-
公开(公告)号：CN119027380A
公开(公告)日：2024-11-26
申请号：CN202411060737.2
申请日：2024-08-05
Applicant: 大连海事大学
IPC: G06T7/00 , G06V10/25 , G06V10/56 , G06V10/58 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明公开了一种基于波段线性变换与深度学习的烟丝杂质检测方法，该方法使用高光谱成像技术获得多波段图像并对图像进行校正；其次采用波段线性变换的方式将多波段高光谱图像转换为3波段图像，得到的3波段图像包含多波段图像的特性，在降低图像维度的同时保留了有助于检测的图像信息；最后，将波段线性变换得到的3波段图像制作数据集，用yolo模型进行训练和异物检测。将该方法应用于烟草的杂质剔除工作，提高了图像质量和检测精度，对实际的生产具有重要的实际意义。
-
公开(公告)号：CN114220008B
公开(公告)日：2024-09-17
申请号：CN202111494041.7
申请日：2021-12-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0985 , G06N3/0464 , G06T5/20 , G06T5/30
Abstract: 本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。
-
公开(公告)号：CN114220007B
公开(公告)日：2024-09-17
申请号：CN202111494021.X
申请日：2021-12-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/764
Abstract: 本发明公开了一种基于过完备深度低秩子空间聚类的高光谱图像波段选择方法，通过对网络模型参数初始化，输入高光谱立方体和选择的波段数；划分训练样本，训练网络，计算损失函数，通过反向传播更新网络参数；保存网络参数，计算相似性图，利用谱聚类得到聚类结果，选择离聚类中心最近的波段作为最优波段子集；通过支持向量机(SVM)进行分类并评价分类结果。采用过完备表示和不完全表示的深度卷积自动编码器网络进行特征融合，提取更有意义和更丰富的光谱空间信息，用低秩表示获得更加鲁棒的亲和力矩阵来执行子空间聚类，提高子空间聚类的性能和确保准确选取信息波段子集。
-
公开(公告)号：CN111498068B
公开(公告)日：2024-07-09
申请号：CN202010471628.5
申请日：2020-05-28
Abstract: 本发明公开了一种小型AUV集群水下回收装置用吊装系统，包括位于顶端的伸缩结构和用于对AUV进行收纳的回收结构，当AUV进入回收结构内，伸缩结构将与回收结构进行对接，对接完成后，该伸缩结构将回收结构锁紧传送至母船内；所述伸缩结构包括位于上端的伸缩导轨，所述伸缩导轨的下端固定连接有导轨连接器，所述导轨连接器包括液压锁定结构，所述液压锁定结构的端部固定连接有抓手，所述导轨连接器的四周端部固定连接有四个电磁感应单元。该系统首先回收AUV、再采用导轨收缩方式将装载有AUV的回收结构收取并运输至母船内，整个过程基于电磁感应原理保证对AUV进行精准的回收。
-
公开(公告)号：CN115766027B
公开(公告)日：2024-05-07
申请号：CN202211372018.5
申请日：2022-11-03
Applicant: 大连海事大学
Abstract: 本发明提供一种多类型图像联合加密方法、系统及存储介质。本发明方法，包括：通过SHA‑512算法生成密钥，并对生成的密钥进行处理；将处理后的密钥代入改进的Chebyshev混沌系统NCCS，生成两个分别用于置乱和扩散的伪随机序列；采用螺旋曲线对三维矩阵进行降维处理，再依次进行索引置乱和一维Arnold置乱；采用经典的加取模的循环左移方法进行扩散，得到密文图像。本发明设计了一种基于低维混沌系统的遥感图像、灰度图像及彩色图像的联合加密方法，本发明方法对遥感图像的尺寸和波段数没有限制，解决了遥感图像、灰度图像及彩色图像等多类型图像联合加密的问题且加密效果较好。
-
Patent Agency Ranking
公开(公告)号：CN113762389B
公开(公告)日：2024-04-12
申请号：CN202111050504.0
申请日：2021-09-08
