CN107967452A - 一种基于视频的深海矿物分布识别方法及系统 - Google Patents
一种基于视频的深海矿物分布识别方法及系统 Download PDFInfo
- Publication number
- CN107967452A CN107967452A CN201711188464.XA CN201711188464A CN107967452A CN 107967452 A CN107967452 A CN 107967452A CN 201711188464 A CN201711188464 A CN 201711188464A CN 107967452 A CN107967452 A CN 107967452A
- Authority
- CN
- China
- Prior art keywords
- mineral
- sea
- characterization
- identified
- thing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
Abstract
本发明公开了一种基于视频的深海矿物分布识别方法,包括如下步骤:获取海底地理信息;根据海底地理信息进行海区划分,得到多个待识别海区针对待识别海区建立对应的矿物表征库;拍摄待识别海区的海底摄像视频并记录对应的坐标数据和方位数据;从海底摄像视频提取矿物表征图像以将矿物表征图像与矿物表征信息进行比对;在矿物表征图像与矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的坐标数据和方位数据;根据获取的坐标数据和方位数据确定待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。本发明还提供一种基于视频的海底矿物分布识别系统。采用本发明的识别方法和系统,能够有效提高海底矿物的识别准确度。
Description
技术领域
本发明涉及图像处理、模式识别技术领域,尤其涉及一种基于视频的深海矿物分布识别方法及系统。
背景技术
海洋的总面积约为3.6亿平方公里,约占地球表面积的71%,海底地壳中蕴藏着极其丰富的矿产资源,例如,石油、天然气、黏土矿物、锰铁矿物和金属硫化物等,这些矿物资源具有重大的经济价值和研究意义。
为了识别海底矿物资源,已经提出了识别海底矿物的方法。例如,在2017 年1月4日公开的发明专利申请CN106291737A中披露了一种水下光谱复合成像探测系统及方法,它通过卤素灯照射目标矿物,使得光线在目标矿物上进行散射,进而通过高光谱相机和协查光谱探测器采集的光谱信息采集和识别,实现海底矿物的识别。但是,由于海底地壳中的矿物种类和生物种类繁多,不同的矿物和生物可能表现出相同的光谱特征,其无法准确获得海底矿物图像,这就使得海底矿物的识别准确度低的问题。
发明内容
针对上述问题,本发明的一种基于视频的深海矿物分布识别方法及系统,可有效提高海底矿物分布情况识别的准确度,进而实现对海底矿物的有效识别。
为解决上述技术问题,本发明的一种基于视频的深海矿物分布识别方法,包括如下步骤:
获取海底地理信息;所述海底地理信息用于指示海洋的不同地形和地貌;
根据海底地理信息进行海区划分,得到多个待识别海区;
针对待识别海区建立对应的矿物表征库;所述矿物表征库包含多种矿物表征信息,所述矿物表征信息用于指示海底矿物的分布区域;
拍摄所述待识别海区的海底摄像视频,并记录拍摄的方位数据和坐标数据;
从所述海底摄像视频中提取矿物表征图像,以将所述矿物表征图像与所述矿物表征库中的矿物表征信息进行比对;
在所述矿物表征图像与所述矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的方位数据和坐标数据;
根据获取的方位数据和坐标数据确定所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
作为上述方案的改进,所述根据获取的方位数据和坐标数据识别所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布,包括如下步骤:
在所述待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,判定所述待识别区域分布有海底矿物。
作为上述方案的改进,在初步确定海底矿物的分布之后,还包括如下步骤:
获取所述目标表征物;
将所述目标表征物与表征物样品进行比对;
在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域。
作为上述方案的改进,所述矿物表征库还包括预设的光谱特征信息;
在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域之后,还包括如下步骤:
