-
公开(公告)号：CN112799144A
公开(公告)日：2021-05-14
申请号：CN202011614882.2
申请日：2020-12-30
Abstract: 本发明实施例公开了一种基于梯度下降法的全天空成像仪的几何定标方法。该方法包括：选取全天空图像中的目标星点，并确定目标星点在全天空图像坐标系下的星点位置坐标以及在极光观测站处全天空图像时刻目标星点的真实方位角和真实天顶角；基于真实方位角、全天空图像中的天顶位置和地理方位构建误差函数，并根据误差函数确定真实天顶位置和真实地理方位；根据星点位置坐标和真实天顶位置确定目标星点的成像半径，并根据真实天顶角和成像半径拟合得到全天空图像中成像半径与真实天顶角之间的关系。本发明实施例的技术方案，以实现不受地域局限快速准确对全天空成像仪进行几何定标，全天空成像仪几何定标更加灵活。
-
公开(公告)号：CN110188612A
公开(公告)日：2019-08-30
申请号：CN201910347210.0
申请日：2019-04-28
Abstract: 本发明公开了一种基于生成式对抗网络的极光卵强度图像建模方法，主要解决现有模型对极光卵强度预测结果不准确的问题。其实现步骤为：1)从Polar卫星所拍摄的紫外极光图像中选取极光卵图像数据，从OMNI数据库中选取与极光卵图像时间对应的空间参数，并对其预处理，2)将预处理后的极光卵图像数据和空间参数数据按照时间关系一一对应为极光卵图像数据和空间参数数据对，并从数据对中分出训练数据和测试数据；3)用训练数据对生成式对抗网络进行训练，得到训练好的生成器G*和训练好的判别器D*；4)将测试数据中的空间参数输入到训练好的生成器G*中，得到极光卵强度图像。本发明在提高了极光卵强度预测的准确性，可用于极光卵强度的预测。
-
公开(公告)号：CN105550712A
公开(公告)日：2016-05-04
申请号：CN201510976336.6
申请日：2015-12-23
CPC classification number: G06K9/6256 , G06K9/627 , G06N3/088
Abstract: 本发明公开了基于优化卷积自动编码网络的极光图像分类方法，主要解决现有技术对极光图像分类准确率较低的问题。其实现步骤为：1.求极光图像显著图并基于其显著图提取训练样本；2.对训练样本进行白化预处理；3.训练自动编码网络AE；4.利用训练好的自动编码网络求极光图像的卷积自编码特征；5.将极光图像的卷积自编码特征进行平均池化；6.将池化后的卷积自编码特征输入到softmax分类器，实现对极光图像的分类。本发明能实现对四类极光图像的计算机自动分类，且具有分类准确率高的优点。可用于图像的场景分类与目标识别。
-
公开(公告)号：CN112731569B
公开(公告)日：2022-07-12
申请号：CN202011547331.9
申请日：2020-12-24
IPC: G01W1/18
Abstract: 本发明实施例公开了一种基于恒星辐射光谱及通量的全天空成像仪辐射定标方法。该辐射定标方法包括：选取全天空图像中的目标恒星后确定在极光观测站处全天空图像时刻所述目标恒星对应的天顶角，并根据天顶角获取在极光观测谱线上目标恒星对应的天顶角处的大气透射率；计算得到目标恒星在极光观测谱线上的光子辐射通量以及目标恒星对应的第一立体角，并根据光子辐射通量和第一立体角确定目标恒星的恒星辐射亮度；确定目标恒星对应的探测器输出信号值，并根据探测器输出信号值、大气透射率和恒星辐射亮度确定全天空成像仪的辐射系数。本发明实施例的技术方案，以实现不受地域局限快速准确对全天空成像仪进行辐射定标，全天空成像仪辐射定标更加灵活。
-
公开(公告)号：CN106131567B
公开(公告)日：2019-01-08
申请号：CN201610517071.8
申请日：2016-07-04
IPC: H04N19/513 , H04N19/577 , H04N19/587 , H04N21/2343 , H04N21/4402
Abstract: 本发明公开了一种基于格子玻尔兹曼的紫外极光视频帧率上转换方法，主要解决现有视频帧率上转换方法不适合非刚体运动的极光视频帧率上转换的问题。其实现过程为：1)选取预处理后的极光视频的相邻两帧，2)计算两帧的灰度差；3)根据灰度差计算驱动两帧图像粒子流动的外力；4)利用外力迭代计算两帧图像的粒子位移场，记下粒子位移场不变时的迭代次数n；5)以为迭代次数，重新计算两帧图像的粒子位移场，并使两帧图像的粒子分别按照各自重新计算后的粒子位移场移动得到两幅新图像；6)将两幅新图像融合得到插值帧，完成紫外极光视频的帧率上转换。本发明提升了紫外极光视频的时间分辨率，可用于非刚体运动的视频的帧率上转换。
-
Patent Agency Ranking
公开(公告)号：CN112799144B
公开(公告)日：2024-01-16
申请号：CN202011614882.2
申请日：2020-12-30
Abstract: 本发明实施例公开了一种基于梯度下降法的全天空成像仪的几何定标方法。该方法包括：选取全天空图像中的目标星点，并确定目标星点在全天空图像坐标系下的星点位置坐标以及在极光观测站处全天空图像时刻目标星点的真实方位角和真实天顶角；基于真实方位角、全天空图像中的天顶位置和地理方位构建误差函数，并根据误差函数确定真实天顶位置和真实地理方位；根据星点位置坐标和真实天顶位置确定目标星点的成像半径，并根据真实天顶角和成像半径拟合得到全天空图像中成像半径与真实天顶角之间的关系。本发明实施例的技术方案，以实现(56)对比文件霍娟 等.利用全天空可见光图像反演天空辐亮度.气象学报.2010,第68卷(第06期),第800-807页.
