-
公开(公告)号：CN119723359A
公开(公告)日：2025-03-28
申请号：CN202411360979.3
申请日：2024-09-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于提示反馈与图斑相似性的SAR溢油自动化监测方法，S1：获取海域遥感图像，并进行预处理，得到处理后的图像；S2：输入U‑Net模型中得到初始溢油区域筛选结果；S3：用户任选一图斑，得出该图斑是溢油区域或非溢油区域的判断结果；S4：进行相似性计算，包括获得每个图斑的形状特征、纹理特征和后向散射特征，进而得到其他图斑各自对应的相似性得分；S5：将其他图斑各自对应的相似性得分与设定的相似性得分阈值进行比较，并进行相应处理；S6：重复执行S3‑S5，得到最终的溢油区域监测结果。本发明对溢油区域初步检测，并引入少量的人工提示机制，即可自动完成大规模区域的溢油检测与分析，有效减少了人工干预，极大提升了监测效率和准确度。
-
公开(公告)号：CN119295964A
公开(公告)日：2025-01-10
申请号：CN202411344049.9
申请日：2024-09-25
Applicant: 大连海事大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V20/52 , G06V10/82 , G06N3/0464 , G06V10/80
Abstract: 本发明提供了一种多源遥感数据的海上油气平台监测方法及系统，包括如下步骤：S1、从多源遥感平台获取影像数据并存储至数据库中，对影像数据进行预处理；S2、在光学影像中标注油气平台的位置和类型，得到训练集和验证集；S3、将海上油气平台普查结果的坐标作为候选区域；S4、使用训练后的海上油气平台识别模型对包含候选区域的高分辨率光学影像中的油气平台进行识别，得到平台的精确位置和类别；S5、计算平台的精确位置和类别的红外影像特征或夜光影像特征，并结合预设的阈值判断待监测油气平台的作业状态。本发明通过多模态数据融合，实现对油气平台的精准识别与运行状态监测，为海上油气平台的安全监管提供技术支持。
-
公开(公告)号：CN119169481A
公开(公告)日：2024-12-20
申请号：CN202411326352.6
申请日：2024-09-23
Applicant: 大连海事大学
IPC: G06V20/13 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种SAR影像海冰检测的方法，包括获取SAR影像库中预设目标区域的SAR影像，以获取用于海冰检测的SAR影像数据集；对SAR影像数据集进行预处理，获取第一海冰掩膜图像集与海冰特征向量；对预创建的支持向量机进行训练，并根据训练后的支持向量机对SAR影像数据集进行分类预测，获取第二海冰掩膜图像；按照预设比例将第二海冰掩膜图像随机划分为训练集与验证集；将训练集输入至预创建的HRU‑Net模型进行模型训练，且基于构建的模型损失函数，根据验证集确认训练后的HRU‑Net模型是否收敛，以获取用于SAR影像海冰检测的支持向量机‑HRU‑Net检测模型；根据支持向量机‑HRU‑Net检测模型实现对待检测SAR影像的海冰检测。解决了目前存在的SAR海冰检测方法中对已标注样本依赖性高，海冰检测效率低、精度低等问题。
-
公开(公告)号：CN119295932A
公开(公告)日：2025-01-10
申请号：CN202411371874.8
申请日：2024-09-29
Applicant: 大连海事大学
IPC: G06V20/10 , G06T7/73 , G06V10/82 , G06V10/764 , G06N3/08
Abstract: 本发明公开了一种基于遥感影像和AIS的港口泊位信息提取方法，所述方法包括S1：获取港口区域的历史遥感影像，以及与历史遥感影像中港口区域内相匹配的船舶AIS数据；对所述遥感帧图像进行图像预处理获取港口类型样本集与优化遥感图像集；S2：对优化遥感图像集中的港口区域进行网格划分获取区域格栅图，并根据船舶AIS数据获取AIS数据时空图；S3：构建港口泊位信息提取模型，其包括根据港口类型样本集训练预建立的Vision Transformer模型，获取的港口类型预测模型；及根据AIS数据时空图训练构建的用于识别港口泊位信息的ST‑CNN模型，获取的港口泊位信息预测模型；S4：基于构建的港口泊位信息提取模型，实现对图像预处理后的港口区域的遥感影像进行港口泊位信息的提取。解决了AIS数据的地理精度在某些偏远或信号不佳的区域可能较差，导致泊位位置的识别不准确；其次，AIS数据的更新频率较低，在面对快速变化的港口布局时，无法及时反映港口的实际情况；此外，AIS数据对于港口设施本身的类型和布局信息缺乏描述能力，导致难以实现精细化的泊位类型识别的问题。
-
公开(公告)号：CN118194061A
公开(公告)日：2024-06-14
申请号：CN202410605394.7
申请日：2024-05-16
Applicant: 大连海事大学
Abstract: 本发明提供了一种海洋卫星AIS数据船舶航迹回溯方法，涉及智慧海洋技术领域，包括如下步骤：S1、根据规定的时间、经纬度信息获取目标区域的初始AIS数据；S2、形成标准AIS数据并存入数据库；S3、将标准AIS数据与轨迹点的数量阈值相对比以判断目标船舶是否有足量数据；S4、利用基于经验的自适应船舶航迹回溯模型聚类船舶航迹，得到待验证船舶航迹；S5、输出完成模型；S6、输入将待预测的点位输入至完成模型中对船舶航迹进行回溯，聚类出目标船舶航迹，将聚类出的目标船舶航迹合并，得到航迹回溯结果。本发明对海洋卫星AIS数据进行船舶航迹回溯能够兼具较高的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN119274040A
公开(公告)日：2025-01-07
申请号：CN202411417430.3
申请日：2024-10-11
