-
公开(公告)号：CN115128616B
公开(公告)日：2025-03-28
申请号：CN202210932180.1
申请日：2022-08-04
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
Abstract: 本发明涉及基于机载Ka波段降水云雷达的液态水含量反演方法。主要使用飞机原位测量的全尺寸分布和机载降水云雷达的反射率，从机载Ka波段降水云雷达测量的总反射率中明确分离不同水凝物贡献的反射率Z，然后从原位测量得到每种水凝物的质量浓度M和反射率Z之间的关系。将液态水的Z‑M关系应用到分离出来的液态水回波中，得到云中整个垂直剖面的液态水含量。该方法可以显著减小液态水含量与反射率之间的离散性，从而更准确地确定云中液态水含量。
-
公开(公告)号：CN118445567A
公开(公告)日：2024-08-06
申请号：CN202410539315.7
申请日：2024-04-30
Applicant: 成都信息工程大学
IPC: G06F18/20 , G06N3/0455 , G06N3/08 , G06F18/25
Abstract: 本发明公开了基于多模态融合的能见度测量方法，包括以下步骤：S1、获取光斑图像和气象因素；S2、将光斑图像输入Swin‑Transformer，得到光斑特征向量；S3、将光斑特征向量与气象因素进行拼接，生成特征集；S4、将特征集输入多层感知机进行训练，输出MOR。本发明通过多模态双反射透射仪实现了一种类似于比尔‑朗伯定律的机制，获取近处光斑图像和远处光斑图像，还采用Swin Transformer和多层感知机相结合的多模态网络结构，综合气象因素和光斑图像来预测MOR，实验结果表明，与VPF710的测量结果相比，本发明具有较高的趋势一致性和相对较低的误差。
-
公开(公告)号：CN117714638A
公开(公告)日：2024-03-15
申请号：CN202311698249.X
申请日：2023-12-12
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种固定场景下的视频监控动态优化处理方法，主要包括对摄像头是否遭遇遮挡的高效判断和对监控区域的智能优先级分配。首先，通过分阶段分析单帧及多帧图像，细致判断摄像头是否被遮挡，有效提高了判断的准确性和响应速度。其次，创新性地对监控场景进行区域划分，并基于各区域的角点变化率与目标出现概率计算区域优先度。这种方法使得监控系统能够根据实时情况动态调整关注焦点，优化资源分配，提高监控效率及事件响应能力，特别适用于需要长时间稳定监控的固定场景。
-
公开(公告)号：CN114821136B
公开(公告)日：2023-04-21
申请号：CN202210372999.7
申请日：2022-04-11
Applicant: 成都信息工程大学
IPC: G06V10/762 , G06V10/778 , G01W1/10
Abstract: 本发明涉及一种自适应的云微粒子图像数据处理方法，主要包括依据机载综合气象测量系统所得信息，首先对原始云微粒子图像数据进行基于高度的批次、数据块划分及随机样本选择，然后进行基于温度的批次、数据块划分及随机样本选择，接着对数据进行聚类处理，再针对特定时间段原始云微粒子图像数据建立深度学习模型，对云微粒子数据筛选方案进行比较，确定云微粒子图像数据的处理方案，该方法提高了对云微粒子图像数据筛选的准确性、可靠性及泛化能力。
-
公开(公告)号：CN114708279B
公开(公告)日：2023-04-07
申请号：CN202210374304.9
申请日：2022-04-11
IPC: G06T7/11 , G06T7/90 , G06V10/762
Abstract: 本发明涉及一种云微粒子数据区域提取方法，主要包括对云微粒子数据进行数据集筛选和聚类，然后对所有图像数据中的像素块属性进行初步确认，在对初步确认的中心像素块和附属像素块分别进行中心像素块同区域搜索和附属像素块同区域搜索后，以中心像素块为核心，以归属于该中心像素块的附属像素块为扩展区域，两者共同作为单个云微粒子区域，以单个云微粒子区域为对象进行云微粒子提取，通过该方法提高了云微粒子数据区域提取的完整性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115665283A
公开(公告)日：2023-01-31
申请号：CN202211283931.8
申请日：2022-10-20
Applicant: 成都信息工程大学
IPC: H04L69/22 , H04L43/028 , G06F18/2431 , G06N20/00
Abstract: 本发明涉及一种基于WiFi特征的无人机监测方法。本发明基于无线网卡捕获的无人机信号数据包，提出基于WiFi特征的无人机信号检测算法，该算法不需要采集无人机信号的原始数据，只需抓取极短时间内的无人机通信链路的数据包，并使用随机森林算法对捕获的信号进行特征识别或比对无人机型数据库从而有效探测无人机。由于本方法集成于嵌入式处理器，因此是一种应用方便的无人机信号检测算法。
-
公开(公告)号：CN114648711A
公开(公告)日：2022-06-21
申请号：CN202210374321.2
申请日：2022-04-11
Applicant: 成都信息工程大学
IPC: G06V20/20 , G06V10/50 , G06V10/762 , G06K9/62
Abstract: 本发明涉及一种基于聚类的云微粒子图像虚假目标滤除方法，主要包括首先对原始云微粒子图像数据进行聚类和同区域搜索，然后对所有图像数据进行单个云微粒子区域提取，接着将单个云微粒子区域与其所属图像数据中的中心像素块之间的空间重叠关系特征、单个云微粒子区域的长宽比特征及单个云微粒子区域的统计分布特征结合，对原始云微粒子图像中的虚假目标进行滤除，通过该方法来对虚假目标进行滤除，可以提高云微粒子图像中虚假目标滤除的准确性和可靠性。
-
公开(公告)号：CN108830883B
公开(公告)日：2022-04-01
申请号：CN201810567306.3
申请日：2018-06-05
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于超像素结构的视觉注意SAR图像目标检测方法，属于雷达遥感或图像处理技术，主要解决SAR图像目标检测时检测率低、虚警率和漏检率高以及检测到的目标失真的问题。其实现步骤为：确定待输入的SAR图像，先进行滤波；接着提取灰度和方向初级视觉特征；进行归一化和显著性处理；生成显著图；设定阈值Sth生成二值化的显著图选出候选目标区域；将二值化的显著图和滤波后的图像点乘；用SLIC超像素生成算法将图像分割成超像素区域；设定角点检测的阈值Rth对图像进行Harris角点检测以突出目标与背景的超像素的结构特征的差异；统计每个超像素区域内的角点个数；设定阈值Th进行离群值检测以剔除候选目标区域中包含的虚警，得到最终SAR图像目标检测结果。本发明充分利用超像素、视觉注意、Harris角点检测相结合的方法来实现SAR图像目标检测，得到的检测结果显示本发明方法检测率高、虚警率和漏检率低，并且检测结果不失真，即检测后的SAR图像目标形态能够完整的保留。
-
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。
-
公开(公告)号：CN111898627A
公开(公告)日：2020-11-06
申请号：CN202010460233.5
申请日：2020-05-27
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于PCA的SVM云微粒子优化分类识别方法，主要包括首先对CPI图像进行云微粒子分割，然后对分割后的云微粒子图像进行去标注，接着基于PCA降维的SVM云微粒子图像分类识别，由于现有方法中缺乏对CPI云微粒子原始数据的针对性预处理，通过该方法可有效的对云微粒子分类，并识别破碎冰晶粒子图片。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.04 seconds)