在所述识别出的分布区域内获取所述海底矿物的光谱图像;
在所述光谱图像与所述预设的光谱特征信息匹配时,完成所述海底矿物的识别。
作为上述方案的改进,所述海底地理信息包括海底地形、重磁异常、海底水深、洋流分布和海底构造;
所述针对所述待识别海区建立对应的矿物表征库,包括如下步骤:
根据不同的海底地理信息和不同类型的海底矿物,建立对应的矿物表征库;其中,所述矿物表征库预先采用海洋区域调查得到。
作为上述方案的改进,所述矿物表征信息包括生物习性特征和微地貌特征。
为解决上述技术问题,本发明还提供一种基于视频的深海矿物分布识别系统,包括:
海区划分模块,用于获取海底地理信息,以根据海底地理信息进行海区划分,得到多个待识别海区;所述海底地理信息用于指示海洋的不同地形和地貌;
表征库建立模块,用于针对待识别海区建立对应的矿物表征库;所述矿物表征库包含多种矿物表征信息,所述矿物表征信息用于指示海底矿物的分布区域;
摄像模块,用于拍摄所述待识别海区的海底摄像视频,并记录拍摄的方位数据和坐标数据;
特征比对模块,用于从所述海底摄像视频中提取矿物表征图像,以将所述矿物表征图像与所述矿物表征信息进行比对;
第一识别模块,用于在所述矿物表征图像与所述矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的方位数据和坐标数据;
初步确定模块,用于根据获取的方位数据和坐标数据确定所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
作为上述方案的改进,所述初步确定模块包括:
判定单元,用于在所述待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,判定所述待识别区域分布有海底矿物。
作为上述方案的改进,所述基于视频的海底矿物分布识别系统,还包括:
第一获取模块,用于获取所述目标表征物;
样品比对模块,用于将所述目标表征物与表征物样品进行比对;
第二识别模块,用于在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域;
第二获取模块,用于在识别出的分布区域内获取所述海底矿物的光谱图像;
第三识别模块,用于在所述光谱图像与所述预设的光谱特征信息匹配时,完成所述海底矿物的识别。
与现有技术相比,发明的一种基于视频的深海矿物分布识别方法及系统具有以下有益效果:本发明先根据海底地理信息进行海区划分,排除不存在海底矿物的海区对识别效率的影响,再针对待识别海区建立对应的矿物表征库,通过矿物表征信息来指示海底矿物的分布区域,使得在获取到海底摄像视频时,通过比对矿物表征图像和矿物表征库中的矿物表征信息来识别出待识别海区中目标表征物的方位数据和坐标数据,进而确定待识别海区中目标表征物的分布情况,初步确定海底矿物的分布。本发明通过识别待识别海区中目标表征物的分布情况来间接确定海底矿物的分布,避免直接对海底矿物进行图像或光谱的比对识别而导致识别准确度低,可确保获取到的海底矿物的图像或光谱准确,提高海底矿物的识别精度;并且,本发明通过三次识别过程来完成海底矿物的识别,可有效提高海底矿物的识别精度。
附图说明
图1是本发明实施例1的一种基于视频的深海矿物分布识别方法的流程示意图。
图2是本发明实施例1的另一种基于视频的深海矿物分布识别方法的流程示意图。
图3是本发明实施例2的一种基于视频的深海矿物分布识别系统的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
下面结合具体实施例和附图对本发明的技术方案进行清楚、完整的描述。
实施例1
如图1所示,是本发明的实施例1的一种基于视频的深海矿物分布识别方法,包括如下步骤:
S1、获取海底地理信息;海底地理信息用于指示海洋的不同地形和地貌;
具体地,步骤S1中的海底地理信息包括海底地形、重磁异常和海底水深、洋流分布、海底构造等信息;其中,海底地形包括洋中脊、海岭或海底火山。由于国际和国内对海洋科学领域的调研研究积累了大量的海底地理数据,因此海底地理信息的获取可利用现有的海底地理数据统计得出。
S2、根据海底地理信息进行海区划分,得到多个待识别海区;
在步骤S2中,根据步骤S1中获取的不同的海底地理信息进行海区划分,例如,可将包含洋中脊和海底火山的海区分别划分为两个待识别海区,其中一个待识别海区仅包含洋中脊,另一个待识别海区仅包含海底火山。由此,可排除不存在海底矿物的海区对识别速度的影响,提高海底矿物的识别效率。
S3、针对待识别海区建立对应的矿物表征库;矿物表征库包含多种矿物表征信息,矿物表征信息用于指示矿物的分布区域;矿物表征信息包括生物习性特征和微地貌特征;