-
公开(公告)号：CN105550712B
公开(公告)日：2019-01-08
申请号：CN201510976336.6
申请日：2015-12-23
Abstract: 本发明公开了基于优化卷积自动编码网络的极光图像分类方法，主要解决现有技术对极光图像分类准确率较低的问题。其实现步骤为：1.求极光图像显著图并基于其显著图提取训练样本；2.对训练样本进行白化预处理；3.训练自动编码网络AE；4.利用训练好的自动编码网络求极光图像的卷积自编码特征；5.将极光图像的卷积自编码特征进行平均池化；6.将池化后的卷积自编码特征输入到softmax分类器，实现对极光图像的分类。本发明能实现对四类极光图像的计算机自动分类，且具有分类准确率高的优点。可用于图像的场景分类与目标识别。
-
公开(公告)号：CN104113736B
公开(公告)日：2017-12-05
申请号：CN201410369969.6
申请日：2014-07-30
Applicant: 中国极地研究中心
Abstract: 本发明涉及一种极光活动监测系统。包括：用于极光全天空成像的鱼眼镜头、用于将极光全天空成像生成极光模拟视频信号的低照度工业相机、用于控制低照度工业相机的相机控制器、及用于将极光模拟视频信号转换为数字化视频并通过与网络连接为外界提供在线视频流功能的视频编码器，鱼眼镜头安装在低照度工业相机的前端，低照度工业相机通过BNC线缆与视频编码器连接，相机控制器与低照度工业相机电连接。本发明实现了极弱光照条件下的极光良好成像，并且能够提供在线视频流功能，实现了完全无人值守的自动化观测，具有安装及操作方便、成本低、成像质量较好、在线视频流输出和定时图像采集等优点，能够满足极光活动实时监控的需求。
-
公开(公告)号：CN104113736A
公开(公告)日：2014-10-22
申请号：CN201410369969.6
申请日：2014-07-30
Applicant: 中国极地研究中心
Abstract: 本发明涉及一种极光活动监测系统。包括：用于极光全天空成像的鱼眼镜头、用于将极光全天空成像生成极光模拟视频信号的低照度工业相机、用于控制低照度工业相机的相机控制器、及用于将极光模拟视频信号转换为数字化视频并通过与网络连接为外界提供在线视频流功能的视频编码器，鱼眼镜头安装在低照度工业相机的前端，低照度工业相机通过BNC线缆与视频编码器连接，相机控制器与低照度工业相机电连接。本发明实现了极弱光照条件下的极光良好成像，并且能够提供在线视频流功能，实现了完全无人值守的自动化观测，具有安装及操作方便、成本低、成像质量较好、在线视频流输出和定时图像采集等优点，能够满足极光活动实时监控的需求。
-
公开(公告)号：CN110188612B
公开(公告)日：2023-02-10
申请号：CN201910347210.0
申请日：2019-04-28
IPC: G06V20/13 , G06V10/774 , G06V10/84 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于生成式对抗网络的极光卵强度图像建模方法，主要解决现有模型对极光卵强度预测结果不准确的问题。其实现步骤为：1)从Polar卫星所拍摄的紫外极光图像中选取极光卵图像数据，从OMNI数据库中选取与极光卵图像时间对应的空间参数，并对其预处理，2)将预处理后的极光卵图像数据和空间参数数据按照时间关系一一对应为极光卵图像数据和空间参数数据对，并从数据对中分出训练数据和测试数据；3)用训练数据对生成式对抗网络进行训练，得到训练好的生成器G*和训练好的判别器D*；4)将测试数据中的空间参数输入到训练好的生成器G*中，得到极光卵强度图像。本发明在提高了极光卵强度预测的准确性，可用于极光卵强度的预测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
