-
公开(公告)号：CN106686436B
公开(公告)日：2017-10-10
申请号：CN201710029496.9
申请日：2017-01-16
Applicant: 中国石油大学(华东)
IPC: H04N21/422 , G08C23/04
Abstract: 本发明涉及一种包括基于云架构的安全计算机系统的车辆，包括红外线发射器、语音识别系统、数据处理CPU，所述数据处理CPU分别与4个红外线发射器连接；所述语音识别系统与所述数据处CPU连接。所述车辆还包括基于云架构的安全计算机系统。
-
公开(公告)号：CN110991257B
公开(公告)日：2023-04-18
申请号：CN201911094691.5
申请日：2019-11-11
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/77 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了基于特征融合与SVM的极化SAR溢油检测方法，包括以下步骤：构建Pol‑SAR数据块，然后构建溢油样本数据集；搭建CNN网络，并从Pol‑SAR数据中抽取训练样本对CNN网络模型进行训练；利用训练好的CNN网络模型，对Pol‑SAR数据进行深度特征提取，提取高层次的特征；将不同的高层次的特征进行融合，利用带有RBF核函数的SVM分类器进行分类；本发明方法避免了传统方法需要手动提取并选择特征的复杂过程，能够有效的减少相干斑噪声的影响，减少溢油检测的虚警率，提取出CNN网络的两层高层特征，通过PCA降维对两层特征进行特征融合，可以有效地区分溢油与生物油膜，提高溢油检测精度。
-
公开(公告)号：CN111105363A
公开(公告)日：2020-05-05
申请号：CN201911172769.0
申请日：2019-11-26
Applicant: 中国石油大学(华东)
IPC: G06T5/00
Abstract: 本发明公开了一种含噪高光谱图像快速解混方法，包括以下步骤：采用VCA算法提取含噪声的端元光谱；对提取的端元光谱进行SSA算法去噪；利用去噪后的端元光谱根据最小二乘法进行丰度估计；本发明方法直接对原始的高光谱图像的端元进行提取，并对端元光谱进行去噪，然后利用去噪后的端元进行丰度估计，实现高光谱图像的解混，该方法避免了现有方法在第一步中所产生的误差，同时也解决了原始图像去噪过程中重要信息丢失而降低解混精度的问题，此外，本方法对端元光谱去噪，数据量小，解决了图像去噪后解混技术效率低的问题，本方法不仅可以提高解混精度，操作简单而且处理速度快。
-
公开(公告)号：CN111025291B
公开(公告)日：2021-07-16
申请号：CN201911076780.7
申请日：2019-11-06
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于全极化SAR新特征的海洋溢油检测方法，包括以下步骤：极化相干矩阵的提取；特征值和特征向量分解；构建基尼系数新特征；阈值分割；本发明方法基于特征值分解理论提出一种新的极化特征，称为极化基尼系数；该特征不仅能够反映集合中不同目标之间的极化状态，还能够描述不同散射类型在统计意义上的不纯度，当不纯度为0时表明对应集合中的散射机制类别一致；新特征通过目标分解理论得到不同散射机制类别，通过计算该像素的主导散射机制在统计意义上的不纯度提取溢油信息，通过对全极化SAR溢油影像利用该方法提取特征，解决了不能区分生物油膜与矿物膜的问题，且新的特征提取技术具有抑制相干斑噪声的能力。
-
Patent Agency Ranking
公开(公告)号：CN110991257A
公开(公告)日：2020-04-10
申请号：CN201911094691.5
申请日：2019-11-11
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了基于特征融合与SVM的极化SAR溢油检测方法，包括以下步骤：构建Pol-SAR数据块，然后构建溢油样本数据集；搭建CNN网络，并从Pol-SAR数据中抽取训练样本对CNN网络模型进行训练；利用训练好的CNN网络模型，对Pol-SAR数据进行深度特征提取，提取高层次的特征；将不同的高层次的特征进行融合，利用带有RBF核函数的SVM分类器进行分类；本发明方法避免了传统方法需要手动提取并选择特征的复杂过程，能够有效的减少相干斑噪声的影响，减少溢油检测的虚警率，提取出CNN网络的两层高层特征，通过PCA降维对两层特征进行特征融合，可以有效地区分溢油与生物油膜，提高溢油检测精度。
