公共文化服务平台

尹曹谦: 作品数：27 被引量：69H指数：5; 供职机构：宁波大学信息科学与工程学院更多>>; 发文基金：浙江省自然科学基金宁波市自然科学基金国家自然科学基金更多>>; 相关领域：自动化与计算机技术医药卫生天文地球电子电信更多>>

合作作者

面向卫星云图云分类的自适应模糊支持向量机被引量：6: 2017年; 云类识别是实现卫星云图自动分析的基础,针对卫星云图易受噪声干扰且不同云系往往相互交叠的特点,构造一种面向云类识别的自适应模糊支持向量机。该方法不仅改进了隶属度函数的表现形式,而且通过定义控制临界隶属度和隶属度衰减趋势的参数,使隶属度能根据不同云系样本的具体分布特性自适应调整,解决了传统模糊支持向量机的隶属度函数难以反映样本分布的问题。在MTSAT卫星云图上的实验结果表明,通过提取云图可见光通道的反照率、红外通道的亮温及三种亮温差作为云图的光谱特征,并结合统计纹理特征,所构造的自适应模糊支持向量机分类器能有效区分晴空区、低云、中云、高云及直展云;云类识别准确率优于标准支持向量机和传统模糊支持向量机,且具有更强的稳定性和自适应性。; 田文哲符冉迪金炜刘箴尹曹谦; 关键词：模糊支持向量机隶属度函数光谱特征

注意力机制下多尺度特征融合生成对抗网络的白天海雾监测: 2023年; 海雾是海上一种常见的天气现象,它使能见度降低,给海上交通和作业带来极大威胁。传统的卫星遥感海雾监测算法在准确率、可移植性及自动化程度等方面都有待改善。本文在注意力机制下,利用卫星遥感云图,提出一种多尺度特征融合生成对抗网络的白天海雾监测方法。该方法引入通道注意力机制,通过学习不同输入通道的权重,提升了网络对于重要通道云图的关注度;在此基础上,采用多尺度特征融合以获取海雾的多尺度信息,使提取的特征能兼顾海雾的整体及细节特性;为了进一步提高算法对于对海雾边缘的界定能力,本文引入对抗网络对海雾监测的生成网络进行监督,从而得到更精细的海雾区域。在测试云图的海雾监测实验中,命中率(POD)、临界成功指数(CSI)及误报率(FAR)分别为90.5%、81.28%和10.86%,均优于传统海雾监测方法以及其他基于深度学习的方法,这表明本文方法可以有效提升海雾监测的精度,研究成果对于海上船只航行、渔业生产、国防军事等具有重要意义。; 方旭源金炜符冉迪李纲何彩芬尹曹谦; 关键词：卫星遥感

采用抗混叠移不变Contourlet变换的云图融合(英文)被引量：1: 2014年; 融合多通道的卫星云图可为监测和预报天气状况提供更加全面可靠的信息。本文提出一种采用抗混叠移不变Contourlet变换(Aliasing-suppression and Shift-invariance Contourlet Transform,AS&SICT)的卫星云图融合方法。首先,为了克服原始Contourlet变换的频谱混叠及移变问题,将抗混叠滤波器组与非下采样方向滤波器组相结合,构造出AS&SICT;然后,对两通道卫星云图(红外与可见光)采用AS&SICT分解成低频及若干高频方向子带,对低频子带系数采取加权区域能量融合规则,而对高频子带系数采取加权区域方差融合规则进行融合处理;最后,对融合后系数进行抗混叠移不变Contourlet逆变换,得到融合云图。实验结果表明,本文方法融合的云图,由于增添了可见光云图的纹理细节信息,不仅提高了原始红外云图的分辨率,而且较好地保留了红外云图的亮温信息。; 尹曹谦黄小霞王文龙金炜

基于三维密集网络的肺结节检测方法被引量：4: 2020年; 针对传统基于三维特征的肺结节检测方法存在小结节检出率不高且计算量大的问题,提出一种更为高效的基于三维密集网络的肺结节检测方法。首先将密集连接单元引入3D U-Net,构建适用于肺结节检测的3D Dense U-Net网络;由于3D Dense U-Net用密集连接块代替原始3D U-Net的普通卷积层,可最大化地保证层与层之间的信息流通,不仅能解决传统堆叠式网络所存在的特征冗余问题,而且能加快网络训练速度。同时,该网络保留U-Net的基本连接方式,以实现底层特征的复用,从而可以有效地获取候选结节。在此基础上,针对候选结节中包含假阳例的问题,为了更加有效地获取结节特征,提高网络对结节的鉴别能力,构造三维密集分类网络(3D Dense Net)进行假阳例的剔除。在天池医疗AI大赛数据集的测试中,检测肺结节总体敏感度94.3%,10 mm以下结节敏感度91.5%,假阳例率5.9%。所提出的基于三维密集网络的肺结节检测方法对于小结节的检测更加灵敏,不仅能提高结节检出率,而且计算效率也有所提高。; 王尚丽金戈辉徐亮金炜尹曹谦符冉迪; 关键词：计算机辅助诊断

