线优化。本发明面向遥感波段数据，使用最佳指数公式选取最适合海岛岸线分割的波段组合训练神经网络；结合深度学习模型以及概率图模型，对海岛岸线进行粗分割以及细分割；本发明分割结果得出了97.8％的MIoU值。
-
公开(公告)号：CN109117883A
公开(公告)日：2019-01-01
申请号：CN201810918499.2
申请日：2018-08-13
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明属于海冰监测技术领域，公开了一种基于长短时记忆网络的SAR影像海冰分类方法及系统，以多幅连续观测的海冰SAR影像数据直接作为长短时记忆网络训练输入提取特征，并在网络训练中将海冰的密集度数据作为一维特征一起参与分类网络的训练，得到兼顾空间和时间维度的海冰分类网络；考虑未知海冰密集度数据的情况下，先训练基于长短时记忆网络的海冰密集度预测模型，然后将预测的密集度数据和SAR影像图像数据集合输入训练好的海冰分类网络进行分类。本发明在SAR影像海冰的分类中考虑到时间演变过程中海冰类别变化的时间维度特征，对于相近海冰类别的识别率具有很大的提升。
-
公开(公告)号：CN108596248A
公开(公告)日：2018-09-28
申请号：CN201810368763.X
申请日：2018-04-23
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于改进深度卷积神经网络的遥感影像分类模型，所述遥感分类模型包括以下步骤：步骤S1、基于瓶颈单元的遥感特征影像降维；步骤S2、基于分组卷积的遥感特征影像卷积多通道优化；步骤S3、基于通道洗牌的遥感特征影像特征提取能力改进；步骤S4、面向遥感影像空间位置特征的波段化处理。其优点表现在：实现了对待输入遥感影像的降维，降低深度卷积神经网络遥感影像分类模型训练时的卷积计算量；同时，针对遥感影像的空间相关性，构建通道洗牌结构，提升分组卷积阶段神经网络的特征提取能力。针对遥感影像的空间位置特征，提高了可深度卷积神经网络模型对遥感影像的空间位置特征识别度。
-
公开(公告)号：CN108550123A
公开(公告)日：2018-09-18
申请号：CN201810339859.3
申请日：2018-04-16
Applicant: 上海海洋大学
Abstract: 本发明公开在Replicated边界条件下，图像模糊矩阵与图像矢量乘积的一种替代计算方法，包括：1)在Replicated边界条件下，将图像模糊矩阵与图像矢量乘积(乘积一)，以及图像模糊矩阵的转置与图像矢量乘积(乘积二)，分别化为多个带可利用结构的分块矩阵与图像矢量的乘积之和；2)对各个分块矩阵，构造对应的点扩展函数；3)用分块矩阵的点扩展函数与图像或图像对应边界间的卷积，替代地计算两种乘积的矩阵形式中的各个分解部分；以及4)计算两种乘积。所公开的计算方法，可集成到Replicated边界条件下的大型图像滤波与图像恢复中，用于解决其中图像模糊矩阵及其转置与图像矢量乘积难于计算的问题。
-
公开(公告)号：CN108184112A
公开(公告)日：2018-06-19
申请号：CN201810084444.6
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心理测量理论动态优化的深海视频主观质量评价方法，所述方法包括以下步骤：步骤S1、深海视频质量的语义度量；步骤S2、深海视频主观质量评价设计；步骤S3、基于离散费希纳心理测量的主观质量动态优化评价策。其优点表现在：发明基于心理测量理论动态优化的深海视频主观质量评价方法，一旦投入应用，可以实现以下技术效果：从科学有用性的角度进行标度，深海视频的主观视频质量评价以主体按照既定的评价过程和评价准则，对给定深海视频测试序列的质量做出合理度量；通过动态跟踪评价过程减少冗余评价能有效提高评价效率，在保证精度的同时能够极大的节约时间、人力资源，达到节约成本的目的。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.027 seconds)