步骤S3中,矿物表征库具体可根据不同的海底地理信息和不同类型的海底矿物建立得到;其中,矿物表征库预先采用海洋区域调查得到。例如,可通过海洋区域调查预先得到海底地理信息与矿物表征库之间的对应关系,比如锰铁矿分布在海底火山喷发口周围,且锰铁矿周围多分布有气烟囱、贝类和碳酸盐类生物;由此可确定锰铁矿的矿物表征信息中生物习性特征为贝类和碳酸盐类生物,微地貌特征为海底火山和气烟囱,进而可建立对应的矿物表征库。
S4、拍摄待识别海区的海底摄像视频,并记录拍摄的坐标数据和方位数据;
在步骤S4中,海底摄像视频可通过海底潜航器拍摄的录像获得;其中,矿物表征图像、拍摄的坐标数据和方位数据可通过对潜航器海底拍摄的录像进行分帧,从每帧图像中确定,每张矿物表征图像对应有坐标数据和方位数据。
S5、从海底摄像视频中提取矿物表征图像,以将矿物表征图像与矿物表征信息进行比对;
S6、在矿物表征图像与矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的坐标数据和方位数据;
S7、根据获取的坐标数据和方位数据确定待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
其中,在步骤S7具体为,当待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,则初步确定该待识别海区中分布有海底矿物。例如,以确定上述锰铁矿的分布为例,当获取的火山喷发口的坐标数据、气烟囱坐标数据、贝类坐标数据和碳酸盐类生物坐标数据位于相同的阈值区域,且火山喷发口的方位数据、气烟囱方位数据、贝类方位数据和碳酸盐类生物方位数据相同时,可确定该待识别区域分布有锰铁矿,进而可实现锰铁矿的分布区域识别。
由于现有的海底矿物识别通常是将获取到海底矿物的图像数据与预设的海底矿物图像数据进行直接比对,根据比对结果来实现识别。但是,由于海底中通常无光线照射、海底呈现黑色,且海底矿物的颜色大多也呈现黑色或褐色等较深的颜色,因此采用直接比对的方式通常无法识别出海底矿物。因此,与现有技术相比,本发明的一种基于视频的海底矿物分布识别方法具有以下有益效果:本发明先根据海底地理信息进行海区划分,排除不存在海底矿物的海区对识别效率的影响,提高海底矿物分布识别效率;再针对待识别海区建立对应的矿物表征库,通过矿物表征信息来指示海底矿物的分布区域,以通过比对矿物表征图像和矿物表征库中的矿物表征信息来识别出待识别海区中目标表征物及其方位数据和坐标数据,进而确定待识别海区中目标表征物的分布情况,确定待识别海区中海底矿物的分布,实现海底矿物的识别,避免直接对海底矿物进行图像或光谱的比对识别而导致识别准确度低,可有效提高海底矿物的识别精度。
较佳地,如图2所示,为了进一步提高对海底矿物分布识别的准确度,本发明在步骤S7之后,还包括如下步骤:
S8、获取该目标表征物;
S9、将目标表征物与表征物样品进行比对,并在目标表征物与表征物样品相同时,识别出海底矿物的分布区域。
进一步地,如图2所示,为了进一步提高海底矿物分布识别的准确度,本发明在目标表征物与表征物样品相同时,对海底矿物的分布区域进行识别之后,还包括如下步骤:
S10、在识别出的分布区域内获取海底矿物的光谱图像;
S11、在光谱图像与预设的光谱特征信息匹配时,完成海底矿物的识别。
在该实施方式中,通过二次识别的方式确认海底矿物的分布区域,进而可准确获取海底矿物的光谱图像;另一方面,在获取海底矿物的光谱图像之后,通过光谱图像与预设的光谱特征相匹配来识别海底矿物,可进一步提高海底矿物的识别准确度。
实施例2
如图3所示,是本发明的一种基于视频的深海矿物分布识别系统,包括:
海区划分模块1,用于获取海底地理信息,以根据海底地理信息进行海区划分,得到多个待识别海区;海底地理信息用于指示海洋的不同地形和地貌;
表征库建立模块2,用于针对待识别海区建立对应的矿物表征库;矿物表征库包含多种矿物表征信息,矿物表征信息用于指示矿物的位置;
摄像模块3,用于拍摄待识别海区的海底摄像视频,并记录拍摄的方位数据和坐标数据;
特征比对模块4,用于从海底摄像视频中提取矿物表征图像,以将矿物表征图像与矿物表征信息进行比对;
第一识别模块5,用于在矿物表征图像与矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的地理位置数据;
初步确定模块6,用于根据获取的地理位置数据确定待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
其中,初步确定模块6还包括:判定单元,用于在待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,判定待识别区域分布有海底矿物。
