-
公开(公告)号：CN117115449B
公开(公告)日：2024-01-26
申请号：CN202311380865.0
申请日：2023-10-24
Applicant: 中国石油大学(华东) , 中海油能源发展股份有限公司安全环保分公司
Abstract: 本发明涉及光学遥感影像处理领域，公开了一种适用于大场景光学遥感影像的海面船只目标分割方法，其步骤包括：选取含有船只目标的光学卫星影像并进行预处理，将预处理后的遥感影像变换到频率域，使用频率域滤波对遥感影像进行增强；对增强后的影像进行顶帽变换；再对影像进行二值化分割；对分割结果进行去除离散的小斑点区域处理，进行孔洞填充操作，扩充影像边界，去除扩充边界，将分割后的影像进行形态学的修正，得到最终分割结果。本发明提出的方法适用于大场景光学遥感影像，具有简单有效、易于实现等优点，能够有效抑制光照不均条件的影响、云层的影响以及海面波浪的影响，同(56)对比文件王珏飞.基于深度学习的航拍绝缘子识别及缺损检测方法研究《.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2022,C042-942.王瑞.遥感图像舰船目标检测技术《.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2022,C028-182.
-
公开(公告)号：CN116863327B
公开(公告)日：2023-12-15
申请号：CN202310653075.9
申请日：2023-06-05
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/094
Abstract: 本发明公开了一种基于双域分类器协同对抗的跨域小样本分类方法，包括以下步骤：获取目标域数据集和源域数据集，基于所述目标域数据集和所述源域数据集进行预处理，获取查询集、支持集和测试集；确定网络超参数和网络参数，构建双域分类器协同对抗网络模型；通过查询集和支持集对双域分类器协同对抗网络模型进行训练，获取训练后的双域分类器协同对抗网络模型；将测试集对训练后的双域分类器协同对抗网络模型进行测试，获取分类结果。本发明高光谱图像为例构建网络模型；设计两个域分类器，分别采取梯度上升和梯度下降的策略，提取(56)对比文件Cheng Zhang.Feature Integration-BasedTraining for Cross-Domain HyperspectralImage Classification.IGARSS 2022 - 2022IEEE International Geoscience and RemoteSensing Symposium.2022,3572-3575.
-
公开(公告)号：CN113780168B
公开(公告)日：2023-09-15
申请号：CN202111060895.4
申请日：2021-09-10
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种高光谱遥感影像端元束自动提取方法，涉及高光谱影像处理技术领域，基本步骤为：首先探测遥感影像的地物边界像素，将边界像素剔除降低混合像元被选为端元的概率；将原始影像在多尺度上进行采样，降低子图的光谱变化；再将各子图进行区域分割，在各个区域提取候选端元；将提取次数超过阈值的候选端元作为最终端元；最后将端元进行聚类，完成端元束的提取工作。本发明综合考虑了光谱变化在端元束提取上的影响，通过降低光谱变化在端元提取和光谱聚类上的影响，提高了端元束提取结果，具有科学合理、易于实现、精度高等优点。
-
公开(公告)号：CN116092038B
公开(公告)日：2023-06-30
申请号：CN202310366844.7
申请日：2023-04-07
Applicant: 中国石油大学(华东)
IPC: G06V20/56 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 本发明公开了一种基于点云的大件运输关键道路空间通行性判定方法，涉及点云分割技术领域，该方法包括获取大件运输关键道路及其限高附属设施三维点云并进行预处理、构建三维点云提取网络模型并进行训练、计算大件运输关键道路和限高附属设施的空间信息、计算大件车辆的扫空路径、进行大件车辆关键道路空间通行性判定。本发明通过改进动态图卷积神经网络对关键道路及其限高设施三维点云可有效进行自动提取，并计算大件车辆三维扫空区域信息和关键道路信息，对比两者信息可快速有效的实现对大件车辆关键道路的空间通行性的判定，为后续大件运输车辆的路径规划提供一种决策支持。
-
公开(公告)号：CN116343113A
公开(公告)日：2023-06-27
申请号：CN202310219804.X
申请日：2023-03-09
Applicant: 中国石油大学(华东)
IPC: G06V20/52 , G06V10/20 , G06V10/40 , G06V10/82 , G06V10/764 , G06N3/0455
