-
公开(公告)号：CN108133467B
公开(公告)日：2021-12-07
申请号：CN201810084505.9
申请日：2018-01-29
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于粒计算的水下图像增强系统及增强方法，基于非均匀粒度的计算方法，去除水下光照不均和噪声，在保护纹理细节的完整性的同时，实现图像增强。本发明首先提取水下图像的照度信息，按从粗到细的粒度层次逐步对光照信息进行细分，将图像划分为一系列大小和光照强度不同的粒子构成的集合，并定位最适宜亮度粒子，根据每个粒子的亮度情况分别进行照度补偿，获得去除光照不均的水下图像，然后对每个粒子分别进行噪声去除，实现图像增强。本发明不需要光照先验知识，无需手工调节参数，能够根据图像特点自适应分析,增强后水下图像的纹理和细节信息清晰完整。
-
公开(公告)号：CN111368824A
公开(公告)日：2020-07-03
申请号：CN202010112114.0
申请日：2020-02-24
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种仪表识别方法、移动设备及存储介质，所述方法包括如下步骤：采用训练好的卷积神经网络对所采集的仪表图像进行初步检测定位，以初步获取仪表检测结果显示区域；利用图像处理方法对初步获取的仪表检测结果显示区域进行识别判读；将识别判读结果返回给预构建的云边协同网络的边缘节点，并通过边缘节点进一步返回给雾节点和云中心。本发明采用卷积神经网络结合图像处理方法对仪表进行识别，能够减少计算量，提高识别结果的准确性及实时性；将计算处理过程由移动设备实现，识别结果通过边缘节点依次返回给雾节点、云中心，支持广大的移动设备接入，能够达到实时可靠传输识别结果的目的，便于云中心处理和分析数据。
-
公开(公告)号：CN111324146A
公开(公告)日：2020-06-23
申请号：CN202010156115.5
申请日：2020-03-09
Applicant: 河海大学常州校区
IPC: G05D1/10
Abstract: 本发明公开了一种水下巡检机器人的轨迹跟踪控制方法。包括如下步骤：（1）、预设水下巡检机器人轨迹跟踪的参考轨迹，参考轨迹用导航路径规划算法得到从起始点到目标点的最优路径，将其作为机器人轨迹跟踪的预设参考轨迹；（2）、结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器；（3）、对水下巡检机器人作受力分析，建立动力学模型，并设计轨迹跟踪的动力学控制器；（4）、将运动学控制器的控制值作为动力学控制器的输入，得到满足轨迹跟踪所需的推力及转矩，实现水下巡检机器人平滑稳定的轨迹跟踪控制。本发明通过设计动态的目标函数，不仅解决了速度跳变问题，还减小了实际轨迹与参考轨迹之间的滞后，在目标函数中加入的最短跟踪步长优化函数项，减小了实际轨迹的路径长度，进而降低了轨迹跟踪能耗；此外还考虑实际水下环境对轨迹跟踪的影响，最终实现了平滑稳定的轨迹跟踪控制。
-
公开(公告)号：CN108765463A
公开(公告)日：2018-11-06
申请号：CN201810536188.X
申请日：2018-05-30
Applicant: 河海大学常州校区
CPC classification number: G06T7/246 , G06T7/11 , G06T7/194 , G06T7/254 , G06T7/44 , G06T2207/10016 , G06T2207/20021 , G06T2207/20081
Abstract: 本发明公开了一种结合区域提取与改进纹理特征的运动目标检测方法，包括如下步骤：(1)采集监控视频中的连续图像作为采样帧；(2)对采样帧中的每个像素点，利用其采样信息进行背景建模与恢复；(3)对图像进行分块，使用图像块的统计特征进行前景区域的提取，并对前景区域进行光照变化的判断，确定是否需要进行前景区域的二次判断；(4)在前景区域中进行前景像素点的精确提取。本发明通过进行快速前景区域提取，大大减少了后续进行精确判断的计算量，在进行区域提取的同时，消除空间位移类干扰(树叶晃动等)以及亮度变化类干扰(光照变化等)这两种主要干扰；准确高效地提取出图像序列中的运动目标。
-
公开(公告)号：CN108734481A
公开(公告)日：2018-11-02
申请号：CN201810493007.X
申请日：2018-05-22
Applicant: 河海大学常州校区
Abstract: 本发明公开了基于人脸识别的无人超市智能货架管理系统及其方法，智能货架系统包括货架、摄像头、重力传感器、扫码器、显示器、报警器、微处理器和超市云数据平台；智能货架管理方法具体步骤如下：首先对超市内所有顾客脸部图像进行预处理，然后对当前顾客脸部图像进行采集并进行人脸识别得到身份信息，通过扫码器和重力感应器得到顾客选取或退还商品的信息并将它们和顾客身份信息一起上传至超市云数据平台。本发明可以帮助无人超市进行精确的货架管理，具有自动化程度高、成本低及安全性高等优点。
-
Patent Agency Ranking
公开(公告)号：CN106097315A
