-
公开(公告)号：CN115512226B
公开(公告)日：2024-08-20
申请号：CN202211221959.9
申请日：2022-10-08
申请人： 中国石油大学(华东)
IPC分类号： G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了融入注意力机制多尺度CNN的LiDAR点云滤波方法，本发明属于点云滤波领域，包括：获取激光雷达点云数据的标准化坐标值，将所述点云数据转换成多通道图像，其中所述多通道图像包括：训练图像和测试图像。构建融入注意力机制多尺度CNN的点云滤波模型，所述点云滤波模型包括：输入层、卷积层、注意力层和全连接层；基于所述训练图像，通过所述注意力层，训练与优化所述点云滤波模型；将所述测试图像输入至训练好的点云滤波模型，输出预测结果；所述预测结果包括：地面点和非地面点。本发明能够提取点云的深层次特征，能取得较好的点云滤波效果。
-
公开(公告)号：CN117872424A
公开(公告)日：2024-04-12
申请号：CN202410269573.8
申请日：2024-03-11
申请人： 中国石油大学(华东)
摘要： 本发明公开一种GNSS‑R海面DDM数据生成方法和装置，包括以下步骤：步骤S1、获取实测DDM数据；步骤S2、根据实测DDM数据训练流模型；其中，所述流模型用于挖掘实测DDM数据的分布与正态分布之间的转换关系；步骤S3、根据训练好的流模型，利用正态分布随机采样得到变量生成DDM数据。采用本发明的技术方案，能够有效的应用于GNSS‑R海面风速研究，在现有实测数据的基础上实现样本扩充，并可服务于其他GNSS‑R海面风速反演研究。
-
公开(公告)号：CN117272843B
公开(公告)日：2024-02-02
申请号：CN202311557686.X
申请日：2023-11-22
申请人： 中国石油大学(华东)
IPC分类号： G06F30/27 , G06F18/10 , G06F18/214 , G06F18/243 , G06N5/01 , G06N20/00 , G01S19/14 , G01S7/41 , G06F111/08 , G06F113/08
摘要： 本发明公开了基于随机森林的GNSS‑R海面风速反演方法及系统，属于大气科学研究领域，方法包括：获取CYGNSS的L1级别数据和参考风速，分别对L1级别数据和参考风速进行预处理，获得训练样本集，其中，L1级别数据包括：DDM前沿斜率LES、归一化双基雷达散射截面NBRCS和DDM信噪比SNR；利用训练样本集，构建指数函数模型；利用指数函数模型分别对DDM前沿斜率LES、归一化双基雷达散射截面NBRCS与参考风速进行拟合，获得风速反演粗结果；将风速反演粗
-
公开(公告)号：CN116206203B
公开(公告)日：2023-08-18
申请号：CN202310217615.9
申请日：2023-03-08
申请人： 中国石油大学(华东)
IPC分类号： G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
摘要： 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：CN114897814B
公开(公告)日：2023-07-25
申请号：CN202210494278.3
申请日：2022-05-07
申请人： 中国石油大学(华东)
摘要： 本发明提出基于多级小波分解密接网络的高光谱图像溢油检测方法,包括图像预处理、网络模型训练以及溢油检测测试三个步骤，通过对获取的高光谱图像数据进行预处理，避免异常光谱波段影响溢油检测性能，并将小波变换融入卷积神经网络结构中，使MLWBDN网络具有频域分解和多分辨率分析能力，增强网络对复杂溢油区域的精细化识别能力，结合小波变换特点以及经典Dense Block结构提出改进的SADFB模块，SADFB利用密接操作实现了小波多频分量融合，通过连续附接策略减少了网络参数，同时通过特征复用避免了梯度消失，得益于MLWBDN网络的多级特征联合决策机制，且可以通过调整分支结构的数量，应对不同尺度的检测任务。
-
公开(公告)号：CN114863293B
公开(公告)日：2023-07-18
申请号：CN202210494360.6
