-
公开(公告)号：CN104507093A
公开(公告)日：2015-04-08
申请号：CN201410799528.X
申请日：2014-12-19
Applicant: 大连理工大学
IPC: H04W16/14
CPC classification number: H04W16/14
Abstract: 本发明一种收集与利用空闲频谱资源的方法属于无线网络、无线通信技术领域，涉及一种收集和利用空闲频谱资源的方法。该方法采用资源管理中心通过与各种节点的协作，动态更新可用频谱空闲状况地图，并更新各节点间的路由路径；频谱空闲状况地图由多个认知网络接入节点与认知网关节点通过协作交换彼此收集的空闲频谱资源的方式构建。方法采用的装置由第1-第12认知网络接入节点，第一、第二认知网关节点和1个安装了网络管理软件的资源管理中心组成；该装置可由通用的认知无线电硬件设备组成，便于快速布置，拆卸方便，适用于应急应用。该方法可应用到频谱资源较为紧张的地区，提高频谱资源管理效率，为用户提供更多的频谱资源用于通信。
-
公开(公告)号：CN103763767A
公开(公告)日：2014-04-30
申请号：CN201310205301.3
申请日：2013-05-28
Applicant: 大连理工大学
Abstract: 本发明具有频谱感知能力的被动无线定位方法属于无线通信及无线网络技术应用领域，涉及一种具有频谱感知能力的被动无线定位方法。该方法具有频谱特性感知能力，系统实时感知工作环境的频谱特性，对各无线信道进行性能评估，选择性能最好的信道进行定位和无线链路扫描，提高无线定位系统的位置估计精度；该方法利用多条无线链路测量信息估计出目标位置。该方法采用的系统由N个无线扫描节点，频谱感知节点，无线控制节点，通用PC机和目标构成。该方法适用于频谱特性变化较剧烈的环境，可在无需目标携带无线设备的情况下实现对无线网络覆盖区域内运动目标的被动定位跟踪。
-
公开(公告)号：CN117392443A
公开(公告)日：2024-01-12
申请号：CN202311308679.6
申请日：2023-10-09
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06V20/10 , G06N3/096 , G06N3/0464
Abstract: 本发明提供一种基于动态学习的增量式高光谱图像分类方法及装置，属于遥感图像应用技术领域。首先将采集的高光谱图像原始数据构建为数据集；初始化阶段，使用基类数据集中的训练样本及对应的标签数据训练模型，以实现对基类的准确分类；增量阶段，采用动态结构重组策略将主分支蒸馏与侧分支更新相结合，为新类的学习留下结构化的空间。本发明在上述可动态扩展结构的基础上，提出原型选择机制，通过选择性地将新类样本加入到蒸馏过程中，能够增强新旧类之间的区别，提高分类精度；本发明为持续性增量情况下实现精确的高光谱图像分类提供了一种可行的解决方案。
-
公开(公告)号：CN116486301A
公开(公告)日：2023-07-25
申请号：CN202310379598.9
申请日：2023-04-11
Applicant: 大连理工大学
IPC: G06V20/40 , G06V10/82 , G06N3/0442 , G06N3/08 , G06T7/00
Abstract: 本发明属于视频图像处理技术领域，提出一种基于目标检测的中间包亮眼检测方法。其为轻量级的基于卷积神经网络和长短时记忆神经网络实现的亮眼检测方法，目的在于解决炼钢生产过程中，对于亮眼现象无法及时捕捉的问题，提高生产过程的自动效率。利用传统图像处理进行半自动化标注，实现目标识别的自我深度学习。本发明有效利用了炼钢中间包亮眼区域的变化特性，将亮眼视为观察目标，与钢水覆盖层阴影等干扰因素区分开，有效利用了视频的时序信息，实现亮眼实时检测。
-
公开(公告)号：CN114743131A
公开(公告)日：2022-07-12
申请号：CN202210268313.X
申请日：2022-03-18
Applicant: 大连理工大学
Abstract: 本发明涉及三维卷积网络图像处理领域，更具体地，涉及一种轻量级的基于三维卷积网络的车辆黑烟检测方法。本发明有效利用了车辆黑烟的运动特性，将黑烟视为运动目标，与车辆阴影、道路污渍等干扰因素区分开，有效利用了视频的时序信息，实现黑烟车实时检测。
-
Patent Agency Ranking
公开(公告)号：CN109359623B
公开(公告)日：2021-05-11
