-
公开(公告)号：CN108235412A
公开(公告)日：2018-06-29
申请号：CN201711376889.3
申请日：2017-12-19
Applicant: 中兴通讯股份有限公司 , 长安大学
IPC: H04W52/02
CPC classification number: H04W52/0229 , Y02D70/00
Abstract: 本发明公开了一种实现终端电能优化的方法，包括：用户设备UE检测到激活信号，所述激活信号指示在所述激活信号之后发送的控制信号；根据所述激活信号接收所述控制信号；其中，在未检测到所述激活信号或者确定不存在所需的控制信号时，所述UE进入休眠状态。通过本发明可以降低UE功耗，当网络负载较低时，减少了UE检测解码控制信息的次数，实现UE电能优化的目的。
-
公开(公告)号：CN106781509A
公开(公告)日：2017-05-31
申请号：CN201710129358.8
申请日：2017-03-06
Applicant: 长安大学
Abstract: 本发明公开了一种基于V2V的协作式城市道路拥堵检测方法，将车辆行驶速度v和车流密度ρ作为交通拥堵水平的影响因素，输入到模糊控制器中得到本地的交通拥堵水平，当有车辆O检测到有交通拥堵发生时，启动拥堵判决过程，即检测到有拥堵的车辆O向其邻居表中的车辆发送拥堵查询消息，邻居表中的车辆根据其拥堵判决结果向车辆O回复拥堵验证消息。未检测到交通拥堵时，车辆之间仅互相发送其位置信息，因此能够有效抑制网络过载，这种由车辆O和邻居表中的车辆协作完成交通拥堵检测的机制，显著提高了车辆检测交通拥堵的准确性。模糊控制器输出交通拥堵水平值为连续值，精准地反映了交通拥堵的级别，并且车辆O根据位置信息计算出拥堵区域和拥堵长度。
-
公开(公告)号：CN106530244A
公开(公告)日：2017-03-22
申请号：CN201610949239.2
申请日：2016-10-26
Applicant: 长安大学
IPC: G06T5/00
CPC classification number: G06T5/007
Abstract: 本发明公开了一种图像增强方法，包括如下步骤：步骤一：获取待增强的图像I；步骤二：对图像I进行双密度双树复小波变换，得到4幅低频图像Ia,Ib,Ic,Id和32幅高频图像I1,I2,…Ii，其中i＝1,2…32；步骤三：利用改进MSR算法对4幅低频图像进行处理得到I’a,I’b,I’c,I’d；步骤四：利用贝叶斯阈值去噪法对32幅高频图像进行处理得到I’1,I’2,I’3…I’i，其中i＝1,2…32；步骤五：对结果图片进行逆小波变换得到增强图像R。本发明提供一种能够增强图像有用信息对比度，并且能够较好的保留图像的细节特征的图像增强方法。
-
公开(公告)号：CN106407315A
公开(公告)日：2017-02-15
申请号：CN201610783688.4
申请日：2016-08-30
Applicant: 长安大学
CPC classification number: G01C11/08 , G01C21/26 , G06F16/583 , G06K9/00791 , G06K9/4671 , G06K9/6201
Abstract: 本发明公开了一种基于街景图像数据库的车辆自主定位方法，包括步骤1，使用相机采集场景图像，提取采集的图像的主颜色特征向量信息、SURF特征点和位置信息存储在数据库中；步骤2，将车辆行驶中拍摄的图像作为待匹配图像，提取待匹配图像的主颜色特征向量，通过计算待匹配图像的主颜色特征向量与原数据库中图像主颜色特征向量的相似度，得到初始匹配图像，提取初始匹配图像的位置信息，初步确定车辆的位置；步骤3，提取初始匹配图像的邻域图像，组成搜索空间，将待匹配图像与搜索空间的图像进行特征点匹配，得到最佳匹配图像，提取最佳匹配图像的拍摄位置坐标和其八邻域位置坐标，计算各个坐标的权重，再通过公式计算出车辆位置的精确坐标。
-
公开(公告)号：CN106228163A
公开(公告)日：2016-12-14
申请号：CN201610590698.6
申请日：2016-07-25
Applicant: 长安大学
IPC: G06K9/46
CPC classification number: G06K9/4642
Abstract: 本发明公开了一种基于特征选择的局部差三进制序列图像特征描述方法，包括如下步骤：步骤一：图像采集设备采集图像信号并将所采集的图像信号上传给处理器；步骤二：处理器调用分辨率差值调整模块将步骤1中所采集的图像信号分辨率调整为，并将调整后的图像表示为图像矩阵；步骤三：处理器对步骤2中得到的图像矩阵进行多尺度分块；步骤四：在同一分块模式下，提取多尺度分块下的局部差三进制模式特征；步骤五：利用k均值空间下最小冗余的互信息特征选择方法对局部差三进制模式特征进行选择；得到图像最终的识别特征；步骤六：处理结果同步输出。本发明设计合理、实现方便，操作简便，图像特征提取速度快、效果好，实用性强。