-
公开(公告)号：CN111144214B
公开(公告)日：2021-06-15
申请号：CN201911182498.7
申请日：2019-11-27
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了基于多层堆栈式自动编码器的高光谱图像解混方法，包括以下步骤：逐个训练三个自动编码器，组成堆栈自动编码器，提取图像高阶光谱特征；构造多层自动编码器网络，并利用步骤一中训练好的参数初始化该多层自动编码器网络；利用梯度下降算法训练多层自动编码器网络，直至多层自动编码器网络的输入层与输出层之间的重构误差最小；本发明通过利用堆栈自动编码器实现对高光谱图像高阶光谱特征的学习，为多层自动编码器提供更好的初始化，在多层自动编码器损失函数中加入稀疏项和正则化项约束端元和丰度，以此来提高解混精度，本方法不需要任何先验知识，进行无监督学习，泛化能力强，在端元提取和丰度估计方面都取得了良好的效果。
-
公开(公告)号：CN111144214A
公开(公告)日：2020-05-12
申请号：CN201911182498.7
申请日：2019-11-27
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了基于多层堆栈式自动编码器的高光谱图像解混方法，包括以下步骤：逐个训练三个自动编码器，组成堆栈自动编码器，提取图像高阶光谱特征；构造多层自动编码器网络，并利用步骤一中训练好的参数初始化该多层自动编码器网络；利用梯度下降算法训练多层自动编码器网络，直至多层自动编码器网络的输入层与输出层之间的重构误差最小；本发明通过利用堆栈自动编码器实现对高光谱图像高阶光谱特征的学习，为多层自动编码器提供更好的初始化，在多层自动编码器损失函数中加入稀疏项和正则化项约束端元和丰度，以此来提高解混精度，本方法不需要任何先验知识，进行无监督学习，泛化能力强，在端元提取和丰度估计方面都取得了良好的效果。
-
公开(公告)号：CN111025291A
公开(公告)日：2020-04-17
申请号：CN201911076780.7
申请日：2019-11-06
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于全极化SAR新特征的海洋溢油检测方法，包括以下步骤：极化相干矩阵的提取；特征值和特征向量分解；构建基尼系数新特征；阈值分割；本发明方法基于特征值分解理论提出一种新的极化特征，称为极化基尼系数；该特征不仅能够反映集合中不同目标之间的极化状态，还能够描述不同散射类型在统计意义上的不纯度，当不纯度为0时表明对应集合中的散射机制类别一致；新特征通过目标分解理论得到不同散射机制类别，通过计算该像素的主导散射机制在统计意义上的不纯度提取溢油信息，通过对全极化SAR溢油影像利用该方法提取特征，解决了不能区分生物油膜与矿物膜的问题，且新的特征提取技术具有抑制相干斑噪声的能力。
-
公开(公告)号：CN110070549A
公开(公告)日：2019-07-30
申请号：CN201910340051.1
申请日：2019-04-25
Applicant: 中国石油大学(华东)
Abstract: 本发明公开一种基于最优尺度邻域信息的海上溢油SAR图像软分割方法，包括拍摄海水区域的图像，并对图像进行滤波处理，在处理后的图像中选取溢油区域、海水区域的感兴趣区域，分别记为SeaROI、OilROI；计算SeaROI的灰度值中位数，统计OilROI的纯度；随机选取一个海水感兴趣区域的像素点，以像素点为中心构建多个尺度的邻域矩阵；再构建隶属度函数,分别计算每个像素属于海水和溢油的隶属度；选择出最优尺度，逐像素解算其邻域信息，遍历整幅图像，得到全图像的隶属度矩阵；根据不同的隶属度划分隶属度矩阵，得到分割图像；本发明能够有效的描述溢油和海水边界的模糊性，进而清楚的了解溢油发生的位置、溢油量和扩散趋势，使工作人员及时有效的做出相应控制措施。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
