-
公开(公告)号：CN116797450B
公开(公告)日：2023-11-10
申请号：CN202311095482.9
申请日：2023-08-29
Applicant: 中南大学
Inventor： 刘圣军 , 左卜雷 , 默罕默德·阿卜杜拉·诺孟
Abstract: 本发明公开了一种基于曲线的图像风格化方法，包括获取目标图像及数据信息并预处理；确定灰度分级阈值；在预处理图像上的每个单元内进行递归细分得到不同层级的区域；遍历图像中的所有单元，确定每个单元内不同正方形区域的连接顺序，并插入过渡曲线连接每个单元中的正方形区域；根据得到的图像数据信息完成目标图像的风格化。本发明能够采用一条曲线来实现正方形空间的填充和图像内容进行表征，而且不出现曲线自相交的情况，同时也未添加过多的纹理特征；因此本发明方法的可靠性更高，得到的图像更为自然，而且图像质量更好。
-
公开(公告)号：CN113362465B
公开(公告)日：2022-07-15
申请号：CN202110627208.6
申请日：2021-06-04
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维形状逐点对应方法，包括获取待对应的三维网格；计算三维网格的拉普拉斯矩阵；计算拉普拉斯矩阵的广义特征值分解得到对应的特征向量和特征值；选择紧框架小波滤波器并生成对应的滤波器；迭代优化函数映射和逐点映射矩阵得到待对应的三维网格之间的逐点对应。本发明还公开了包括所述非刚性三维形状逐点对应方法的人体心脏运动仿真方法。本发明使用多尺度小波的保值作为约束，约束更加简单、紧凑和有效，而且迭代收敛速度更快，鲁棒性更高；同时，本发明方法的对应效果更好，而且计算效率更高。
-
公开(公告)号：CN113792859B
公开(公告)日：2022-06-17
申请号：CN202111069850.3
申请日：2021-09-13
Applicant: 中南大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种无监督形状对应方法，包括获取训练数据和测试数据，生成数据集；对数据集进行预处理；采用特征提取网络对预处理后的数据集进行特征提取；采用针对泛函数的谱流形小波约束优化，得到形状对应的概率密度矩阵，生成初始形状对应模型；提出作用于形状对应网络的无监督损失函数；生成最终形状对应模型；将初始三维形状发送到最终形状对应模型，生成带有初始三维形状特征信息的三维形状模型。本发明，精度高，速度快。并进一步提升了使用深度学习的形状对应算法的准确率，输出形状更加鲁棒。提出的无监督损失函数不需要网络额外的输入或者预先计算其他信息，大大提升了效率。
-
公开(公告)号：CN112348685A
公开(公告)日：2021-02-09
申请号：CN202011081209.7
申请日：2020-10-09
Applicant: 中南大学
Abstract: 本发明涉及信用评价技术领域，公开了一种信用评分方法、装置、设备及存储介质，用于提高金融机构对客户信用评价的准确性。所述方法包括：获取目标申请客户数据；根据预置特征变量对所述目标申请客户数据进行特征变量筛选；根据预置变量标准化参数对筛选出的特征变量按数据标准化处理方式进行处理，得到对应的标准化数据；将所述标准化数据输入预置专家群决策模型进行预测，输出所述目标申请客户对应的守约概率；将所述守约概率和所述目标申请客户的历史信用记录输入预置信用评分模型，输出所述目标申请客户的信用分数。
-
公开(公告)号：CN109584371B
公开(公告)日：2021-02-09
申请号：CN201811496826.6
申请日：2018-12-07
Applicant: 中南大学
IPC: G06T17/20
Abstract: 本发明公开了一种空间曲线覆盖三角网格曲面的方法，它先得到网格曲面上所有顶点的测地距离，时间复杂度O(nlogn)，其中n是三角网格上面片的数目。然后通过半边结构的迭代得到测地距离等值线，这样的时间复杂度最大是线性的O(nm)，其中m为等值线环的数目。进而通过图论的方式对于螺旋轮廓线进行拓扑分片，其中克鲁斯卡尔算法的时间复杂度是O(eloge)，e为图中边的数目，但是螺旋轮廓图类似与超树，通过近似可以估计边的数目约等于顶点的数目，因此可以估计出总的时间复杂度为O(mlogm)。最后对于每一个简单区域定义算子进行局部路由并且在简单区域之间进行全局连接这样时间复杂度不会超过O(l)，l为等值线环上所有的顶点数。从全局来看复杂度都不会超过O(nlogn)。
-
Patent Agency Ranking
公开(公告)号：CN110910492A