一种自适应在线字典学习的图像超分辨率方法: 本发明公开了一种自适应在线字典学习的图像超分辨率方法，首先选定一组高分辨率和低分辨率训练图像集，然后在高/低训练图像集上建立一种对应关系，通过高/低分辨率字典对为重构图像提供了更多的先验信息，在高放大因子下也能获得较好的...; 符冉迪石大维金炜李纲尹曹谦; 文献传递

联合块匹配与稀疏表示的卫星云图修复被引量：16: 2014年; 针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损,提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先,根据破损区域的优先权值确定待修复像素,对该像素的邻域进行分块处理。然后,利用待修复块与各匹配块之间的结构相似度,建立相应的冗余字典;通过求解稀疏表示问题修复该破损区域。最后,沿着等照度线不断更新优先权值,实现整幅图像的修复。实验结果表明,提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失,也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示:在云图存在局部区域缺失时,修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50dB和0.28dB,而且在纹理细节及边缘区域具有更好的视觉效果。; 金炜王文龙符冉迪田文哲尹曹谦; 关键词：卫星云图图像修复块匹配

采用残差估算的卫星云图压缩传感重建被引量：1: 2011年; 卫星云图数据量庞大,获取、传输、存储的代价很高.为了有效减小云图采样率及数据量,提出一种基于残差估算的压缩传感云图重建方法.该方法首先构造一种抗混叠方向多尺度变换,用于压缩传感的稀疏表示.借助随机投影技术将带平滑处理的投影Landweber算法引入分块压缩传感的重建过程,通过估计当前云图与前一相邻时次云图的残差获得理想的重构云图.实验结果表明,抗混叠方向多尺度变换适用于压缩传感的稀疏表示,所采用的残差估算重建方法可明显提高重建云图的视觉效果及客观评价指标.当测量率为0.5时,重建云图的峰值信噪比较直接重建法平均提高0.5dB以上.; 金炜符冉迪叶明岑雄鹰尹曹谦; 关键词：压缩传感

Tetrolet域卫星云图分块压缩感知(英文): 2014年; 针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。; 何艳金炜刘箴符冉迪尹曹谦; 关键词：卫星云图

架构于双树轮廓波及GGD模型的纹理图像检索被引量：2: 2009年; 提出一种基于双树轮廓波变换的纹理图像检索方法。双树轮廓波由塔型双树方向滤波器组构建,它保持了轮廓波灵活的方向选择性,同时克服了传统轮廓波不具有移不变性的缺点。根据双树轮廓波系数的统计特性,本文利用广义高斯分布对各子带进行建模,采用矩估计法提取模型参数,并用KL距离度量图像之间的相似度,实现纹理图像检索。为评价检索性能,从Brodatz图库创建了包含800幅纹理图像的数据库。实验结果表明,本文算法的平均检索率比基于小波和轮廓波的方法分别提高了10.46%和6.94%,而且保持了较高的计算效率。; 金炜励金祥尹曹谦; 关键词：滤波器组高斯分布纹理图像检索

基于深度度量学习的卫星云图检索被引量：1: 2022年; 针对传统云图检索方法难于获得理想的检索精度且检索效率低的问题,提出了一种基于深度度量学习的云图检索方法。首先设计了残差3D-2D卷积神经网络,以提取云图的空间及光谱特征。鉴于传统基于分类的深度网络所提取的特征可能存在类内差异大、类间差异小的问题,采用三元组训练网络,依据云图之间的相似性将云图映射到度量空间中,以使同类云图在嵌入空间中的距离小于非同类云图。在模型训练时,通过对无损三元组损失函数增加正样本对间距离的约束,改善了传统三元组损失的收敛性能,提高了云图检索的精度。在此基础上,通过哈希学习,将度量空间中的云图特征变换成哈希码,在保证检索精度的条件下提高了检索效率。实验结果表明,在东南沿海云图数据集和北半球区域云图数据集上,本文算法的平均精度均值(mean average precision,mAP)分别达到75.14%和80.14%,优于其他对比方法。; 金柱璋方旭源黄彦慧尹曹谦金炜

尹曹谦

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

尹曹谦

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