一种框幅式FPI高光谱图像的辐射校正方法

    公开(公告)号:CN109974854B

    公开(公告)日:2020-11-20

    申请号:CN201910204542.3

    申请日:2019-03-18

    Abstract: 本发明公开了一种框幅式FPI高光谱图像的辐射校正方法,在光谱成像仪系统级别的定标与校正,消除了感光单元内非光照引起的暗电流和边缘入射光线的透镜衰减影响。在辐射处理部分,非理想太阳光照条件导致图像之间的辐射差异很大。使用全局中值照度校正的方法消除了航带间照度变化引起的辐射亮度梯度差异。基于像底点标准化的BRDF校正消除了场景内与观测角度和方向相关的亮度梯度差异。使用Savitzky‑Golay滤波对光谱曲线进行抛光,消除了大气校正残余的吸收峰毛刺噪声。滤波后的图像的信噪比得到了明显的提升,尤其是原本信噪比较低的波段。另外,近红外波段的信噪比提升效果要优于可见光波段,提升幅度约为5个单位。

    用于公开验证所有权的鲁棒地理数据水印方法

    公开(公告)号:CN103903218B

    公开(公告)日:2017-04-12

    申请号:CN201410156498.0

    申请日:2014-04-17

    Abstract: 本发明提供一种用于公开验证所有权的鲁棒地理数据水印方法,包括水印嵌入过程和水印检测过程,所述水印嵌入过程包括对于原始的地理数据集中每个地物分别计算出一个相应的地物标识,将地物划分分组,将版权信息块分别隐藏到分组中,为各分组分别生成一个对应的验证向量集,将验证向量集作为公钥随同地理数据集的产品一起发布;所述水印嵌入过程包括生成临时公钥,依据临时公钥和公钥计算用户版权信息,将提取出的用户版权信息和公开发布的版权信息进行比较,如果相同则能申明该数据版权,否则不能。本发明能有效抵抗常见的地理数据水印攻击方式,且水印检测时无需密钥,可公开、重复验证数据所有权。该方法不会修改原始数据,不会降低原始数据的质量。

    牧群采食量分布的监测方法及装置

    公开(公告)号:CN105654391A

    公开(公告)日:2016-06-08

    申请号:CN201610051618.X

    申请日:2016-01-26

    CPC classification number: G06Q50/02

    Abstract: 本发明公开了一种牧群采食量分布的监测方法及装置,涉及畜牧业监测技术领域,根据牧群信息及与牧群信息对应的跟踪家畜的跟踪信息计算牧群的采食量,再根据缓冲区域划分的栅格进行显示,从而提高监测牧群采食量的效率。本发明的主要技术方案为:获取牧群信息及与牧群信息对应的跟踪家畜的跟踪信息,然后根据所述牧群信息和所述跟踪信息获取所述牧群的采食量,再对包含所述采食量的缓冲区域划分栅格,最后显示所述缓冲区域及与缓冲区域对应的栅格。本发明主要用于牧群采食量分布的监测。

    用于公开验证所有权的鲁棒地理数据水印方法

    公开(公告)号:CN103903218A

    公开(公告)日:2014-07-02

    申请号:CN201410156498.0

    申请日:2014-04-17

    Abstract: 本发明提供一种用于公开验证所有权的鲁棒地理数据水印方法,包括水印嵌入过程和水印检测过程,所述水印嵌入过程包括对于原始的地理数据集中每个地物分别计算出一个相应的地物标识,将地物划分分组,将版权信息块分别隐藏到分组中,为各分组分别生成一个对应的验证向量集,将验证向量集作为公钥随同地理数据集的产品一起发布;所述水印嵌入过程包括生成临时公钥,依据临时公钥和公钥计算用户版权信息,将提取出的用户版权信息和公开发布的版权信息进行比较,如果相同则能申明该数据版权,否则不能。本发明能有效抵抗常见的地理数据水印攻击方式,且水印检测时无需密钥,可公开、重复验证数据所有权。该方法不会修改原始数据,不会降低原始数据的质量。

