-
公开(公告)号:CN111091159A
公开(公告)日:2020-05-01
申请号:CN201911372169.9
申请日:2019-12-27
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供一种自主式水下机器人推进器弱故障特征提取方法,属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果,使得分解结果在时域内精度更高;然后在传统的特征提取方法基础上对故障特征进行增强,通过建立原子字典对应的故障权值矩阵,将故障信息保存在故障权值矩阵中;最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征,进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征,便于后续检测并辨识出推进器弱故障,特别适合于自主式水下机器人推进器的状态监测。
-
公开(公告)号:CN108984820A
公开(公告)日:2018-12-11
申请号:CN201810509493.X
申请日:2018-05-24
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明提供的是一种基于纳什均衡的粒子重投漂移路径预测方法。(1)对影响船舶漂移的因素进行纳什均衡处理;(2)在三维可视化软件Unity3D中输入经过步骤(1)的纳什均衡处理过的信息;(3)利用蒙特卡洛方法获取漂移物初始概率分布图;(4)求取在纳什均衡状态的漂移速度;(5)基于漂移速度,利用粒子重投方法结合漂移时间,经过模型计算,求出船舶的2D漂移路径;(6)将船舶的2D漂移路径转换为3D的漂移轨迹并显示。本发明巧妙的结合了纳什均衡理论与粒子重投方法,既考虑了多个影响因素又因为信息的及时更新会使漂移轨迹更加接近真实的漂移路径,然后有效的提高船舶漂移轨迹的拟合度。本发明能输出更加精确的漂移路径。
-
公开(公告)号:CN108510503A
公开(公告)日:2018-09-07
申请号:CN201810222986.5
申请日:2018-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的事一种基于纳什均衡理论的多纹理特征图像分割方法。主要包括:对图像的14种纹理特征值进行归一化处理;采用纳什均衡理论,不断的求取14个纹理特征值各自区域收益的最大值max(∑p∈Pσp),并且根据区域收益值进行相似区域的判断与合并;将结果输出至改进的基于纳什均衡的多纹理C-V模型中,获得光滑的图像分割轮廓线。由于模型是充分利用全图像14种纹理信息进行计算的,所以得到的结果更加全面和准确。
-
公开(公告)号:CN106204706A
公开(公告)日:2016-12-07
申请号:CN201610532400.6
申请日:2016-07-07
Applicant: 哈尔滨工程大学
CPC classification number: Y02A90/15 , G06T15/005 , G06T15/50 , G06T17/05 , G06T19/20
Abstract: 本发明属于虚拟现实应用领域,具体涉及一种漂移模型的海面三维可视化系统。本发明包括场景管理模块,数据管理模块,海面高度图模块,路径生成模块,天空盒模块:数据管理里模块统一处理来自不同输入途径的环境数据和模型数据,然后将处理后的数据分发至路径生成模块和海面高度图模块。本发明具有考虑信息全面,进而使场景模拟还原真实场景,从而提高搜救成功率的优点;是因为漂移模型的海面三维可视化系统需要对风属性,洋流属性,物体属性,随机事件,漂移起始类型和误差估计进行考虑,如此多因素的考虑使场景还原的更加真实,使搜救成功率可以保持的更高。
-
公开(公告)号:CN116645284A
公开(公告)日:2023-08-25
申请号:CN202310535744.2
申请日:2023-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种适用于人工光照下黑暗背景的水下图像复原方法,属于图像处理技术领域。根据黑暗背景下的水下图像的成像特点对基于模糊度的景深估计法进行改进,使其适用于黑暗背景下的水下图像景深d(x)的估计;针对现有方法应用于黑暗背景的水下图像背景光估计时存在误差甚至错误,利用前景与背景的景深差异来对图像进行分割,得到背景的水体区域,在水体区域利用暗通道先验法估计图像的背景光Bλ;再在根据光在黑暗背景下特殊成像规律,利用已知的景深d(x)和背景光Bλ来求解水下衰减系数cλ,实现对水下图像的复原。本发明能更加准确地复原出人工光照下黑暗背景的水下图像的清晰度,且对黑暗水环境具有更高的适应性。
-
公开(公告)号:CN109300138B
公开(公告)日:2022-03-18
申请号:CN201810870209.1