公开(公告)日：2016-11-09
申请号：CN201610388650.7
申请日：2016-06-03
Applicant: 河海大学常州校区
CPC classification number: G06T7/0008 , G01N29/069 , G01N2291/023 , G06T2207/10132 , G06T2207/30132
Abstract: 本发明公开了一种基于声呐图像的水下构筑物裂缝提取方法，其特征在于，包括如下步骤：步骤1、获取含有裂缝的水下构筑物的水下声呐图像；步骤2、对获得的声纳图像进行无重叠图像块划分，得到多个图像块；步骤3、计算每个图像块的灰度平均值、标准差、熵并映射到三维空间；步骤4、在三维空间中采用K均值聚类分析的方法将图像块分为两类：可能含有裂缝信息的图像块和不含裂缝信息的图像块，将不含裂缝信息的图像块去除；步骤5、对可能含有裂缝信息的图像块采用张量投票去除噪声，并且连接裂缝片段；步骤6、用阈值分割法得到最终结果。为评估水下构筑物的健康状况提供科学依据，提高检测的准确性。
-
公开(公告)号：CN111368824B
公开(公告)日：2022-09-23
申请号：CN202010112114.0
申请日：2020-02-24
Applicant: 河海大学常州校区
IPC: G06V30/146 , G06V30/148 , G06V30/19 , G06V30/10 , H04L67/01
Abstract: 本发明公开了一种仪表识别方法、移动设备及存储介质，所述方法包括如下步骤：采用训练好的卷积神经网络对所采集的仪表图像进行初步检测定位，以初步获取仪表检测结果显示区域；利用图像处理方法对初步获取的仪表检测结果显示区域进行识别判读；将识别判读结果返回给预构建的云边协同网络的边缘节点，并通过边缘节点进一步返回给雾节点和云中心。本发明采用卷积神经网络结合图像处理方法对仪表进行识别，能够减少计算量，提高识别结果的准确性及实时性；将计算处理过程由移动设备实现，识别结果通过边缘节点依次返回给雾节点、云中心，支持广大的移动设备接入，能够达到实时可靠传输识别结果的目的，便于云中心处理和分析数据。
-
公开(公告)号：CN107329477B
公开(公告)日：2020-05-15
申请号：CN201710691295.5
申请日：2017-08-14
Applicant: 河海大学常州校区
IPC: G05D1/02
Abstract: 本发明公开了一种无人船导航和自动驾驶设备及其方法，设备包括安装于无人船顶部的雷达、惯性导航系统、无线通讯系统和存储设备，安装于无人船顶部前端的摄像机，安装于无人船驾驶舱内的规则选择器、航行规划器和无人船控制器；在无人船视野范围内出现其他交通船时，摄像机和雷达对交通船进行跟踪定位和运动状态评估并将信息发送至存储设备，规则选择器结合无人船、交通船的定位和运动状态信息识别特定的水上航行规则，然后航行规划器结合速度障碍法做出最佳的航行规划，无人船控制器根据最佳航行规划信息控制无人船实施有效的避让措施，避免与交通船发生碰撞。本发明具有良好的智能性和灵活性，可以在复杂的水面环境做出有效的决策行动。
-
公开(公告)号：CN110765890A
公开(公告)日：2020-02-07
申请号：CN201910939924.0
申请日：2019-09-30
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于胶囊网络深度学习架构的车道及车道标识检测方法，包括以下步骤：S1，在相机捕获画面上，设置两层ROI；S2，使用混合高斯滤波器执行滤波处理；S3，在ROI图像上基于波形描述和阈值分割提取车道线、路面标记组件；S4,在相机捕获图像上分离色彩通道，并在每个通道上使用中值滤波器执行噪声消除；S5，估计红色和蓝色通道的阈值，并对两个通道执行增强操作；S6，构建多通道胶囊网络，进行训练；S7，将训练好的胶囊网络用于输入经分割后的目标组件，并反馈给用户或系统。本发明解决了在复杂的环境条件变化下，对车道及车道标识的智能检测，可以较好地辅助驾驶员或无人汽车完成驾驶任务。
-
公开(公告)号：CN110097006A
公开(公告)日：2019-08-06
申请号：CN201910361737.9
申请日：2019-04-30
Applicant: 河海大学常州校区
IPC: G06K9/00
Abstract: 本发明公开了一种基于手部掌纹掌脉特征融合的非接触式生物识别方法，包括以下步骤：S01，使用两个成像单元来分别捕获手掌的可见光图像和红外图像；S02，采用指尖点和指缝交叉点定位手部特征感兴趣区域，提取手部特征的掌纹、指纹、掌静脉和指静脉，并采用聚类分析结合信息显著度进行提取，建立受试者采集的手部图像数据样本集和测试集；S03，对获取的测试集中的手部特征与样本集中的手部特征进行匹配；S04，进行简单的DSmT证据融合，设定决策阈值进行判别。本发明提供的一种基于手部掌纹掌脉特征融合的非接触式生物识别方法，将手的掌纹和手掌静脉两种特征进行融合，能够提高复杂情况下的识别率。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.023 seconds)
