-
公开(公告)号：CN104504389B
公开(公告)日：2018-11-06
申请号：CN201410798632.7
申请日：2014-12-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于卷积神经网络的为卫星云量计算方法，先建立包含6000~8000训练样本的卫星云图训练样本，手动在卫星云图中标注出各2000~3000样本的厚云，薄云和晴空云图块，以此作为卷积神经网络的训练样本；再将训练样本和卫星云图进行预处理作为卷积神经网络的数据输入，然后进行卷积神经网络检测，以此检测云图中各厚云，薄云和晴空区域所在位置；最后根据云图中厚云、薄云和晴空的位置，分别计算其灰度值，根据其灰度值来进行卫星云图的云量计算。本发明可以把卫星云图图像直接作为CNN的输入，而且将特征提取功能融入神经网络，隐式的对图像的特征进行提取，比现有技术更加方便和精确，具有重要的应用价值。
-
公开(公告)号：CN106228197A
公开(公告)日：2016-12-14
申请号：CN201610678002.5
申请日：2016-08-15
Applicant: 南京信息工程大学
CPC classification number: G06K9/6274 , G06N3/08
Abstract: 本发明公开了一种基于自适应极限学习机的卫星图像云量识别方法，首先利用云图历史数据训练极限学习机神经网络，然后通过KNN算法找出测试样本的k个近邻，将k个近邻的算术平均值作为神经网络的输入，得到分类结果，最后采用空间相关方法计算云图上的总云量。本发明克服了传统技术中神经网络的输入数据零散、结果误差大的缺陷。
-
公开(公告)号：CN104504389A
公开(公告)日：2015-04-08
申请号：CN201410798632.7
申请日：2014-12-18
Applicant: 南京信息工程大学
CPC classification number: G06K9/6268 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的为卫星云量计算方法，先建立包含6000~8000训练样本的卫星云图训练样本，手动在卫星云图中标注出各2000~3000样本的厚云，薄云和晴空云图块，以此作为卷积神经网络的训练样本；再将训练样本和卫星云图进行预处理作为卷积神经网络的数据输入，然后进行卷积神经网络检测，以此检测云图中各厚云，薄云和晴空区域所在位置；最后根据云图中厚云、薄云和晴空的位置，分别计算其灰度值，根据其灰度值来进行卫星云图的云量计算。本发明可以把卫星云图图像直接作为CNN的输入，而且将特征提取功能融入神经网络，隐式的对图像的特征进行提取，比现有技术更加方便和精确，具有重要的应用价值。
-
公开(公告)号：CN104463252A
公开(公告)日：2015-03-25
申请号：CN201410795221.2
申请日：2014-12-18
Applicant: 南京信息工程大学
IPC: G06K9/66
CPC classification number: G06K9/6276
Abstract: 本发明公开了一种地基云图云分类方法，属于图像信息处理和气象技术领域。本发明方法包括以下步骤：（1）提取云图的纹理特征、形状特征以及颜色特征形成一个21维的特征向量；（2）对21维的特征向量的每一位进行归一化处理；（3）建立自适应极限学习机模型，利用训练样本进行网络训练；（4）以归一化的21维特征向量作为自适应极限学习机的输入，云的种类作为输出进行云的分类。本发明综合利用云图的纹理特征、形状特征以及颜色特征，建立一种基于k近邻和极限学习机的自适应极限学习机模型，实现地基云的准确分类，该方法可获得比现有的方法更加准确的分类性能，具有重要应用价值。
-
-
-
Search Results
4
records
(took 0.027 seconds)
