-
公开(公告)号：CN118628920A
公开(公告)日：2024-09-10
申请号：CN202411087563.9
申请日：2024-08-09
Applicant: 自然资源部第一海洋研究所 , 中国石油大学(华东)
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及海洋温度锋面检测领域，公开了一种基于深度学习的海洋三维温度锋面智能检测方法，包括如下步骤：将哥白尼海洋环境观测服务再分析数据按不同深度分层进行预处理，得到三维温度梯度图和三维锋面标签数据；构建三维卷积深度学习算法模型3DRSP‑UNet；利用训练集中的三维温度梯度图与标注后得到的三维锋面标签数据对模型进行训练；并用测试集进行模型精度评估；评估完成后利用模型进行海洋三维温度锋面智能检测。本发明所公开的方法构建了融合了季节特征和位置编码的海洋锋面三维卷积深度学习模型，使模型更加关注锋面的季节特征和发生的位置，实现海洋三维锋面的自动提取，解决了传统方法对主观阈值的依赖问题，提高了检测精度。
-
公开(公告)号：CN118229907B
公开(公告)日：2024-09-10
申请号：CN202410658262.0
申请日：2024-05-27
Applicant: 中国石油大学(华东)
IPC: G06T17/05
Abstract: 本发明公开了一种基于Cesium引擎的三维地质模型动态剖切和剖面填充方法，所述方法具体包括以下步骤：通过Cesium引擎加载并显示三维地质模型；根据选择的三维地质模型表面剖面范围构建剖切平面并放入剖切平面数组C；根据三维地质模型表面剖切范围获取三维地质模型内部曲面的剖切范围；使用剖切平面数组C对三维地质模型进行剖切；根据三维地质模型内部曲面的剖切范围，使用Cesium wall方法对三维地质模型剖面进行填充，实现了在Web端动态的进行剖面填充。通过等间距插值方法扩充剖切范围点，可以更加准确的展示不同地层的分布情况。本发明基于Cesium引擎实现了三维地质模型的动态剖切和剖切后的剖面填充，具有易于展示三维地质模型内部剖面的优势。
-
公开(公告)号：CN114022782B
公开(公告)日：2024-05-10
申请号：CN202111280523.2
申请日：2021-11-01
Applicant: 中国石油大学(华东)
IPC: G06V20/13 , G06V10/26 , G06V10/44 , G06V10/56 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种基于MODIS卫星数据的海雾探测方法，涉及海洋环境监测技术领域，基本步骤为：对MODIS卫星数据预处理并进行特征提取；结合CALIOP VFM卫星数据进行地物样本选取，构建地物样本集并将其划分为训练集及测试集；以节点熵的信息增益率作为节点分裂的杂质判据，并对典型相关森林中每颗典型相关树赋予权值，利用训练集进行训练得到改进典型相关森林模型；在后测试时对每颗典型相关树权值进行调整更新，得到不断优化的改进典型相关森林模型；利用模型对卫星图像进行识别得到海雾识别结果。本发明将集成学习与卫星遥感结合，利用云雾特征训练各典型相关树，得到更具有泛化能力的海雾识别模型，具有泛化性好、鲁棒性强、精度高及自动化程度高等优点。
-
公开(公告)号：CN116894999B
公开(公告)日：2024-05-03
申请号：CN202310881139.0
申请日：2023-07-18
Applicant: 中国石油大学(华东)
IPC: G06V10/774 , G06V10/82 , G06V10/40 , G06V10/54 , G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V20/13
Abstract: 本发明公开一种基于条件参数化卷积的溢油极化SAR检测方法和装置，包括以下步骤：步骤S1、对历史极化SAR图像进行预处理，得到包含极化特征和纹理特征的数据集；步骤S2、根据数据集训练溢油检测网络模型；步骤S3、将待检测的极化SAR图像输入训练好的溢油检测网络模型中，实现海上溢油检测。采用本发明的技术方案：提升海洋溢油监测的精度。
-
公开(公告)号：CN117409334A
公开(公告)日：2024-01-16
申请号：CN202311337667.6
申请日：2023-10-16
Applicant: 中国科学院空天信息创新研究院 , 中国石油大学(华东)
IPC: G06V20/13 , G06V10/143 , G06V10/764 , G06V10/82 , G06N3/048 , G06N3/0499
