-
公开(公告)号：CN108509980A
公开(公告)日：2018-09-07
申请号：CN201810188900.1
申请日：2018-03-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于字典学习的水位监测方法，包括以下步骤：步骤1，在待测量河流区域固定一根测量标杆，通过摄像头实时采集该测量标杆与水面附近区域的图像；步骤2，采集若干幅图像作为训练图像，将每幅图像分为C类，对每类的图像块采用滑动窗采集训练数据，并打上对应的类别标签；步骤3，采用字典学习的方法对训练数据进行训练，得到字典D；步骤4，利用字典D对摄像头采集到的图像进行实时分类，得到图像的类别标签向量，从而获得水位值。本发明只需要安装传统的标杆即可实现，克服了传统水位测量方案中水平面位置难以准确识别的问题，具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN108470338A
公开(公告)日：2018-08-31
申请号：CN201810145473.9
申请日：2018-02-12
Applicant: 南京邮电大学
Abstract: 本发明公开一种水位监测方法，解决了现有技术水位监测方法易受光线影响、水位监测误差较大的技术问题。本发明先首先采集标杆和水面图像，接着利用标杆亮度变化小而水面因波纹不断变化导致亮度不断变化的特点，通过图像处理技术对拍摄到的时间相近的两幅图像读取灰度值，并进行差分运算，然后对图像中水面附近绘制差分灰度均值方差值与坐标的关系图，利用阈值分割算法得到灰度均值方差突变时对应的坐标即为水面坐标，并结合统计方法对水面坐标进行平滑处理，最后结合标杆实际长度和图像坐标的映射关系计算出水位深度。本发明能够准确判断出水平面的位置并实时监测出水深，具有很好的鲁棒性和实时性。
-
公开(公告)号：CN107631782A
公开(公告)日：2018-01-26
申请号：CN201710584816.7
申请日：2017-07-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于Harris角点检测的水位检测方法，包括步骤：在待测量河流区域固定两根椭圆形测量标杆，及在两根测量标杆之间设置若干根斜杆作为水平面测量斜杆，并通过摄像头实时采集获得两个测量标杆所在区域的图像；检测提取获得水平面测量斜杆所在区域图像；对提取水平面测量斜杆所在区域图像进行检测，获得几何数学模型并提取两根直线坐标；获得图像中的角点；筛选出位于两根直线坐标内的角点，将过该角点做水平方向与测量标杆平行的直线作为当前时刻的水平面；提取获得几何数学模型中水平面之上测量标杆长度，及计算获得实际水平面之上测量标杆的长度及实时的实际水位值。本发明可以准确地确定水平面位置和水位值，具有更高的数值鲁棒性和实时交互性。
-
公开(公告)号：CN107071422A
公开(公告)日：2017-08-18
申请号：CN201710248379.1
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: H04N19/147 , H04N19/96 , H04N19/124
CPC classification number: H04N19/147 , H04N19/124 , H04N19/96
Abstract: 本发明公开了一种基于图像相关模型的低复杂度HEVC码率适配转换编码方法，该方法步骤：（1）依据极大量化为零的原则，对码率‑量化参数模型进行估计；（2）根据估计的码率‑量化参数模型和目标码率选取初始量化参数；（3）据码率失真估计模型，生成初始编码树；（4）基于图像相关模型，求取图像相关系数和图像能量项；（5）计算运动矢量的位移项；（6）通过各子编码单元的残差系数对相关系数项进行估计；（7）失真代价进行求解，基于自底向上编码框架进行转换编码的编码模式的快速选择。本发明结合图像相关模型和输入视频的编码信息，以降低视频转换编码复杂度为核心，对提高转换编码的效率具有重要的意义。
-
公开(公告)号：CN119312226A
公开(公告)日：2025-01-14
申请号：CN202411371971.7
申请日：2024-09-29
Applicant: 南京邮电大学
IPC: G06F18/2431 , G06F18/25 , G06F18/2131 , G06F18/15 , G06N3/0464 , G06N3/084 , G06F18/214 , G06F18/21
Abstract: 本发明提出了一种基于深度学习的跨域无人机识别方法，主要步骤包括：对不同时间采集的无人机射频数据进行预处理，生成时频图谱；利用多分辨率分析技术，将原始时频图谱分解为多个子频谱；应用轻量级、多尺度的神经网络架构，提取子频谱中的射频特征；采用特征增强方法，丰富和优化提取的特征；最后进行标签分类。该方法有效减少复杂频谱中的数据冗余，实现准确可靠的无人机识别。通过结合多尺度分析、轻量级网络架构和特征增强技术，本发明显著提升了模型的鲁棒性和泛化能力，具有广泛的应用潜力，在无人机管理和智慧城市监控等领域，为复杂电磁环境下的无人机识别提供了一种高效且可靠的技术方案。