Applicant: 大连海事大学
IPC: G06V10/82 , G06V10/24 , G06V10/20 , G06V10/774 , G06V10/34 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/25 , G06T7/70
Abstract: 本发明提供了一种基于多模态的遥感海上风车识别方法，包括如下步骤：S1、获取同一区域的光学影像和SAR影像；S2、将光学影像进行辐射定标、大气校正和几何校正处理，对SAR影像进行复数数据转换、滤波和地理编码操作，之后对光学影像和SAR影像进行重采样；S3、从S2处理后的光学影像和SAR影像中分别切取以中心点为切图中心的图像块，形成训练样本集；S4、将训练样本集输入到多模态海上风车识别模型进行训练以提高多模态海上风车识别模型的拟合度，得到训练后的多模态海上风车识别模型；S5、通过对SAR影像上海上风车叶片的亮点进行形态学分析和几何计算，得到海上风车位置、朝向信息。本发明对遥感影像进行海上风车识别兼具较高的检测精度和效率。
-
公开(公告)号：CN119272064A
公开(公告)日：2025-01-07
申请号：CN202411417432.2
申请日：2024-10-11
Applicant: 大连海事大学
IPC: G06F18/22 , G06V10/25 , G06F18/10 , G06N3/0442 , G06N3/042 , G06N3/045 , G06V20/13 , G06T7/20 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于SAR影像与AIS数据的暗船识别方法，包括如下步骤：S1、从SAR影像库和船舶导航系统获取SAR影像和AIS数据；S2、对SAR影像进行目标检测，提取船舶的位置和大小；对AIS数据进行清洗，去除AIS数据中的噪声和无效数据；S3、建立并训练LSTM模型，使用LSTM模型，基于历史AIS数据预测特定时刻船舶的位置；S4、构建GNN模型，使用GNN模型进行SAR影像中船舶与AIS数据匹配；S5、输出S4的匹配结果，即无AIS数据匹配的暗船；S6、使用LSTM模型对暗船未来位置预测，结合SAR卫星星座的运行周期和轨迹，为SAR卫星提供下一次拍摄的位置，以最大化覆盖出现暗船的位置区域。本发明减少了大量人工标注和分析的工作量，适用于大规模、长期的海上监控任务。
-
公开(公告)号：CN118194061B
公开(公告)日：2024-08-27
申请号：CN202410605394.7
申请日：2024-05-16
Applicant: 大连海事大学
Abstract: 本发明提供了一种海洋卫星AIS数据船舶航迹回溯方法，涉及智慧海洋技术领域，包括如下步骤：S1、根据规定的时间、经纬度信息获取目标区域的初始AIS数据；S2、形成标准AIS数据并存入数据库；S3、将标准AIS数据与轨迹点的数量阈值相对比以判断目标船舶是否有足量数据；S4、利用基于经验的自适应船舶航迹回溯模型聚类船舶航迹，得到待验证船舶航迹；S5、输出完成模型；S6、输入将待预测的点位输入至完成模型中对船舶航迹进行回溯，聚类出目标船舶航迹，将聚类出的目标船舶航迹合并，得到航迹回溯结果。本发明对海洋卫星AIS数据进行船舶航迹回溯能够兼具较高的精度和效率。
-
公开(公告)号：CN119274074A
公开(公告)日：2025-01-07
申请号：CN202411360980.6
申请日：2024-09-27
Applicant: 大连海事大学
IPC: G06V20/13 , G06V20/54 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种海上风电场异常船舶行为识别方法，所述方法包括S1：获取历史海上风车遥感影像的风车解译标志库；对预采集的目标区域遥感影像进行海上目标标注；基于目标区域遥感影像的船舶卫星AIS数据，并根据风车解译标志库的解译标志，以识别并获取初始样本数据集中的海上风车，获取优化数据集；S2：获取用于识别并提取海上风车位置信息的海上风车检测模型，并将海上风车位置信息以矢量图层形式转换为风场面矢量；S3：基于预设的MMSI编号，将船舶卫星AIS数据的运动轨迹转换为轨迹线矢量；S4：将风场面矢量作为目标区域，获取轨迹线矢量两端点与目标区域的相对位置关系获取拓扑关系图；S5：获取用于识别海上风车与移动船舶的拓扑关系的拓扑关系检测模型；S6：根据拓扑关系检测模型，以实现海上风电场异常船舶行为的识别获取船舶警示数据，以实现对海上风电场的安全监护。解决了现有的海上风电场风险评估方法主要依赖于预测模型和专家经验，无法准确反映实际运营中的复杂情况的问题。
-
公开(公告)号：CN119273920A
公开(公告)日：2025-01-07
申请号：CN202411344051.6
申请日：2024-09-25
Applicant: 大连海事大学
IPC: G06V10/26 , G06V20/13 , G06V10/764 , G06V10/774 , G06V10/54 , G06V10/74 , G06V10/82
Abstract: 本发明提供了一种基于SAR影像的海上养殖区提取方法，包括如下步骤：S1、在影像库中，筛选出目标区域预处理后的SAR影像，从SAR影像中提取特征，并将特征堆叠成特征图像；S2、使用分水岭算法对特征图像进行初始分割；S3、在S2初始分割基础上，使用相似性准则进行区域合并，得到最终分割结果；S4、结合SAR影像，在最终分割结果上标注出海上养殖区的类型；S5、将海上养殖区样本按照预设比例分为训练集和验证集；S6、使用验证集对训练后的DeepLabV3模型进行评价；S7、利用经验证后的DeepLabV3模型对待检测SAR影像进行海上养殖区提取。本发明通过半自动化的方式减轻标注负担，逐步实现对海上养殖区的自动化监测与分类。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.014 seconds)