与现有技术相比,本发明的一种基于视频的深海矿物分布识别系统具有以下有益效果:本发明先通过海区划分模块1根据海底地理信息进行海区划分,排除不存在海底矿物的海区对识别效率的影响,再利用表征库建立模块2针对待识别海区建立对应的矿物表征库,通过矿物表征信息来指示海底矿物的分布区域,使得摄像模块3在获取到海底摄像视频时,通过特征比对模块4比对矿物表征图像和矿物表征库中的矿物表征信息,由第一识别模块5识别出待识别海区中目标表征物的方位数据和坐标数据,进而由初步确定模块6确定待识别海区中目标表征物的分布情况,初步确定海底矿物的分布,避免直接对海底矿物进行图像或光谱的比对识别而导致识别准确度低,可有效提高海底矿物的识别精度。
进一步地,如图3所示,本发明的深海矿物的识别系统还包括:第一获取模块7,用于目标表征物;样品比对模块8,用于将目标表征物与表征物样品进行比对;第二识别模块9,用于在目标表征物与表征物样品相同时,识别出海底矿物的分布区域;第二获取模块10,用于在识别出的分布区域内获取海底矿物的光谱图像;第三识别模块11,用于在光谱图像与所述预设的光谱特征信息匹配时,完成海底矿物的识别。
在该实施方式中,通过第一获取模块7、样品比对模块8和第二识别模块9,可实现对海底矿物的分布区域的二次识别,提高海底矿物分别区域确认的精度;并且,利用第二获取模块10获取海底矿物的光谱图像,使得获取的光谱图像更加准确,以及通过第三识别模块11对光谱图像进行识别,可进一步提高识别的准确度。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,故凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (9)
1.一种基于视频的深海矿物分布识别方法,其特征在于,包括如下步骤:
获取海底地理信息;所述海底地理信息用于指示海洋的不同地形和地貌;
根据海底地理信息进行海区划分,得到多个待识别海区;
针对待识别海区建立对应的矿物表征库;所述矿物表征库包含多种矿物表征信息,所述矿物表征信息用于指示海底矿物的分布区域;
拍摄所述待识别海区的海底摄像视频,并记录拍摄的方位数据和坐标数据;
从所述海底摄像视频中提取矿物表征图像,以将所述矿物表征图像与所述矿物表征库中的矿物表征信息进行比对;
在所述矿物表征图像与所述矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的方位数据和坐标数据;
根据获取的方位数据和坐标数据确定所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
2.如权利要求1所述的基于视频的深海矿物分布识别方法,其特征在于,所述根据获取的方位数据和坐标数据识别所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布,包括如下步骤:
在所述待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,判定所述待识别区域分布有海底矿物。
3.如权利要求1所述的基于视频的深海矿物分布识别方法,其特征在于,在初步确定海底矿物的分布之后,还包括如下步骤:
获取所述目标表征物;
将所述目标表征物与表征物样品进行比对;
在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域。
4.如权利要求3所述的基于视频的深海矿物分布识别方法,其特征在于,所述矿物表征库还包括预设的光谱特征信息;
在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域之后,还包括如下步骤:
在所述识别出的分布区域内获取所述海底矿物的光谱图像;
在所述光谱图像与所述预设的光谱特征信息匹配时,完成所述海底矿物的识别。
5.如权利要求1所述的基于视频的深海矿物分布识别方法,其特征在于,所述海底地理信息包括海底地形、重磁异常、海底水深、洋流分布和海底构造;
所述针对所述待识别海区建立对应的矿物表征库,包括如下步骤:
根据不同的海底地理信息和不同类型的海底矿物,建立对应的矿物表征库;其中,所述矿物表征库预先采用海洋区域调查得到。
6.如权利要求1所述的基于视频的深海矿物分布识别方法,其特征在于,所述矿物表征信息包括生物习性特征和微地貌特征。
7.一种基于视频的深海矿物分布识别系统,其特征在于,包括:
海区划分模块,用于获取海底地理信息,以根据海底地理信息进行海区划分,得到多个待识别海区;所述海底地理信息用于指示海洋的不同地形和地貌;
表征库建立模块,用于针对待识别海区建立对应的矿物表征库;所述矿物表征库包含多种矿物表征信息,所述矿物表征信息用于指示海底矿物的分布区域;
摄像模块,用于拍摄所述待识别海区的海底摄像视频,并记录拍摄的方位数据和坐标数据;
特征比对模块,用于从所述海底摄像视频中提取矿物表征图像,以将所述矿物表征图像与所述矿物表征信息进行比对;
