-
公开(公告)号：CN107203957B
公开(公告)日：2021-04-02
申请号：CN201710358007.4
申请日：2017-05-19
Applicant: 上海海洋大学
IPC: G06F16/583 , G06F21/60
Abstract: 本发明涉及一种多时相高光谱遥感图像的安全外包搜索方法，所述的安全外包搜索方法包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块。优点在于，利用云平台进行存储、搜索，速度快，效率高，解决了本地平台存储压力及无法搜索的难题；利用加密及Johnson‑Lindenstrauss转换对遥感图像进行双重加密，避免云平台环境下数据泄漏、数据篡改、数据劫持等问题；利用欧式距离及添加高斯噪声模拟不同时相的遥感图像，提高准确率；对筛选出来的图像从云平台下载到本地平台进行解密，提高安全性。
-
公开(公告)号：CN106897705B
公开(公告)日：2020-04-10
申请号：CN201710117922.4
申请日：2017-03-01
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于增量学习的海洋观测大数据分布方法，一种基于增量学习的海洋观测大数据分布方法，所述分布方法包括以下步骤：S1：输入待布局的增量海洋观测数据集；S2：初始化存储容量；S3：计算增量数据集中数据的数据价值；S4：对增量数据集中的所有数据进行划分；S5：利用增量学习方法对增量数据集进行训练；S6：对训练后的数据进行布局；S7：输出布局后的增量海洋观测数据集；其中，所述的步骤S5中的增量学习方法为支持向量机增量学习方法。其优点在于，保证分类正确率的同时，降低训练时间的开销和用户访问数据的响应时间；利用支持向量机的增量学习算法解决过量匹配的问题；有效压缩了样本集的大小并舍弃无用样本。
-
公开(公告)号：CN109325048A
公开(公告)日：2019-02-12
申请号：CN201810966994.0
申请日：2018-08-23
Applicant: 上海海洋大学
IPC: G06F16/245 , G06F16/242
Abstract: 本发明公开了一种基于图模型构建的赤潮数据查询方法，所述方法包含：赤潮数据图模型的构建、赤潮数据查询语言的构建；所述赤潮数据图模型RTGraph包括三种数据：点数据、边数据、赤潮边缘数据；所述赤潮边缘数据是一种点数据，由点上属性标记；所述赤潮数据查询语言包括：创建语句、查询语句、更新语句、插入语句、删除语句。将赤潮数据按照特定阶段存储在图模型中，建立赤潮的边数据，可以表示赤潮数据之间的关联，不仅可以在图模型上进行普通的点和边的查询，同时可以进行各种模型查询，提高了查询的速度和精度，可以充分利用赤潮数据进行研究。研究人员可以预测到阶段转换发生的时间和地点，针对此采取相应的措施，减少经济和生态上的损失。
-
公开(公告)号：CN117891854A
公开(公告)日：2024-04-16
申请号：CN202410071049.X
申请日：2024-01-17
Applicant: 上海海洋大学
IPC: G06F16/2458 , G06F16/29 , G06Q50/26
Abstract: 本发明提供了一种海面温度不可逆性的量化方法，所述方法包括：获取一个时期内海面温度时间序列数据；将时间序列格式的海面温度数据转化为网络数据；对网络的相关拓扑结构进行统计，从网络本身的拓扑结构上获取信息；通过相对熵来获取对海面温度时间序列的不可逆性量化结果。本发明方法可对海面温度数据提供有效精准的非对称性量化，并且能够很好的保留原始数据的多尺度特征。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN107273928A
公开(公告)日：2017-10-20
申请号：CN201710446161.7
申请日：2017-06-14
Applicant: 上海海洋大学
CPC classification number: G06K9/6269 , G06K9/4676
Abstract: 本发明涉及一种基于权重特征融合的遥感图像自动标注方法，所述的遥感图像自动标注方法包括以下步骤：S01：对遥感图像进行颜色描述；S02：对遥感图像进行纹理描述；S03：对遥感图像进行形状描述；S04：对遥感图像进行权重特征融合；S05：对遥感图像进行自动标注。其优点在于，对遥感图像进行颜色、纹理、形状特征提取，以随机权重形式进行组合，获得遥感图像内容的准确表达，实现遥感图像的语义自动标注；遥感图像自动标注帮助用户迅速定位目标图像，为普通大众获取遥感图像提供便利，提高遥感图像检索效率，有利于图像管理和使用；遥感应用奠定坚实基础，帮助实时追踪、快速预警和辅助决策。
-
公开(公告)号：CN107203957A
公开(公告)日：2017-09-26
申请号：CN201710358007.4
申请日：2017-05-19
Applicant: 上海海洋大学
CPC classification number: G06T1/0021 , G06F17/30247
Abstract: 本发明涉及一种多时相高光谱遥感图像的安全外包搜索方法，所述的安全外包搜索方法包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块。优点在于，利用云平台进行存储、搜索，速度快，效率高，解决了本地平台存储压力及无法搜索的难题；利用加密及Johnson‑Lindenstrauss转换对遥感图像进行双重加密，避免云平台环境下数据泄漏、数据篡改、数据劫持等问题；利用欧式距离及添加高斯噪声模拟不同时相的遥感图像，提高准确率；对筛选出来的图像从云平台下载到本地平台进行解密，提高安全性。
-
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：CN118037778A
公开(公告)日：2024-05-14
申请号：CN202410227097.3
申请日：2024-02-29
Applicant: 上海海洋大学
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/0495
Abstract: 本发明提供了一种基于模板提示的视频目标实时跟踪系统及方法，所述系统包括骨干网络、颈网络、多尺度层次Transformer网络以及预测头，所述骨干网络输出搜索区域特征、动态模板特征和初始模板特征给颈网络，所述颈网络包括动态模板提示器，将初始模板特征和动态模板特征输入到动态模板提示器，得到融合模板，所述多尺度层次Transformer从骨干网络和动态模板提示器的不同阶段获取输入，输出一个向量给预测头，所述预测头包含得分预测头和角点预测头，得分预测头对预测质量进行打分，如果得分超过设定的置信度阈值，并达到更新间隔，动态模板就会更新，角点预测头预测出物体在搜索区域的位置，实现跟踪。本发明方法精度更高，速度更快，适用于轻量级网络。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
