-
公开(公告)号：CN113298746B
公开(公告)日：2022-10-28
申请号：CN202110757895.3
申请日：2021-07-05
Applicant: 北京邮电大学
IPC: G06T5/50 , G06V10/26 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 一种基于机器学习算法的有监督假彩色图像合成方法涉及多光谱/高光谱影像处理技术领域，解决了现有实现复杂、适用范围窄的问题，包括：对带目标分割标签的n通道多/高光谱图像进行数据处理得到具有二分类标签的特征向量；将具有二分类标签的特征向量作为进行训练数据对XGBoost模型进行训练，XGBoost模型训练完成后，根据训练过程计算各个通道的对提取目标的重要性排序及权重；选取重要性排名在前的3个通道，根据3个通道中每个通道的权重进行像素值的缩放得到3个像素值调整后的通道图像，将3个像素值调整后的通道图像合成得到假彩色图像。本发明的任务导向性强、合成图质量高适用于任意领域多光谱/高光谱影像合成假彩色图像。
-
公开(公告)号：CN118262131A
公开(公告)日：2024-06-28
申请号：CN202410463737.0
申请日：2024-04-17
Applicant: 北京邮电大学
IPC: G06V10/762 , G06T7/33 , G06V10/764 , G06V10/80 , G06N20/00
Abstract: 本发明提供一种基于多源数据和超像素聚类的雾定级反演系统及控制方法，包括：多源数据输入模块、多源数据预处理模块、基于静止气象卫星数据的超像素聚类模块、基于地面气象观测站实况数据的反演定级模块、融合多源数据的雾反演定级模块、雾反演定级结果输出模块；获取数据传入多源数据预处理模块；进行超像素处理，传入融合多源数据的雾反演定级模块；雾等级标签的获取，并将其传入融合多源数据的雾反演定级模块；进行多源数据的雾反演定级的融合，并将融合结果传入雾反演定级结果输出模块；并保存成输出文件；本发明利用像素相关性实现气象数据的聚类，辅助以地面气象观测站实况数据的散点型等级判识，实现陆地雾像素级别的定级反演任务，可以补充对于未部署地面气象观测站区域的陆地雾识别结果。
-
公开(公告)号：CN118674098A
公开(公告)日：2024-09-20
申请号：CN202410693252.0
申请日：2024-05-31
Applicant: 北京邮电大学
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/26
Abstract: 本发明提供数据驱动的集合多时间尺度规律的气象预报方法和系统，包括：数据收集模块、数据预处理模块、气象变化规律选择模块、训练数据准备模块、建模模块、集合预报权重学习模块以及预报模块；依靠神经网络模型强大的学习能力，从多时间尺度建模更丰富的大气系统的变化规律，弥补单一气象规律的建模误差，通过一个权重可学习的元模型将所有模型的预报结果进行集成，基于数据驱动的方式为每个预报时刻自动地选择最优的集合方式；对比基于单一气象规律的预报系统，预报结果的准确率和稳定性均有提升，且随着预报时效的增长，提升愈发明显。
-
公开(公告)号：CN113298746A
公开(公告)日：2021-08-24
申请号：CN202110757895.3
申请日：2021-07-05
Applicant: 北京邮电大学
Abstract: 一种基于机器学习算法的有监督假彩色图像合成方法涉及多光谱/高光谱影像处理技术领域，解决了现有实现复杂、适用范围窄的问题，包括：对带目标分割标签的n通道多/高光谱图像进行数据处理得到具有二分类标签的特征向量；将具有二分类标签的特征向量作为进行训练数据对XGBoost模型进行训练，XGBoost模型训练完成后，根据训练过程计算各个通道的对提取目标的重要性排序及权重；选取重要性排名在前的3个通道，根据3个通道中每个通道的权重进行像素值的缩放得到3个像素值调整后的通道图像，将3个像素值调整后的通道图像合成得到假彩色图像。本发明的任务导向性强、合成图质量高适用于任意领域多光谱/高光谱影像合成假彩色图像。
-
-
-
Search Results
4
records
(took 0.019 seconds)
