-
公开(公告)号：CN109472785A
公开(公告)日：2019-03-15
申请号：CN201811294494.3
申请日：2018-11-01
Applicant: 中国石油大学(华东)
Abstract: 本发明提出基于多结构元素震害受损建筑物快速识别方法，包括以下步骤：多结构元素的顶帽重建、多方向顶帽重建、构建差分形态学剖面、对差分形态学剖面取均值以构建建筑物形态学特征、对影像进行后处理和震后受损建筑物信息提取；本发明方法仅通过需要震后单时相影像即可对震害受损建筑物进行提取，单时相震害影像在短时间内对震害影像中的受损建筑物进行高精度的识别，通过差分形态学剖面的操作过程中正确的结构元素选择提高了目标识别的效果和质量，不仅可以提高提取精度高，同时操作也很简单，而且处理速度快，不会受操作者主观性的影响，解决了面向对象方法中所存在的问题。
-
公开(公告)号：CN109507724A
公开(公告)日：2019-03-22
申请号：CN201811294217.2
申请日：2018-11-01
Applicant: 中国石油大学(华东)
IPC: G01V1/28
Abstract: 本发明提出一种基于非震动态背景场的地震TEC异常信息提取方法，包括以下步骤：动态背景场建立、小波多尺度分析、支持向量机回归模型和异常信息提取方法；本发明通过非震动态背景场，在考虑了TEC自身的周期性变化，同时还考虑了太阳活动、地磁活动等空间环境的干扰，可以提取的地震TEC异常更为准确，同时可以减少地震电离层TEC异常信息提取过程中其它非震因素带来的干扰和误差，提高地震TEC异常检测的准确率，在地震期有较高的预警率，而在非震期虚警率较低，可以提高地震TEC异常信息提取效率。
-
公开(公告)号：CN104199084A
公开(公告)日：2014-12-10
申请号：CN201410441033.X
申请日：2014-08-29
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于热红外异常信号与小波神经网络的地震预测方法，该方法包括：步骤一、热异常信息提取；步骤二、构建热异常时空坐标系；步骤三、构建以热异常及断裂带为输入的地震预测小波神经网络；步骤四、进行小波神经网络的训练与地震预测试验。本发明利用小波神经网络的优点及地震前热异常现象的普适性，通过构建以地震热异常信号及断裂带为输入特征的小波神网络，实现了地震三要素的同时预测。
-
公开(公告)号：CN112926189B
公开(公告)日：2022-03-11
申请号：CN202110116597.6
申请日：2021-01-28
Applicant: 中国石油大学(华东)
IPC: G06F30/20 , G06F16/215 , G06F16/29
Abstract: 本发明公开了一种基于无滤波最大切应变的地震前兆异常信息提取方法，包括以下步骤：通过目标地区的GLDAS水文数据，获得水文球谐展开系数，将目标地区的GRACE球谐系数与水文球谐展开系数做差，获得去除水文因素影响的GRACE月重力场数据；基于相邻月的GRACE月重力场数据，获得月差分重力场数据；基于左手系局部指北坐标系，通过拉格朗日重力应变张量，获得最大切应变，通过设置偏移指数，构建异常信息提取模型；基于构建的异常信息提取模型，对目标地区进行分析，在震前半年内提取到目标地区的异常信息，对地震预测具有参考指示意义，本发明所述方法能够探测到6级及以上地震震前异常信息。
-
公开(公告)号：CN109472785B
公开(公告)日：2019-12-20
申请号：CN201811294494.3
申请日：2018-11-01
Applicant: 中国石油大学(华东)
Abstract: 本发明提出基于多结构元素震害受损建筑物快速识别方法，包括以下步骤：多结构元素的顶帽重建、多方向顶帽重建、构建差分形态学剖面、对差分形态学剖面取均值以构建建筑物形态学特征、对影像进行后处理和震后受损建筑物信息提取；本发明方法仅通过需要震后单时相影像即可对震害受损建筑物进行提取，单时相震害影像在短时间内对震害影像中的受损建筑物进行高精度的识别，通过差分形态学剖面的操作过程中正确的结构元素选择提高了目标识别的效果和质量，不仅可以提高提取精度高，同时操作也很简单，而且处理速度快，不会受操作者主观性的影响，解决了面向对象方法中所存在的问题。
-
Patent Agency Ranking
公开(公告)号：CN116701847A
公开(公告)日：2023-09-05
申请号：CN202310979838.9
申请日：2023-08-07