Abstract: 本申请公开了基于极化SAR特征与编解码网络的溢油检测方法及系统，其中，方法步骤包括：采集极化SAR图像；对极化SAR图像进行预处理，得到处理后图像；对处理后图像进行30个极化特征的提取与降维操作，得到溢油区域极化特征；同时使用CV模型来辅助提取完整的SAR图像溢油区域边缘获取几何特征。基于溢油区域极化特征和几何特征图像划分为训练集和测试集，构建并训练编码器‑解码器检测模型；并通过训练好的模型完成海面溢油检测。
-
Patent Agency Ranking
公开(公告)号：CN116206203A
公开(公告)日：2023-06-02
申请号：CN202310217615.9
申请日：2023-03-08
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于SAR与Dual‑EndNet的溢油检测方法，包括以下步骤：获取目标海面的全极化SAR图像；对全极化SAR图像进行Pauli分解，得到奇次散射和偶次散射的散射能量，利用散射能量，合成PauliRGB图像；对全极化SAR图像提取溢油检测的极化特征，并利用随机森林算法对极化特征进行选择，得到极化特征图像；基于PauliRGB图像和极化特征图像，获得几何空间样本数据集、极化特征数据集和样本标签集，并划分为训练集和测试集；构建Dual‑EndNet网络模型；利用训练集对Dual‑EndNet网络模型进行训练；利用测试集和训练好的Dual‑EndNet网络模型完成对目标海面的溢油检测。
-
公开(公告)号：CN114882371B
公开(公告)日：2022-10-18
申请号：CN202210796854.X
申请日：2022-07-08
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明涉及遥感目标识别技术领域，提供了一种基于全极化SAR图像的海面溢油检测模型构建方法，包括以下步骤：提取全极化SAR图像的各向异性特征，选取溢油像素和非溢油像素的各向异性特征作为训练样本，组成矩阵A并进行归一化处理得到a(t)，由a(t)计算像素权重E，由a(t)和像素权重E计算像素特征P，将像素特征P作为训练集，0和1作为训练集标签，0代表非溢油像素，1代表溢油像素，导入支持向量机模型，对模型进行训练，得到溢油检测模型。本发明充分利用了全极化SAR图像的各向异性特征，并构建像素特征P，提高了全极化SAR图像海面溢油检测的准确率，具有科学合理、易于实现、精度高等优点。
-
公开(公告)号：CN111583230B
公开(公告)日：2022-06-17
申请号：CN202010384573.4
申请日：2020-05-08
Applicant: 中国石油大学(华东)
Abstract: 为提高高光谱目标探测的精度，针对高光谱异常目标检测中缺乏基于局部特征的低秩信息，提出一种基于局部特征的低秩稀疏矩阵分解高光谱异常目标检测方法。该方法在传统的低秩稀疏矩阵分解方法的基础之上，根据高光谱图像背景的低秩性与异常目标的稀疏性，进一步将高光谱图像背景部分细化表示基矩阵B和系数矩阵C的乘积，构建基于局部特征的高光谱图像描述模型；然后，构建新的基矩阵B、系数矩阵C的与稀疏部分S迭代更新规则；最后，根据求解结果执行异常目标探测。实验证明该方法能够提升高光谱异常目标检测精度。
-
公开(公告)号：CN113496551A
公开(公告)日：2021-10-12
申请号：CN202110921800.7
申请日：2021-08-12
Applicant: 中国石油大学(华东)
IPC: G06T17/05
Abstract: 本发明提供了一种基于地质露头三维模型的地形剖面线绘制方法，基本步骤为从地质露头三维模型中选定两点，在两点间进行等距离插值，通过地质露头三维模型获取各点高程信息；提取目标剖面曲线极值点，根据极值点对高程点进行分组处理；对用于绘制目标曲线的高程点进行第一次抽稀处理；在每组高程点中进行第二次抽稀处理，删除不满足条件的高程点，使用剩余高程点进行剖面曲线的绘制。本发明提供的方法具有适用范围广、科学合理、易于实现、由整体到局部、精度高、生成效率高等优点，通过加密插值高程点和精准抽稀高程点提高绘制地形剖面线的准确性与效率。
-
公开(公告)号：CN113392782A
公开(公告)日：2021-09-14
申请号：CN202110677543.7
申请日：2021-06-18
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种面向弱小目标检测的遥感影像深度学习训练样本增强方法，包括在一幅镶嵌好的遥感影像中搜寻典型目标；以其中一个典型目标为中心，建立中心网格，围绕中心网格构建8‑邻域网格，中心网格与8‑邻域网格合称初始网格；将初始网格的中心分别平移到每个邻域网格的中心得到8个平移后的平移网格；获得初始样本和获得平移样本集。融合获得的初始样本和获得的平移样本集，得到一个典型目标的样本集，最终获得所有的典型目标的样本集。本发明利用典型目标在8‑邻域网格的相对位置关系，裁剪8‑邻域网格区域并标注典型目标在切片中的位置得到典型目标的样本数据，将样本数量扩大了8倍，实现基于目标的遥感影像深度学习训练样本增强。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.028 seconds)