    一种基于公平理论的面向联邦学习的公平奖励分配方法

    公开(公告)号:CN115345317B

    公开(公告)日:2023-04-07

    申请号:CN202210937456.5

    申请日:2022-08-05

    Abstract: 本发明提供了一种基于公平理论的面向联邦学习的公平奖励分配方法。该方法包括:将亚当斯的公平理论应用于联邦学习中,参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。本发明综合考虑不同参与方的实际情况,以尽可能满足所有参与方的期望为目标分配实际奖励,实现满足参与方期望的公平性。

    一种基于公平理论的面向联邦学习的公平奖励分配方法

    公开(公告)号:CN115345317A

    公开(公告)日:2022-11-15

    申请号:CN202210937456.5

    申请日:2022-08-05

    Abstract: 本发明提供了一种基于公平理论的面向联邦学习的公平奖励分配方法。该方法包括:将亚当斯的公平理论应用于联邦学习中,参与方综合分析对联邦任务投入的所有因素后,给出本次任务的期望奖励,任务发布者利用参与方的历史任务计算出参与方的声望;参与方利用本地数据参与每轮训练任务,评估参与方的数据贡献、模型贡献和等待时间补贴三因素,综合三因素的贡献结果评估参与方的贡献;当全局模型收敛后,以参与方的实际奖励与期望奖励尽可能接近为目标,根据公平奖励目标函数动态调整三因素权重,获取并分发参与方的实际奖励。本发明综合考虑不同参与方的实际情况,以尽可能满足所有参与方的期望为目标分配实际奖励,实现满足参与方期望的公平性。

    一种基于改进PDERL算法的视频监控视域分析方法

    公开(公告)号:CN119313622A

    公开(公告)日:2025-01-14

    申请号:CN202411352112.3

    申请日:2024-09-25

    Abstract: 本发明公开了一种基于PDERL的视频监控视域分析方法,涉及GIS空间分析领域。该方法包括:获取DSM地形数据及视频监控参数信息;基于视频监控视场角、视距等信息利用分区策略实现在任意视场角范围均满足同一视线上远距离网格点能够利用近距离网格点信息;根据观察点是否处于网格点进而采取不同策略优化初始参考线;对于各分析子区域,根据由视场角形成的分割线来确定分析区域横/纵向格网线的起止坐标,同时判断起始分割线与边界区域值关系,实现对网格点搜索进行优化;若存在多个区域则合并各区域可视结果,生成对应栅格可视性文件,在GIS中可视化结果。本发明在视域分析领域中实现了速度与精度之间的有效平衡,对于需要快速响应且对精度有较高要求的视域分析场景有重要的参考价值。

    一种地形视域选点的高效、精确多候选视点过滤算法

    公开(公告)号:CN119273950A

    公开(公告)日:2025-01-07

    申请号:CN202410597693.0

    申请日:2024-05-14

    Abstract: 本发明公开了一种地形视域选点的高效、精确多候选视点过滤算法EVP(Efficient Precise Viewshed Point Selection),涉及视域分析及空间优化领域。首先,基于相对高程确定候选视点,利用ECKM(Empty Circles based kmeans)算法确定候选视点聚类的初始中心,并对候选视点进行聚类。其次,提出了视点评估指标WCOM,在迭代过程中,将候选点的可视域拆分为覆盖贡献点集和重叠贡献点集,基于此计算WCOM(Weighted Coverage Overlap Metric)并存储为最小堆。最后,通过过滤算法调整更新覆盖贡献点集和重叠贡献点集,完成新增和删除簇内视点,直至每个簇仅剩一个最有价值视点。实验结果表明,EVP算法在计算效率、覆盖率和重叠率等性能方面表现最佳,本发明为多视点空间规划提供重要参考。

Patent Agency Ranking