-
公开(公告)号：CN115128616A
公开(公告)日：2022-09-30
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：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：CN119295429A
公开(公告)日：2025-01-10
申请号：CN202411663033.4
申请日：2024-11-20
Applicant: 成都信息工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06V10/764 , G06V10/82 , G06V10/25 , G06V10/74 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于空间变换网络的图像分类方法，主要包括通过对CT图像序列进行预处理得到每个CT图像中的胸腔区域，然后阈值分割和前景与背景区域的计算，以及前景区域的相似性评估，获取CT图像腔体区域中的目标存在可能性。再根据得到的目标存在可能性，使用集成了空间变换网络的ResNet‑50模型进行深度学习处理，对CT图像进行目标检测。本方法通过精确定位和目标存在可能性的预测，简化了深度学习处理对象的复杂度，增强了模型对关键区域的关注，从而有效提升了图像识别的准确性和效率。
-
公开(公告)号：CN111898627B
公开(公告)日：2021-06-15
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。
-
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。
-
Patent Agency Ranking
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：CN119379663A
公开(公告)日：2025-01-28
申请号：CN202411663007.1
申请日：2024-11-20
Applicant: 成都信息工程大学
IPC: G06T7/00 , G06T5/30 , G06V10/25 , G06V10/34 , G06V10/82 , G06V10/74 , G06V10/764 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及一种基于多级判断的图像目标检测方法，主要首先对CT图像序列进行预处理，提取胸腔区域及其中的两个腔体区域。接着，实施两级目标存在可能性判断：第一级判断为基础的目标筛选，第二级判断通过深度形态学处理和数据增强技术，对筛选后的腔体区域进行更精细的分析，然后，利用空间变换网络集成的ResNet‑50模型根据腔体区的目标存在可能性属性，自动调整图像中的局部放大程度，以优化目标检测的精确度。
-
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。
-
公开(公告)号：CN114758155B
公开(公告)日：2025-01-10
申请号：CN202210374299.1
申请日：2022-04-11
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
IPC: G06V10/50 , G06V10/762 , G06V10/75 , G06T7/60
Abstract: 本发明涉及一种基于优化聚类的云微粒子数据处理方法，主要包括首先对云微粒子探测设备采集的原始云微粒子图像数据进行数据集划分和筛选，然后对所有图像数据进行图像预聚类方法处理，接着对像素块图像数据进行像素块合并及云微粒子区域进行提取，通过该方法可对随机筛选的云微粒子数据进行了基于多种像素块尺寸参数和多种搜索范围参数的聚类处理，对不同采集时间段的原始云微粒子进行不同聚类处理，对云微粒子数据的不同聚类结果进行了基于比值离散度的分析，提高了云微粒子区域提取的准确性和可靠性。
-
公开(公告)号：CN114758155A
公开(公告)日：2022-07-15
申请号：CN202210374299.1
申请日：2022-04-11
Applicant: 北京市人工影响天气中心 , 成都信息工程大学
IPC: G06V10/50 , G06V10/762 , G06K9/62 , G06T7/60
Abstract: 本发明涉及一种基于优化聚类的云微粒子数据处理方法，主要包括首先对云微粒子探测设备采集的原始云微粒子图像数据进行数据集划分和筛选，然后对所有图像数据进行图像预聚类方法处理，接着对像素块图像数据进行像素块合并及云微粒子区域进行提取，通过该方法可对随机筛选的云微粒子数据进行了基于多种像素块尺寸参数和多种搜索范围参数的聚类处理，对不同采集时间段的原始云微粒子进行不同聚类处理，对云微粒子数据的不同聚类结果进行了基于比值离散度的分析，提高了云微粒子区域提取的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