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于动态诊断的高光谱影像小样本分类方法，包括以下步骤：建立基于元学习的分类任务；构建特征提取网络和双分支边推导网络；利用建立的更新原则训练进行分类模型的训练；构建动态诊断策略为待分类样本分配标签。本发明使用少量的高光谱影像样本进行分类模型的训练，并利用动态诊断判别提升测试集的分类精度，采用双分支深度神经网络搭建特征提取网络用于提取特征及边推导网络用于空间相似性和光谱相似性度量，测试时构建动态诊断器，筛选出样本当前任务中符合高类内相似性和高类间差异性且光谱分支网络和空间分支网络的分类结果保持一致性的样本，进而提升分类性能。
-
公开(公告)号：CN113673599B
公开(公告)日：2024-04-12
申请号：CN202110962828.5
申请日：2021-08-20
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于校正原型学习的高光谱影像分类方法，包括选取高光谱场景图像，随机提取部分样本作为训练集；随机选出支持集和查询集；搭建深度网络模型，并计算学习度量空间中的初始类原型；搭建带有残差块的卷积神经网络；S4：训练所述深度网络模型；S5：选取测试数据集，从中随机选取监督样本，并对所述监督样本的分布做校正标准化处理；S6：计算测试集样本与所述测试类原型的欧式距离。本发明利用基于校正原型学习的高光谱分类方法对高光谱图像进行分类，通过选取支持集和查询集，避免使用大量的标记样本，节省样本标记成本。与传统原型网络相比，得到了更好的分类精度，在高光谱图像地表精细分类等方面具有重要的应用价值。
-
公开(公告)号：CN117372783A
公开(公告)日：2024-01-09
申请号：CN202311561639.2
申请日：2023-11-21
Applicant: 大连海事大学
IPC: G06V10/764 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/74 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于中心关注Transformer模型的高光谱影像分类方法与系统，包括，选取高光谱场景图像并进行裁剪，根据裁剪后的高光谱场景图像制作高光谱立方体，并从中随机选取部分裁剪后的高光谱场景图像作为训练集和验证集；构建Transformer模型，所述Transformer模型包括一个预处理模块、四个全局自信息计算层和全局平均池化层；所述预处理模块用于提取输入图像的特征并降低输入图像的通道数；任一全局自信息计算层包括中心像元自关注模块、跨通道全局融合模块与前馈网络层；根据训练集对Transformer模型进行交叉熵分类损失训练和验证，根据验证后的Transformer模型对待分类的高光谱影像进行分类。所提出的方法降低了计算的复杂度和计算代价，提高了高光谱遥感图像的分类精度。
-
公开(公告)号：CN117252896A
公开(公告)日：2023-12-19
申请号：CN202311164980.4
申请日：2023-09-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于有限阶马尔科夫高光谱实时异常检测方法，包括：读取高光谱图像数据，初始化行数；建立行间信息量的有限阶马尔科夫模型，计算当前行i的信息量，以及计算信息量的二阶导数值，判断当前行是异常行还是非异常行；建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程，如果是异常行，光谱向量相关矩阵R(n)将新数据替换原始数据的第一行，如果是非异常行，将新数据添加到原始数据中；更新相关矩阵R(n)的逆矩阵R‑1(n)；对高光谱数据进行检测，最后得到高光谱图像实时局部异常检测的结果。本发明实现了对高光谱图像的局部异常检测，避免了高维数据存储和重复计算，并具有较好的局部异常检测效果。
-
公开(公告)号：CN111311696B
公开(公告)日：2023-07-25
申请号：CN202010089208.0
申请日：2020-02-12
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于高光谱解混技术的车牌真伪检测方法，包括：采用高光谱照相机获取伪造车牌图像将其作为解混目标图像；根据解混目标图像建立线性光谱混合模型；构建目标端元矩阵集合M，其中目标端元矩阵集合M包括当前车牌图像提取到的目标端元集合M1和存储普适真实目标的端元集合M2，结合最小二乘法对给定的目标端元集合M进行解混，获取各端元mi对应的丰度结果图FMapi，设定阈值T，获得各目标端元丰度图FMapi的二值化可视结果BMapi，对二值可视结果BMapi进行优化、获得车牌伪造信息的最终结果FinalMAP。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.027 seconds)
