-
公开(公告)号：CN112950492B
公开(公告)日：2022-04-29
申请号：CN202110117113.X
申请日：2021-01-28
Applicant: 中国石油大学(华东)
IPC: G06T5/00 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明公开基于自适应各向异性扩散的全极化SAR图像去噪方法，包括：S1、获取全极化SAR数据，并提取全极化SAR数据的协方差矩阵；S2、基于协方差矩阵提取极化散射熵；S3、基于极化散射熵进行梯度自适应滤波窗口的选择；S4、对协方差矩阵进行Freeman‑Durden分解，得到全极化SAR数据中各像素的布拉格散射、二次散射、体散射的功率；S5、基于各像素的布拉格散射、二次散射、体散射的功率，进行地物散射标记图的提取；S6、基于梯度自适应滤波窗口、地物散射标记图，采用散射机制的自适应各向异性扩散方法对全极化SAR图像去噪。本发明能够在抑制图像噪声的同时，充分地保留原始全极化SAR图像中的极化信息。
-
公开(公告)号：CN112926397B
公开(公告)日：2022-03-01
申请号：CN202110117101.7
申请日：2021-01-28
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V20/05 , G06K9/62
Abstract: 本发明公开一种基于两轮投票策略集成学习的SAR图像海冰类型分类方法，包括：对SAR海冰图像进行特征提取，得到优选纹理特征；采用原始极化特征和优选纹理特征融合形成的海冰特征图像，对基分类器进行选择训练和权重优化，得到类别得分矩阵和第一轮权重投票的分类结果；根据类别得分矩阵与预定义阈值参数将所有像素划分为模糊性标签像素集和确定性标签像素集，使用第一轮权重投票结果对确定性标签像素的分类结果进行确定；对模糊性标签像素进行第二轮权重投票纠正，完成初始集成分类结果中所有模糊性标签像素的更新，得到最终的海冰分类结果。采用本发明的技术方案，以解决现有海冰分类方法未能优化选取SAR图像海冰特征以及分类方法落后的问题。
-
公开(公告)号：CN109507724A
公开(公告)日：2019-03-22
申请号：CN201811294217.2
申请日：2018-11-01
Applicant: 中国石油大学(华东)
IPC: G01V1/28
Abstract: 本发明提出一种基于非震动态背景场的地震TEC异常信息提取方法，包括以下步骤：动态背景场建立、小波多尺度分析、支持向量机回归模型和异常信息提取方法；本发明通过非震动态背景场，在考虑了TEC自身的周期性变化，同时还考虑了太阳活动、地磁活动等空间环境的干扰，可以提取的地震TEC异常更为准确，同时可以减少地震电离层TEC异常信息提取过程中其它非震因素带来的干扰和误差，提高地震TEC异常检测的准确率，在地震期有较高的预警率，而在非震期虚警率较低，可以提高地震TEC异常信息提取效率。
-
公开(公告)号：CN104361225A
公开(公告)日：2015-02-18
申请号：CN201410610629.8
申请日：2014-11-03
Applicant: 中国石油大学(华东)
IPC: G06F19/00
Abstract: 本发明公开了一种海岸带地质环境承载力的评价方法，包括：建立海岸带地质环境承载力评价指标体系的步骤；利用非结构三角模糊数定权法及所述评价指标获得指标权重的步骤；根据所述评价指标及所述指标权重获得地质环境承载力并输出的步骤。本发明中的非结构三角模糊数定权法在指标权重确定的过程中，从整体方面充分考虑到各个指标重要性程度，然后依据二元语气算子，从悲观，中立，乐观三种态度出发建立评价判断矩阵，两种方法的有效融合，既符合专家认识的逻辑，又综合考察决策者在悲观，中立，乐观三种不同态度下对微观指标重要性判断，可以有效避免原有的单一态度评价结果的误判性。
-
公开(公告)号：CN104199084A
公开(公告)日：2014-12-10
申请号：CN201410441033.X
申请日：2014-08-29
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于热红外异常信号与小波神经网络的地震预测方法，该方法包括：步骤一、热异常信息提取；步骤二、构建热异常时空坐标系；步骤三、构建以热异常及断裂带为输入的地震预测小波神经网络；步骤四、进行小波神经网络的训练与地震预测试验。本发明利用小波神经网络的优点及地震前热异常现象的普适性，通过构建以地震热异常信号及断裂带为输入特征的小波神网络，实现了地震三要素的同时预测。
-
Patent Agency Ranking
公开(公告)号：CN115565080A
公开(公告)日：2023-01-03
申请号：CN202211241979.2