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及异常数据提取技术领域，具体公开了一种基于时空联合的震前热异常提取方法，步骤包括：获取地表温度数据，基于小波变换法提取原地温度；基于所述原地温度，采用涡度算法获取原地涡度；基于所述原地涡度，采用历年同期RST算法获取震前热异常信息。本发明提出的震前热异常提取方法兼顾了空间域的异常信息和时间域的异常信息，并剔除了大气活动、人类活动和地表覆盖等非构造因素的影响，提取出的热异常既有更强的构造相关性和稳定性，并且在时间和空间上都具有一定的规律性，提高了震前热异常检测的精度，便于进一步的分析与研究。
-
公开(公告)号：CN114913296B
公开(公告)日：2023-08-11
申请号：CN202210494279.8
申请日：2022-05-07
Applicant: 中国石油大学(华东)
IPC: G06T17/05 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种MODIS地表温度数据产品重建方法，包括以下步骤：首先进行地表温度的初步重建，在此基础上实现地表温度缺失像元的精细化重建并完成时间序列中所有缺值像元的重建；本发明不仅能够排除地表温度高时空异质性的影响，且对有效像元的数量要求不高，通过引入SSA数据分解算法能挖掘出更多的潜在信息，所提取的数据特征也更加丰富，从而为后续地表温度的精细重建奠定数据基础，在LSTM的基础上加入了CNN，可以实现对地表温度时间序列数据的快速特征提取，挖掘潜在的隐藏信息并去除冗余信息，从而提高LSTM模型的预测精度。
-
公开(公告)号：CN114913296A
公开(公告)日：2022-08-16
申请号：CN202210494279.8
申请日：2022-05-07
Applicant: 中国石油大学(华东)
Abstract: 本发明公开一种MODIS地表温度数据产品重建方法，包括以下步骤：首先进行地表温度的初步重建，在此基础上实现地表温度缺失像元的精细化重建并完成时间序列中所有缺值像元的重建；本发明不仅能够排除地表温度高时空异质性的影响，且对有效像元的数量要求不高，通过引入SSA数据分解算法能挖掘出更多的潜在信息，所提取的数据特征也更加丰富，从而为后续地表温度的精细重建奠定数据基础，在LSTM的基础上加入了CNN，可以实现对地表温度时间序列数据的快速特征提取，挖掘潜在的隐藏信息并去除冗余信息，从而提高LSTM模型的预测精度。
-
公开(公告)号：CN106169058A
公开(公告)日：2016-11-30
申请号：CN201511000356.6
申请日：2015-12-25
Applicant: 中国石油大学(华东)
CPC classification number: G06K9/0063 , G06K9/00657 , G06T2207/30181 , G06T2207/30188 , G06T2207/30192
Abstract: 本发明公开了一种基于微波遥感与时空信息的云下像元LST估算方法，其特征在于，本方法考虑地表温度空间分布的一致性及其时间序列的周期性，将统计模型与时间序列滤波进行了有效结合。首先采用基于被动微波遥感的多通道统计模型对云下像元LST值进行初估计，在这一过程中，将NDVI作为分类依据进行地表覆盖分类，放弃使用现有的地表类型遥感产品以提高分类精度；然后将基于统计模型的估计值作为背景值填充至LST时间序列中，考虑前后时段对无LST时段的影响，选择移动加权滤波器改正估计值得到云下像元LST重建结果。
-
公开(公告)号：CN104182941A
公开(公告)日：2014-12-03
申请号：CN201410422801.7
申请日：2014-08-26
Applicant: 中国石油大学(华东)
IPC: G06T5/00
Abstract: 本发明涉及一种高光谱图像条带噪声去噪方法，包括：步骤1，选取待处理图像及两幅参考图像，其中，两幅参考图像的噪声小于待处理图像的噪声，且两幅参考图像在波段范围上分别位于待处理图像的波段两侧；步骤2，对待处理图像和参考图像进行Curvelet正变换，并得到多尺度多方向上的Curvelet变换系数，Curvelet变换系数包括高频系数和低频系数；步骤3，对两个参考图像的高频系数进行加权处理后得到第一系数，并用第一系数替换待处理图像的高频系数；步骤4，对经过替换后的待处理图像的Curvelet变换系数进行Curvelet逆变换，从而得到去噪图像。利用本方法去噪，可以使得图像去噪的同时，边缘和细节不丢失，图像质量得以提高。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