-
Patent Agency Ranking
公开(公告)号：CN115496204B
公开(公告)日：2024-02-02
申请号：CN202211228750.5
申请日：2022-10-09
Applicant: 南京邮电大学
IPC: G06N3/098 , G06N3/084 , G06F18/214 , G06F18/24
Abstract: 本申请公开了一种跨域异质场景下的面向联邦学习的评测方法，所述方法包括构建跨域异质场景下的面向联邦学习的非独立同分布数据集；构建异质测试环境；选择骨干网络VGGNet；选择梯度平均作为联邦学习算法；计算每一轮迭代所需时间；判断收敛周期；以及计算整个联邦学习过程中的总训练时间；本发明提出了面向联邦学习训练效率评估的测试环境构建、详细步骤与量化指标，能够量化度量不同联邦学习架构、不同联邦学习算法的训练效率。
-
公开(公告)号：CN108460381B
公开(公告)日：2022-06-10
申请号：CN201810203890.4
申请日：2018-03-13
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像识别的发票报销信息定位方法，包括从发票图像中分离提取全机打字符二值化图像；对全机打字符二值化图像进行黑白转换，获取相应的反转图像；对反转图像进行连通域连接，得到腐蚀成块图像；对腐蚀成块图像进行外部矩形边界检测，检测出各报销信息块的顶点和底点位置信息。本发明还公开了一种发票报销信息截取方法，包括采用前述的发票报销信息定位方法，按照纵向分行顺序截取各报销信息块。将本发明应用于发票报销中能够检测出所采集的发票图像中各个可报销信息连通域的位置信息，并根据位置信息对发票图像进行分块截取，提高了发票报销的工作效率、降低了出错率，具有较高的稳定性和鲁棒性。
-
公开(公告)号：CN108563770B
公开(公告)日：2022-05-17
申请号：CN201810360670.2
申请日：2018-04-20
Applicant: 南京邮电大学
IPC: G06F16/215 , G06F16/25 , G06F16/28
Abstract: 本发明公开了一种基于场景的KPI及多维度网络数据清洗方法，首先将采集的数据导入数据结构中；对导入的数据格式进行规范化，将资源数据按场景划分，同一个场景的资源数据合并得到资源子数据，对数据值产生的冲突进行检测和处理；对多个数据源或文件的数据进行关联，对数据的冗余和模式不匹配的情况进行判断和处理；对不能直接进行数据挖掘的数据进行处理；查看各属性的缺失率，根据缺失率决定处理方式，包括丢弃和采用K‑NN回归方法填补；在数据存储模块中对原始数据进行备份并存储清洗后的数据；本发明实现了数据的有效清洗，解决数据的复杂程度高导致的无法对数据进行深入挖掘的技术问题。
-
公开(公告)号：CN109460724B
公开(公告)日：2021-09-28
申请号：CN201811264286.9
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象检测的停球事件的分离方法和系统，其中方法包括：采用图像标注工具对原始训练集图像中的球员和足球进行标注，标注时将球员和足球用一个矩形框框出其在图像中的位置并输入相应的标签，得到标注后的训练集图像；根据训练集中的图像训练神经网络并输出图像中目标检测框的边界和目标的类别；采用训练好的神经网络对待检测的训练视频进行检测确定图像的帧数并输出球员和足球的坐标；将同时检测到足球和球员的前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件。本发明基于神经网络的检测的结果，对检测数据不断分析，找到停球事件的特点来对停球事件进行分离，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN108830281B
公开(公告)日：2021-09-28
申请号：CN201810527166.7
申请日：2018-05-29
Applicant: 南京邮电大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于局部变化检测和空间加权的重复图像匹配方法，具体步骤包括：通过SIFT算法提取待匹配图像信息；进行投影变换；检测图像的三个指标：匹配点间的距离、异常点、投影变换幅度；运用最小二乘法求解目标函数：匹配点位置信息相似度最大和投影变换幅值最小，得到投影变换参数；计算在此投影变换参数下的匹配点位置信息相似度，通过与阈值的比较判断图像匹配情况。通过引入投影变换模拟了拍摄角度细小变换对结果的影响，考虑到像素点的空间分布对结果的影响，同时加入异常点对匹配结果的影响，对监控平台的重复图像检测具有重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.024 seconds)