-
Patent Agency Ranking
公开(公告)号：CN106204705A
公开(公告)日：2016-12-07
申请号：CN201610529212.8
申请日：2016-07-05
Applicant: 长安大学
CPC classification number: G06T15/00 , G06T17/005
Abstract: 本发明公开了一种基于多线激光雷达的3D点云分割方法，包括步骤：1)利用多线激光雷达扫描360°范围内的3D点云数据,建立笛卡尔坐标系OXYZ，将3D点云数据转换到笛卡尔坐标系下，对笛卡尔坐标系下的3D点云数据进行预处理，确定3D点云数据中的感兴趣区域；2)利用近邻点的统计特性滤除感兴趣区域中的悬空障碍点；3)构建极坐标网格地图，将滤除悬空障碍点后的3D点云数据映射到极坐标网格地图中，然后从极坐标网格地图中的3D点云数据中分割出非地面点云数据；4)将非地面点云数据利用八叉树进行体素化，采用基于八叉树体素网格的区域生长方法进行聚类分割。本发明能提高运算效率，检测精度高，可靠性强，可以广泛在车辆环境感知技术领域中应用。
-
公开(公告)号：CN104518811B
公开(公告)日：2016-10-26
申请号：CN201410787457.1
申请日：2014-12-17
Applicant: 长安大学
Abstract: 本发明公开了基于信道特征序列的数字加权自相关超宽带接收方法及其接收装置，本发明的方法首先采用叠加平均算法估计出反映多径衰落能量单调分布的特征向量，并使用它将接收信号的自相关序列重新排列为信道特征序列；再将信道特征序列分段求和后组装为向量输入自适应滤波器，进行线性加权合并的优化训练以抑制噪声干扰；最后利用训练收敛后的加权系数向量进行动态的自适应检测。总之，该方法利用了信道特征序列中能级越相近的采样之间距离越接近的特点，使得大部分能级相近的采样处于同一分段，改善了线性加权合并的优化效果，在计算复杂度可接受的情况下显著提高了系统的误码性能。
-
公开(公告)号：CN103605960B
公开(公告)日：2016-09-28
申请号：CN201310578627.0
申请日：2013-11-15
Applicant: 长安大学
Abstract: 本发明提供一种基于不同焦距视频图像融合的交通状态识别方法，通过对不同焦距的视频图像进行背景差法和自动背景更新算法检测运动区域，分别计算灰度特征参数和速度特征参数，然后通过BP神经网络对大量的灰度特征参数和速度特征参数数据进行训练，从而实现交通状态的识别。实验结果表明，本方法能够较好通过交通视频流识别出交通状况，并且易于实现、准确性较高，对促进交通诱导系统的研究和应用、解决城市中交通拥堵问题具有较高的应用价值。
-
公开(公告)号：CN105206270A
公开(公告)日：2015-12-30
申请号：CN201510514595.7
申请日：2015-08-20
Applicant: 长安大学
Abstract: 本发明公开了一种组合PCA和RBM的孤立数字语音识别分类系统及方法，首先，采用梅尔频率倒谱系数(MFCC)与一阶差分MFCC相组合，初步抽取孤立数字的语音动态特征；然后采用主成分分析(PCA)对MFCC组合特征作线性降维处理，并统一新得到的特征的维数；进而，采用受限波尔兹曼机(RBM)对所得新特征作非线性降维处理；最后，采用Softmax分类器对非线性降维后的数字语音特征完成识别分类。本发明采用PCA线性降维、统一特征的维数与RBM非线性降维相结合，大大改善了模型的特征表征与分类能力，提高了孤立数字语音识别正确率，为实现孤立数字语音高准确率识别提供了一种高效的解决方案。
-
公开(公告)号：CN105069774A
公开(公告)日：2015-11-18
申请号：CN201510375307.4
申请日：2015-06-30
Applicant: 长安大学
CPC classification number: G06K9/6217
Abstract: 本发明公开了一种基于多示例学习与图割优化的目标分割方法：步骤1：对训练图像采用多示例学习的方法进行显著模型建模，并利用显著模型对测试图像中的包和示例进行预测，得到测试图像的显著性检测结果；步骤2：将测试图像的显著性检测结果引入图割框架，依据示例特征矢量与示例包的标记对图割框架进行优化，求解图割优化的次优解，得到目标的精确分割。本发明采用多示例学习的方法建立显著性检测模型，使其适合特定种类的图像，并将显著性检测的结果用于基于图论的图像分割方法中以指导图像分割，对图割模型框架环节进行了优化，并采用凝聚层次聚类算法求解，使得分割结果能更好地符合语义感知的输出，得到精确的目标分割结果。
-
-
-
-
-
-
-
-
-
Search Results
447
records
(took 0.14 seconds)