申请日:2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C‑V模型的医学图像分割方法,建立数学模型,初始化轮廓曲线,输入目标集和背景集,读取节点的像素灰度,与目标集中的节点进行比较,如果修正的纳什均衡未出现平衡,将节点存储到背景集中,否则,修正后的负纳什均衡出现,将节点存储到目标集中,当图像中没有新节点时,输出对象和背景集合,计算和比较目标最大收益和背景最大收益,平滑轮廓,直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇;将熵节点像素灰度的标准差定义为熵,评估图像中灰度分布的概率;利用熵对纳什均衡进行修正,获得内外簇平衡;模型没有阈值,没有经验设置,分割医学图像效果优于现有方法。
-
公开(公告)号:CN109272508B
公开(公告)日:2021-10-26
申请号:CN201810869760.4
申请日:2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域,具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法,包括以下步骤:找到图像的最大和最小灰度值,并把他们保存到变量max和min中;根据图像的宽和高将图像分割为点集;使用Monte Carlo方法从点集中随机的选择1000个点;计算点集的灰度最大和最小值分别为Pimax和Pimin;计算对象的下降和上升粗糙集分别保存到OT和计算背景的上升和下降粗糙集保存到和BT中;对子集进行排序,并根据阈值T来画出轮廓,如果子集的灰度值大于阈值T,则子集属于对象缓冲区,如果子集的灰度值低于阈值T,则子集属于背景缓冲区,得到图形的粗糙轮廓;对粗分割的第一阶段进行调整,得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
公开(公告)号:CN109300138A
公开(公告)日:2019-02-01
申请号:CN201810870209.1
申请日:2018-08-02
Applicant: 哈尔滨工程大学
IPC: G06T7/12
Abstract: 本发明提供一种基于两步纳什均衡改进C-V模型的医学图像分割方法,建立数学模型,初始化轮廓曲线,输入目标集和背景集,读取节点的像素灰度,与目标集中的节点进行比较,如果修正的纳什均衡未出现平衡,将节点存储到背景集中,否则,修正后的负纳什均衡出现,将节点存储到目标集中,当图像中没有新节点时,输出对象和背景集合,计算和比较目标最大收益和背景最大收益,平滑轮廓,直到收敛。本发明将节点像素灰度的标准差作为参与者的收益来衡量图像中的簇;将熵节点像素灰度的标准差定义为熵,评估图像中灰度分布的概率;利用熵对纳什均衡进行修正,获得内外簇平衡;模型没有阈值,没有经验设置,分割医学图像效果优于现有方法。
-
公开(公告)号:CN109285159A
公开(公告)日:2019-01-29
申请号:CN201810870190.0
申请日:2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 一种基于新型纳什均衡的医学图像分割方法,属于医学图像分割技术领域。本发明包括以下步骤:获取待分割图像的所有节点坐标和灰度值,初始化所有节点为两个节点集合,即对象集合和背景集合,按构建的近似熵和标准差双重约束下的纳什均衡确定每个节点实际所属集合,对于确定的两个节点集合给出每个节点的惩罚参数和核函数,使用新型纳什均衡修改后的SVM确定每个节点的决策函数,根据所有节点的决策函数对待分割图像进行分割。本发明在纳什均衡簇中引入双重分配约束,解决了决定节点簇的轮廓不明确的问题;基于所提出的纳什均衡来修改SVM,实现了更好的最大边缘,提高了医学图像分割的准确性。
-
公开(公告)号:CN109272508A
公开(公告)日:2019-01-25
申请号:CN201810869760.4
申请日:2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像信息处理研究领域,具体涉及一种基于粗糙集和粗糙熵的Petri网络图像分割方法,包括以下步骤:找到图像的最大和最小灰度值,并把他们保存到变量max和min中;根据图像的宽和高将图像分割为点集;使用Monte Carlo方法从点集中随机的选择1000个点;计算点集的灰度最大和最小值分别为Pimax和Pimin;计算对象的下降和上升粗糙集分别保存到OT和 计算背景的上升和下降粗糙集保存到 和BT中;对子集进行排序,并根据阈值T来画出轮廓,如果子集的灰度值大于阈值T,则子集属于对象缓冲区,如果子集的灰度值低于阈值T,则子集属于背景缓冲区,得到图形的粗糙轮廓;对粗分割的第一阶段进行调整,得到精确轮廓。本发明解决了不确定性、非均匀性和效率低下的问题。
-
-
-
-
-
-
-
-
-