申请号：CN201811347067.7
申请日：2018-11-13
Abstract: 一种基于深度联合分布适配网络的高光谱图像迁移分类方法，步骤为：输入源域和目标域的高光谱图像，进行特征归一化与维度统一；组合源域和目标域高光谱图像的特征；构建边缘概率分布适配网络，进行源域和目标域高光谱图像的边缘概率分布适配；按照一对多分类原理，选取源域和和少量的目标域高光谱图像的训练样本；构建条件概率分布适配网络，进行源域和目标域高光谱图像的条件概率分布适配；对目标域高光谱图像进行一对多分类。本发明提出了基于深度联合分布适配网络，实现了源域和目标域高光谱图像的特征适配，减小了两者的联合概率分布差异；同时，采用一对多分类模型，提高了类内与类间的区分性，进而提高了高光谱图像迁移分类的准确度。
-
公开(公告)号：CN109961096B
公开(公告)日：2021-01-05
申请号：CN201910206805.4
申请日：2019-03-19
Applicant: 大连理工大学
IPC: G06K9/62
Abstract: 本发明属于遥感图像处理与应用技术领域，具体涉及一种多模高光谱图像迁移分类方法。本发明用于解决现有高光谱图像分类技术难以跨数据、跨任务迁移的问题。主要解决多模高光谱图像迁移分类面临的两个技术难题，特征漂移与任务不一致。利用基于零次学习网络的领域自适应方法学习多模数据共性特征以解决特征漂移问题；使用分级度量学习策略进行新任务识别以完成任务迁移。本发明可实现不同空谱分辨率、不同光谱范围、以及不同任务覆盖的多模高光谱图像之间的信息共享与传递，为持续的高光谱图像分类提供一种有效的解决方案，使高光谱图像分类理论离大规模实际用更进一步。
-
公开(公告)号：CN109961096A
公开(公告)日：2019-07-02
申请号：CN201910206805.4
申请日：2019-03-19
Applicant: 大连理工大学
IPC: G06K9/62
Abstract: 本发明属于遥感图像处理与应用技术领域，具体涉及一种多模高光谱图像迁移分类方法。本发明用于解决现有高光谱图像分类技术难以跨数据、跨任务迁移的问题。主要解决多模高光谱图像迁移分类面临的两个技术难题，特征漂移与任务不一致。利用基于零次学习网络的领域自适应方法学习多模数据共性特征以解决特征漂移问题；使用分级度量学习策略进行新任务识别以完成任务迁移。本发明可实现不同空谱分辨率、不同光谱范围、以及不同任务覆盖的多模高光谱图像之间的信息共享与传递，为持续的高光谱图像分类提供一种有效的解决方案，使高光谱图像分类理论离大规模实际用更进一步。
-
公开(公告)号：CN106530246B
公开(公告)日：2019-04-16
申请号：CN201610960171.8
申请日：2016-10-28
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于暗通道与非局部先验的图像去雾方法及系统，属于图像信息处理技术领域。本发明的图像去雾方法能够对雾霾天气下采集的降质图像进行合理恢复。本发明的方法包括如下步骤：(1)求取有雾图像的暗通道图像；(2)根据暗通道图像估计有雾图像的大气光强；(3)基于非局部先验估计图像的透射率；(4)对透射率图像进行修正；(5)采用大气散射模型复原无雾图像。本发明还公开了一种基于暗通道与非局部先验的图像去雾系统。本发明能够真实自然地还原图像当中的景物信息，而且算法的复杂度低，运行速度快，有广泛的应用前景。
-
公开(公告)号：CN105976330B
公开(公告)日：2019-04-09
申请号：CN201610272906.8
申请日：2016-04-27
Applicant: 大连理工大学
Abstract: 本发明公开了一种嵌入式雾天实时视频稳像的方法，解决雾天视频中存在的抖动和对比度下降的问题。本发明的方法包括如下步骤：A、将基于Harris角点的视频稳像和带颜色恢复的Retinex算法同时应用于嵌入式系统中进行雾天视频处理中。对实时采集到的图像进行YUV空间的基于Harris角点的稳像处理和基于带颜色的多尺度Retinex算法的去雾处理，恢复出清晰无抖动的图像；B、实现了YUV空间上去雾和稳像进行的有效结合，并基于嵌入式系统特性对算法进行了优化。本发明既能够有效消除拍摄视频中的抖动，又能得到清晰景物信息，改善图像的视觉效果，同时能够达到实时的运行速度，从而为实时性监控系统提供很好的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.032 seconds)
