-
公开(公告)号：CN111860570B
公开(公告)日：2021-06-15
申请号：CN202010495008.5
申请日：2020-06-03
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种云微粒子提取及分类方法，主要包括首先对图像数据进行分割处理，然后对图像数据进行类型判定，接着对CIP图像进行图像数据筛选和补全，对CPI图像进行图像数据去标注，之后建立云微粒子图像数据集，并建立基于迁移学习的深度神经网络分类模型，对云微粒子图像进行分类，通过该方法可有效的提高对云微粒子图像的分类准确率和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112001239B
公开(公告)日：2023-11-28
申请号：CN202010679460.7
申请日：2020-07-15
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多重SVD显著性融合的SAR图像目标检测优化方法，其实现步骤为：将一幅原始SAR图像进行多重SVD分解，接着对SAR图像及其近似图像提取强度特征，离群性特征和一致性特征，分别对不同特性下的SAR图像进行层间加操作，取层内图像均值等操作得到总显著图；以总显著图中显著值最高的像素点为中心，以所需检测目标在图像中的尺寸为半径，得到显著区域的转移轨迹和分布。本发明能够提高高分
-
公开(公告)号：CN111860571B
公开(公告)日：2021-05-25
申请号：CN202010495758.2
申请日：2020-06-03
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于CIP数据质量控制的云微粒子分类方法，主要包括首先对CIP图像进行预处理，然后对二值化的CIP图像进行云微粒子图像质量控制，接着CIP图像进行分割处理，建立基于迁移学习的深度神经网络分类模型，由于现有方法中缺乏对CIP数据进行图像质量控制并结合深度神经网络对CIP云微粒子图像进行分类，通过该方法可有效的提高对CIP云微粒子图像分类准确率。
-
公开(公告)号：CN112001239A
公开(公告)日：2020-11-27
申请号：CN202010679460.7
申请日：2020-07-15
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多重SVD显著性融合的SAR图像目标检测优化方法，其实现步骤为：将一幅原始SAR图像进行多重SVD分解，接着对SAR图像及其近似图像提取强度特征，离群性特征和一致性特征，分别对不同特性下的SAR图像进行层间加操作，取层内图像均值等操作得到总显著图；以总显著图中显著值最高的像素点为中心，以所需检测目标在图像中的尺寸为半径，得到显著区域的转移轨迹和分布。本发明能够提高高分辨率情况下的SAR图像目标检测算法的检测率，同时该优化检测方法对噪声还具有一定的鲁棒性。
-
公开(公告)号：CN111860571A
公开(公告)日：2020-10-30
申请号：CN202010495758.2
申请日：2020-06-03
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于CIP数据质量控制的云微粒子分类方法，主要包括首先对CIP图像进行预处理，然后对二值化的CIP图像进行云微粒子图像质量控制，接着CIP图像进行分割处理，建立基于迁移学习的深度神经网络分类模型，由于现有方法中缺乏对CIP数据进行图像质量控制并结合深度神经网络对CIP云微粒子图像进行分类，通过该方法可有效的提高对CIP云微粒子图像分类准确率。
-
公开(公告)号：CN111860570A
公开(公告)日：2020-10-30
申请号：CN202010495008.5
申请日：2020-06-03
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种云微粒子提取及分类方法，主要包括首先对图像数据进行分割处理，然后对图像数据进行类型判定，接着对CIP图像进行图像数据筛选和补全，对CPI图像进行图像数据去标注，之后建立云微粒子图像数据集，并建立基于迁移学习的深度神经网络分类模型，对云微粒子图像进行分类，通过该方法可有效的提高对云微粒子图像的分类准确率和可靠性。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