第一识别模块,用于在所述矿物表征图像与所述矿物表征信息的相似度达到相似度阈值时,识别出目标表征物并获取对应的方位数据和坐标数据;
初步确定模块,用于根据获取的方位数据和坐标数据确定所述待识别海区中目标表征物的分布情况,进而初步确定海底矿物的分布。
8.如权利要求1所述的基于视频的深海矿物分布识别系统,其特征在于,所述初步确定模块包括:
判定单元,用于在所述待识别海区中的目标表征物为多种、多种目标表征物对应的坐标数据位于相同的阈值区域、且多种目标表征物对应的方位数据相同时,判定所述待识别区域分布有海底矿物。
9.如权利要求1所述的基于视频的深海矿物分布识别系统,其特征在于,还包括:
第一获取模块,用于获取所述目标表征物;
样品比对模块,用于将所述目标表征物与表征物样品进行比对;
第二识别模块,用于在所述目标表征物与表征物样品相同时,识别出所述海底矿物的分布区域;
第二获取模块,用于在识别出的分布区域内获取所述海底矿物的光谱图像;
第三识别模块,用于在所述光谱图像与所述预设的光谱特征信息匹配时,完成所述海底矿物的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711188464.XA CN107967452B (zh) | 2017-11-24 | 2017-11-24 | 一种基于视频的深海矿物分布识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711188464.XA CN107967452B (zh) | 2017-11-24 | 2017-11-24 | 一种基于视频的深海矿物分布识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107967452A true CN107967452A (zh) | 2018-04-27 |
CN107967452B CN107967452B (zh) | 2021-09-21 |
Family
ID=61999771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711188464.XA Active CN107967452B (zh) | 2017-11-24 | 2017-11-24 | 一种基于视频的深海矿物分布识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967452B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376629A (zh) * | 2018-10-12 | 2019-02-22 | 广州海洋地质调查局 | 一种海底泥火山识别方法 |
CN111832636A (zh) * | 2020-06-30 | 2020-10-27 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
CN112329804A (zh) * | 2020-06-30 | 2021-02-05 | 中国石油大学(北京) | 基于特征随机的朴素贝叶斯岩相分类集成学习方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040021598A1 (en) * | 2002-01-08 | 2004-02-05 | Garren David Alan | Process for mapping multiple-bounce ghosting artifacts from radar imaging data |
CN101059450A (zh) * | 2007-05-18 | 2007-10-24 | 重庆大学 | 冶金矿相智能识别方法 |
CN106291737A (zh) * | 2016-08-30 | 2017-01-04 | 广州市固润光电科技有限公司 | 一种水下光谱复合成像探测系统及方法 |
-
2017
- 2017-11-24 CN CN201711188464.XA patent/CN107967452B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040021598A1 (en) * | 2002-01-08 | 2004-02-05 | Garren David Alan | Process for mapping multiple-bounce ghosting artifacts from radar imaging data |
CN101059450A (zh) * | 2007-05-18 | 2007-10-24 | 重庆大学 | 冶金矿相智能识别方法 |