公开(公告)日：2020-03-24
申请号：CN201911204811.2
申请日：2019-11-29
Applicant: 中南大学
Abstract: 本发明公开了一种非刚性三维模型之间点点匹配的方法，该方法包括以下步骤：先建立各向异性谱流形小波描述符；再以建立的描述符作为模型点的描述符约束，采用模型上各点的热核关系作为点对关系约束，建立目标函数，实现模型点间的最优匹配。本发明先在前期建立各向异性谱流形小波描述符，再采用热核关系作为点对关系约束。相较于现有方法而言，各向异性谱流形小波描述符具有等距变形不变性、能区分模型的内蕴对称性、具有高分辨能力和定位能力、计算效率高，结构紧凑的优势；热核关系作为点对关系约束比其他采用测地距离的方法计算效率和稳定性更优越；从而保证本方法计算明确，结果鲁棒，匹配准确。
-
公开(公告)号：CN109671154A
公开(公告)日：2019-04-23
申请号：CN201811513784.2
申请日：2018-12-11
Applicant: 中南大学
IPC: G06T17/20
Abstract: 本发明公开了一种三角网格表示的曲面非迭代重新网格化方法，进行网格重划分时先输入待重划分网格模型，其次采用特征点提取、有效特征线判断和使用LDNI方法进行模型重采样，然后进行点云数量优化和点云位置优化，并以网格半径为约束生成网格，再以最大面积为标准去除冗余三角片，最后以面积、二面角和三角片质量为约束进行网格修复即可输出。整个过程快速对模型三角片质量进行优化；使用新的基于点与三角片混合表示的数据结构，使得在进行处理时，能够确定重采样点在原始模型的特征信息；使用法向距离替代欧式距离，能够保留细节特征；在修补算法中考虑法向信息，使得缺失部分较好的还原。
-
公开(公告)号：CN119644481A
公开(公告)日：2025-03-18
申请号：CN202411831188.4
申请日：2024-12-12
IPC: G01W1/18 , G06N3/0464 , G06N3/08 , G01W1/10
Abstract: 本发明涉及气象预报技术领域，提出一种基于深度学习的延伸期气温偏差订正方法及系统，其中包括以下步骤：获取延伸期回算数据集和再分析数据集并对其进行预处理，得到四维的训练数据集，其维度包括集合成员数、预报时效、纬度和经度；将训练数据集输入基于3D U‑Net的延伸期气温偏差订正模型中进行训练；其中，通过网格化搜索确定最优参数组合对所述延伸期气温偏差订正模型进行更新；将待订正的延伸期气温预报数据进行预处理后输入完成训练的所述延伸期气温偏差订正模型中，得到订正结果。
-
公开(公告)号：CN118762145B
公开(公告)日：2024-11-22
申请号：CN202411253719.6
申请日：2024-09-09
Applicant: 中南大学
Abstract: 本发明公开了一种扫掠面高精度重建方法，包括获取目标扫掠面的数据信息并得到三角网格模型；计算三角网格曲面的曲率并得到初始路径；根据初始路径拟合得到轮廓曲线；根据轮廓曲线逆向计算修正跟踪路径有序点集，修正跟踪路径有序点集的直线段和圆弧段并拟合得到路径曲线；根据轮廓曲线和路径曲线完成最终的扫掠面的重建。本发明还公开了一种包括所述扫掠面高精度重建方法的管道零件曲面重建方法。本发明通过高斯映射逼近扫掠横截面，通过逆向计算对跟踪路径进行修正，有效避免了跟踪路径的离散误差，同时结合约束以提高路径精度；因此本发明不仅能够实现自动的扫掠面的高精度重建，而且可靠性更高，精确性更好。
-
公开(公告)号：CN118887416A
公开(公告)日：2024-11-01
申请号：CN202411394057.4
申请日：2024-10-08
Applicant: 中南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种三维点云数据的特征提取方法，包括获取已知的三维点云数据集并预处理；在三维点云数据集的最小包围盒的顶点处设置源电荷并构建三维点云数据集中各个点的探针点电荷；计算三维点云数据集中各个点的点几何库仑力；将点几何库仑力与对应的三维坐标合并得到训练数据集，并对深度学习网络进行训练得到特征提取网络；采用特征提取网络完成目标三维点云数据的特征提取。本发明还公开了一种包括所述三维点云数据的特征提取方法的分类分割方法，以及实现所述三维点云数据的特征提取方法的系统。本发明具有低维和显式的特征，对真实数据具有更强的鲁棒性，不仅能够实现三维点云数据的特征提取，而且可靠性更高，精确性更好，适用性更好。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