申请日：2022-10-10
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及遥感场景分类技术领域，提供了一种基于自注意力机制的多特征融合SAR图像海冰分类方法。本发明方法利用自注意力机制，能够有效提取优选的纹理特征图像的全局特征，具体为：根据支持向量机对图像纹理特征的分类精度，确定不同特征的贡献度；将前三个对分类精度贡献大的纹理特征组成三通道图像，用于训练Transformer Encoder模型；用模型自注意力机制提取的海冰SAR图像全局特征分类，得到最终分类结果。本发明利用自注意力机制提取优选后图像纹理的全局特征，能够提高SAR图像海冰分类的精度，易于实现、科学合理。
-
公开(公告)号：CN111144214B
公开(公告)日：2021-06-15
申请号：CN201911182498.7
申请日：2019-11-27
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了基于多层堆栈式自动编码器的高光谱图像解混方法，包括以下步骤：逐个训练三个自动编码器，组成堆栈自动编码器，提取图像高阶光谱特征；构造多层自动编码器网络，并利用步骤一中训练好的参数初始化该多层自动编码器网络；利用梯度下降算法训练多层自动编码器网络，直至多层自动编码器网络的输入层与输出层之间的重构误差最小；本发明通过利用堆栈自动编码器实现对高光谱图像高阶光谱特征的学习，为多层自动编码器提供更好的初始化，在多层自动编码器损失函数中加入稀疏项和正则化项约束端元和丰度，以此来提高解混精度，本方法不需要任何先验知识，进行无监督学习，泛化能力强，在端元提取和丰度估计方面都取得了良好的效果。
-
公开(公告)号：CN112950492A
公开(公告)日：2021-06-11
申请号：CN202110117113.X
申请日：2021-01-28
Applicant: 中国石油大学(华东)
Abstract: 本发明公开基于自适应各向异性扩散的全极化SAR图像去噪方法，包括：S1、获取全极化SAR数据，并提取全极化SAR数据的协方差矩阵；S2、基于协方差矩阵提取极化散射熵；S3、基于极化散射熵进行梯度自适应滤波窗口的选择；S4、对协方差矩阵进行Freeman‑Durden分解，得到全极化SAR数据中各像素的布拉格散射、二次散射、体散射的功率；S5、基于各像素的布拉格散射、二次散射、体散射的功率，进行地物散射标记图的提取；S6、基于梯度自适应滤波窗口、地物散射标记图，采用散射机制的自适应各向异性扩散方法对全极化SAR图像去噪。本发明能够在抑制图像噪声的同时，充分地保留原始全极化SAR图像中的极化信息。
-
公开(公告)号：CN112926189A
公开(公告)日：2021-06-08
申请号：CN202110116597.6
申请日：2021-01-28
Applicant: 中国石油大学(华东)
IPC: G06F30/20 , G06F16/215 , G06F16/29
Abstract: 本发明公开了一种基于无滤波最大切应变的地震前兆异常信息提取方法，包括以下步骤：通过目标地区的GLDAS水文数据，获得水文球谐展开系数，将目标地区的GRACE球谐系数与水文球谐展开系数做差，获得去除水文因素影响的GRACE月重力场数据；基于相邻月的GRACE月重力场数据，获得月差分重力场数据；基于左手系局部指北坐标系，通过拉格朗日重力应变张量，获得最大切应变，通过设置偏移指数，构建异常信息提取模型；基于构建的异常信息提取模型，对目标地区进行分析，在震前半年内提取到目标地区的异常信息，对地震预测具有参考指示意义，本发明所述方法能够探测到6级及以上地震震前异常信息。
-
公开(公告)号：CN111144214A
公开(公告)日：2020-05-12
申请号：CN201911182498.7
申请日：2019-11-27
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了基于多层堆栈式自动编码器的高光谱图像解混方法，包括以下步骤：逐个训练三个自动编码器，组成堆栈自动编码器，提取图像高阶光谱特征；构造多层自动编码器网络，并利用步骤一中训练好的参数初始化该多层自动编码器网络；利用梯度下降算法训练多层自动编码器网络，直至多层自动编码器网络的输入层与输出层之间的重构误差最小；本发明通过利用堆栈自动编码器实现对高光谱图像高阶光谱特征的学习，为多层自动编码器提供更好的初始化，在多层自动编码器损失函数中加入稀疏项和正则化项约束端元和丰度，以此来提高解混精度，本方法不需要任何先验知识，进行无监督学习，泛化能力强，在端元提取和丰度估计方面都取得了良好的效果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.098 seconds)