Abstract: 本发明提供一种基于静止卫星遥感数据的气溶胶类型识别方法。该方法包括：利用地基数据中的气溶胶光学厚度，生成真实气溶胶类型标签；与Himawari‑8/AHI静止卫星数据、云产品数据进行空间和时间上的匹配，生成训练和验证样本，并进行预处理和独热编码操作；利用XGBoost分析训练和验证样本中光谱特征信息的重要性，并将重要性低的波段剔除；联合时间、空间和光谱三个维度信息，作为神经网络的输入特征联合约束气溶胶类型识别；建立全连接神经网络模型，得到固定气溶胶类型识别模型，将Himawari‑8/AHI静止卫星数据和云产品数据输入以对气溶胶类型进行预测。本发明仅利用Himawari‑8/AHI静止卫星数据及云产品数据进行气溶胶类型识别，具有卫星观测数据客观合理、气溶胶类型识别精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN116092038A
公开(公告)日：2023-05-09
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：CN115565080A
公开(公告)日：2023-01-03
申请号：CN202211241979.2
申请日：2022-10-10
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及遥感场景分类技术领域，提供了一种基于自注意力机制的多特征融合SAR图像海冰分类方法。本发明方法利用自注意力机制，能够有效提取优选的纹理特征图像的全局特征，具体为：根据支持向量机对图像纹理特征的分类精度，确定不同特征的贡献度；将前三个对分类精度贡献大的纹理特征组成三通道图像，用于训练Transformer Encoder模型；用模型自注意力机制提取的海冰SAR图像全局特征分类，得到最终分类结果。本发明利用自注意力机制提取优选后图像纹理的全局特征，能够提高SAR图像海冰分类的精度，易于实现、科学合理。
-
公开(公告)号：CN113408615B
公开(公告)日：2022-04-12
申请号：CN202110677403.X
申请日：2021-06-16
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及光学遥感影像处理技术领域，公开了一种基于光学卫星遥感影像的船只自动匹配方法，主要包括以下步骤：通过边缘检测和自适应阈值分割对遥感影像进行粗分类，提取包括船只在内的前景目标，缩小检测范围；自动生成模板，利用模板匹配对船只进行定位，使用GrabCut算法精确提取船只；计算船只面积、长宽比、角度、矩形度组成特征向量，构造两幅影像船只间二分图并进行赋权，进行影像间船只的精确匹配，输出船只匹配结果。本发明提供的方法具有计算简单、易于实现等优点，避免了GrabCut算法的交互式操作，排除了云层、海上其他目标和海上噪声的干扰，实现了船只的自动检测，解决了传统方法船只特征点较少的问题，实现了船只的自动匹配。
-
公开(公告)号：CN113516657B
公开(公告)日：2021-12-10
申请号：CN202111071270.8
申请日：2021-09-14
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及遥感目标识别技术领域，提供了一种基于自适应权重的全极化SAR影像海面溢油检测方法，包括以下步骤：提取全极化SAR溢油影像中溢油区域和非溢油区域的多个极化特征，计算溢油区域各极化特征熵及其特征权重，生成溢油像素判别公式，利用判别公式对待检测像素点逐一判定为溢油像素或待确定像素，溢油区域和非溢油区域的极化特征导入U‑Net模型中，对模型进行训练，将不确定像素点的极化特征导入训练好的模型中，对其类别进行判定。本发明对极化特征进行了充分利用，并逐像素对全极化SAR影像海面溢油进行检测，能够进一步提高全极化SAR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：CN113409322A
公开(公告)日：2021-09-17
申请号：CN202110676098.2
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遥感影像语义分割的深度学习训练样本增强方法，涉及遥感影像语义分割技术领域，本发明以遥感影像为基础，设计了三种裁剪方式，最大化的利用原始数据和标记数据，避免在裁剪过程中造成原始影像和标记数据的浪费，通过对原始图像和标记图像在水平方向上、垂直方向上以及水平方向和垂直方向上以最佳重叠度进行滑动裁剪，再进行镜像、水平和旋转，充分利用了样本数据，减少了滑动裁剪过程中数据损失，最终可以获得大量的训练数据，有利于后续面向像元语义分割的深度学习训练，为其提供了大量的数据基础。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.041 seconds)