申请日：2022-05-07
申请人： 中国石油大学(华东)
IPC分类号： G06V20/10 , G06V20/13 , G06V10/32 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
摘要： 本发明公开一种基于双分支GAN网络的高光谱溢油检测方法，包括步骤一、获取溢油区块高光谱溢油数据集，步骤二、对高光谱溢油数据集进行光谱归一化和主成分分析后裁剪并划分到训练集和测试集，步骤三、构建溢油检测模型，步骤四、利用训练集训练溢油检测模型，步骤五、利用测试集测试训练后的溢油检测模型；本发明可以同时提取高光谱数据的光谱特征和空间特征，充分发掘高光谱数据的优势，检测模型中的生成器可以生成虚拟样本，一定程度上解决了溢油数据集标记样本稀少、类别分布不均的问题，且具有鲁棒性强、收敛速度快等特点，为溢油检测等难以获取大量样本的任务提供了良好的分类模型。
-
公开(公告)号：CN115512162A
公开(公告)日：2022-12-23
申请号：CN202211222661.X
申请日：2022-10-08
申请人： 中国石油大学(华东)
摘要： 本发明公开了一种基于注意力孪生网络与多模态融合特征的地物分类方法，包括：获取高光谱图像与激光雷达点云图像，对获取的图像进行预处理，获得样本数据集与样本标签集；构建注意力孪生网络模型，基于样本数据集与样本标签集对模型进行训练优化；基于训练优化后的模型实现多模态数据特征融合并进行分类。本发明采用孪生网络框架，使得两种多模态数据所表达的地物特征具有更高的相似性；通过设计空间注意力模块以及通道注意力模块以更好地提取数据中的重要特征；将提取的光谱特征和高程特征通过特征级和决策级融合策略进行特征融合，使得模型的融合效果更加优良。
-
公开(公告)号：CN112950492B
公开(公告)日：2022-04-29
申请号：CN202110117113.X
申请日：2021-01-28
申请人： 中国石油大学(华东)
IPC分类号： G06T5/00 , G06V10/762 , G06V10/764 , G06K9/62
摘要： 本发明公开基于自适应各向异性扩散的全极化SAR图像去噪方法，包括：S1、获取全极化SAR数据，并提取全极化SAR数据的协方差矩阵；S2、基于协方差矩阵提取极化散射熵；S3、基于极化散射熵进行梯度自适应滤波窗口的选择；S4、对协方差矩阵进行Freeman‑Durden分解，得到全极化SAR数据中各像素的布拉格散射、二次散射、体散射的功率；S5、基于各像素的布拉格散射、二次散射、体散射的功率，进行地物散射标记图的提取；S6、基于梯度自适应滤波窗口、地物散射标记图，采用散射机制的自适应各向异性扩散方法对全极化SAR图像去噪。本发明能够在抑制图像噪声的同时，充分地保留原始全极化SAR图像中的极化信息。
-
公开(公告)号：CN112926397B
公开(公告)日：2022-03-01
申请号：CN202110117101.7
申请日：2021-01-28
申请人： 中国石油大学(华东)
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V20/05 , G06K9/62
摘要： 本发明公开一种基于两轮投票策略集成学习的SAR图像海冰类型分类方法，包括：对SAR海冰图像进行特征提取，得到优选纹理特征；采用原始极化特征和优选纹理特征融合形成的海冰特征图像，对基分类器进行选择训练和权重优化，得到类别得分矩阵和第一轮权重投票的分类结果；根据类别得分矩阵与预定义阈值参数将所有像素划分为模糊性标签像素集和确定性标签像素集，使用第一轮权重投票结果对确定性标签像素的分类结果进行确定；对模糊性标签像素进行第二轮权重投票纠正，完成初始集成分类结果中所有模糊性标签像素的更新，得到最终的海冰分类结果。采用本发明的技术方案，以解决现有海冰分类方法未能优化选取SAR图像海冰特征以及分类方法落后的问题。
-
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
申请人： 中国石油大学(华东)
IPC分类号： G01V1/28
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.047 秒)