CN106291737A (zh) * | 2016-08-30 | 2017-01-04 | 广州市固润光电科技有限公司 | 一种水下光谱复合成像探测系统及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376629A (zh) * | 2018-10-12 | 2019-02-22 | 广州海洋地质调查局 | 一种海底泥火山识别方法 |
CN109376629B (zh) * | 2018-10-12 | 2019-08-20 | 广州海洋地质调查局 | 一种海底泥火山识别方法 |
CN111832636A (zh) * | 2020-06-30 | 2020-10-27 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
CN112329804A (zh) * | 2020-06-30 | 2021-02-05 | 中国石油大学(北京) | 基于特征随机的朴素贝叶斯岩相分类集成学习方法及装置 |
CN111832636B (zh) * | 2020-06-30 | 2024-04-12 | 中国石油大学(北京) | 基于特征组合的朴素贝叶斯岩相分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107967452B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN106203415B (zh) | 一种基于数字图像处理的银行卡号自动识别装置 | |
Edgington et al. | Automated event detection in underwater video | |
CN107967452A (zh) | 一种基于视频的深海矿物分布识别方法及系统 | |
CN108596165A (zh) | 基于无人机低空航拍图像的道路交通标线检测方法及系统 | |
CN104102909B (zh) | 基于多重视觉信息的车辆特征定位及匹配方法 | |
CN107710280A (zh) | 对象可视化方法 | |
CN102156881B (zh) | 基于多尺度图像相位信息的海难搜救目标检测方法 | |
CN111080696A (zh) | 一种基于计算机视觉的水下海参识别及定位方法 | |
CN110889840A (zh) | 面向地物目标的高分6号遥感卫星数据的有效性检测方法 | |
CN109409250A (zh) | 一种基于深度学习的无交叠视域跨摄像机行人再识别方法 | |
Lambers et al. | Towards detection of archaeological objects in high-resolution remotely sensed images: the Silvretta case study | |
CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
CN106951863A (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN109187548A (zh) | 一种岩体裂隙识别方法 | |
CN111160478A (zh) | 一种基于深度学习的高光谱目标显著性检测方法 | |
CN110378934A (zh) | 主体检测方法、装置、电子设备和计算机可读存储介质 | |
CN109800637A (zh) | 一种遥感影像小目标检测方法 | |
CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
Mazzei et al. | Automated video imaging system for counting deep-sea bioluminescence organisms events | |
CN105181721B (zh) | 基于岩心扫描的富泥披储层泥质含量计算方法 | |
Wang et al. | Fault detection using color blending and color transformations | |
Tsune et al. | Some Considerations about Image Analysis of Seafloor Photographs for Better Estimation of Parameters of Polymetallic Nodule Distribution | |
CN114359332A (zh) | 基于深度图像的目标跟踪方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |