-
公开(公告)号：CN105162740B
公开(公告)日：2018-02-02
申请号：CN201510570107.4
申请日：2015-09-09
Applicant: 南京信息工程大学
IPC: H04L25/03
Abstract: 本发明提供一种单通道时频重叠信号盲分离方法，包括以下步骤：步骤一，建立信号模型，将接收到的混合信号转换成由若干个高斯调幅源信号组成；步骤二，计算混合信号的联合最大似然函数，将混合信号的求解过程转化成求解多维变量参数的过程；步骤三，根据信号特性，预估各个源信号的时域中心和时宽调制参数；步骤四，计算多维变量参数的初始值；步骤五，计算多维变量参数的最优值；步骤六，计算高斯调幅源信号。本发明是一种带有预估计的混合遗传‑最小值搜索算法的多维变量参数估计方法，先对源信号的时宽调制参数P和源信号的时域中心t0进行预估计，然后再将遗传算法和最小值搜索算法混合计算其它参数，这样提高收敛速度和计算精度。
-
公开(公告)号：CN103118259B
公开(公告)日：2015-07-22
申请号：CN201310057807.4
申请日：2013-02-22
Applicant: 南京信息工程大学
IPC: H04N19/147 , H04N19/154 , H04N19/63
Abstract: 本发明公开了一种JPEG2000编码方法，该方法在JPEG2000标准基础上，对Tier 1编码进行改进，根据第一个编码块的最小率失真斜率作为门限的初始值和循环判断这两个特点，对设置为“1”状态的编码通道进行编码，而设置为“0”状态的编码通道丢弃。通过循环判断，可截断大量Tier 1的冗余编码通道，同时也缩小了Tier 2搜索最优率失真斜率门限值和最优截断点的范围，因此可显著地减少JPEG2000图像编码的存储量和计算时间，从而提高了编码效率。该方法包括以下步骤：步骤1、原始图像预处理；步骤2、离散小波变换；步骤3、量化处理；步骤4、Tier 1编码；步骤5、Tier 2编码。
-
公开(公告)号：CN103118259A
公开(公告)日：2013-05-22
申请号：CN201310057807.4
申请日：2013-02-22
Applicant: 南京信息工程大学
IPC: H04N7/26
Abstract: 本发明公开了一种JPEG2000编码方法，该方法在JPEG2000标准基础上，对Tier1编码进行改进，根据第一个编码块的最小率失真斜率作为门限的初始值和循环判断这两个特点，对设置为“1”状态的编码通道进行编码，而设置为“0”状态的编码通道丢弃。通过循环判断，可截断大量Tier1的冗余编码通道，同时也缩小了Tier2搜索最优率失真斜率门限值和最优截断点的范围，因此可显著地减少JPEG2000图像编码的存储量和计算时间，从而提高了编码效率。该方法包括以下步骤：步骤1、原始图像预处理；步骤2、离散小波变换；步骤3、量化处理；步骤4、Tier1编码；步骤5、Tier2编码。
-
公开(公告)号：CN102158702B
公开(公告)日：2013-01-30
申请号：CN201110103403.5
申请日：2011-04-25
Applicant: 南京信息工程大学
IPC: H04N7/26
Abstract: 本发明提供了一种自适应H.264码率控制方法，属于视频编码技术领域。本发明方法首先根据帧复杂度系数定义场景切换因子，然后根据每一帧场景切换因子自适应地分配该帧的目标比特。本发明方法的场景切换因子能够有效应对视频序列中可能出现的场景切换,可以更有效地实现码率控制，有效的改善场景切换对视频质量的影响，在压缩后图像质量、信道带宽和编码器缓冲区占用度之间取得了较好的平衡，并且保持了较低的编码器缓冲区占用度。
-
公开(公告)号：CN102752591A
公开(公告)日：2012-10-24
申请号：CN201210196077.1
申请日：2012-06-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于综合因子的H．264码率控制方法，属于视频编码技术领域。本发明考虑了P帧在GOP中的位置对当前帧码率控制的影响，定义了一个综合因子，用该因子对帧层目标比特的分配进行优化，然后利用前一帧的实际编码比特数和当前编码帧的目标比特的比率作为量化参数的调整因子，动态地进行量化参数的调整并进行率失真最优化。综合因子定义为当前编码帧的图像灰度直方图的平均差值比率、图像亮度分量的平均绝对误差比率和P帧在GOP中位置的加权和。本发明方法提高码率控制的精度和视频的质量。
-
Patent Agency Ranking
公开(公告)号：CN101895759B
公开(公告)日：2011-10-05
申请号：CN201010239407.1
申请日：2010-07-28
Applicant: 南京信息工程大学
IPC: H04N7/26
Abstract: 本发明公开了一种H.264码率控制方法，属于视频编码技术领域。本发明方法在现有方法以图像灰度直方图的平均差值和图像亮度分量的平均绝对误差比率的加权之和作为帧复杂度系数并根据该复杂度系数确定当前编码帧的目标比特数的基础之上，考虑已编码帧的特性对当前帧码率控制的影响，引入一个调整系数，用该调整系数对量化参数进行动态调整并进行率失真优化。本发明方法在更准确控制码率的同时，能得到更好的图像质量，本发明方法在抑制帧间质量波动方面也有更好的表现，提高了视频图像的平滑性，并且保持了较低的编码器缓冲区占用度。
-
公开(公告)号：CN119251558A
公开(公告)日：2025-01-03
申请号：CN202411286850.2
申请日：2024-09-13
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06T7/62 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种农作物叶片病害程度诊断方法及系统，涉及深度学习和农业信息技术领域，包括：获取农作物叶片图像数据集，对农作物叶片图像数据集进行标注和预处理，得到处理后的农作物叶片图像数据集；将农作物叶片图像数据集输入至预先建立的多尺度双注意力机制U‑Net模型内进行训练，得到训练后的多尺度双注意力机制U‑Net模型；获取待识别的农作物叶片图像，将待识别的农作物叶片图像输入至训练后的多尺度双注意力机制U‑Net模型内，输出得到农作物叶片图像的分类概率，根据农作物叶片图像的分类概率大小识别得出农作物叶片病害类别；对已识别出病害类别的农作物叶片图像，根据图像中叶片病斑总面积占叶片总面积的百分比来进行病害程度诊断计算，得出病害程度等级。
-
公开(公告)号：CN117710800B
公开(公告)日：2024-08-27
申请号：CN202311697488.3
申请日：2023-12-11
Applicant: 南京信息工程大学
IPC: G06V20/00 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种城市场景零样本识别方法及系统，从获取到的数据集中，选定部分类别为训练集，其余部分则为测试集；其中训练集样本带有类别信息，而测试集样本不包括类别信息；构建用于零样本识别的多尺度局部景观与全局特征融合模型，其中包括局部景观的建议框提取、局部景观与全局特征融合；在此基础之上，构建基于语义相关矩阵的新的权重映射损失函数对构建的多尺度局部景观与全局特征融合模型进行更新不断的优化，得到训练完成的多尺度局部景观与全局特征融合模型，基于该模型分别在UCM、AID、NWPU三个数据集上进行测试，得出识别结果，从而识别未带标注信息的类别表示，能够提高零样本识别的精度，提升模型的泛化能力。
-
公开(公告)号：CN116456464B
公开(公告)日：2023-09-22
申请号：CN202310708263.7
申请日：2023-06-15
Applicant: 南京信息工程大学
IPC: H04W72/044 , H04W72/543
Abstract: 本发明公开了一种基于用户服务质量的NOMA用户资源分配方法及装置，所述方法包括：建立基于用户服务质量的上行NOMA系统模型，在该模型中，两个服务质量要求不同的用户共用一个信道；建立功率分配和用户分组的联合优化问题，其优化目标是最大化系统中所有用户的加权和速率，其优化变量是分配给每个用户的功率，优化约束为分配的总功率、SIC解码顺序；通过求解联合优化问题确定用户分组配置和用户的功率分配结果。本发明能够实现NOMA系统下用户加权和速率最大化，提高系统性能，且方法具有较低的复杂度。
-
公开(公告)号：CN111861886B
公开(公告)日：2023-08-08
申请号：CN202010682515.X
申请日：2020-07-15
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于多尺度反馈网络的图像超分辨率重建方法，包括如下步骤：(1)建立图像数据集；(2)提取输入图像的特征，其次用多尺度上、下投影单元递归实现低分辨率和高分辨率的特征映射，得到不同深度的高分辨率特征图，然后把高分辨率特征图用卷积计算得到残差图像，最后对低分辨率图像插值并与残差图像相加得到输出的图像；(3)用数据集训练多尺度反馈网络，生成训练后的网络模型；(4)将待处理的低分辨率图像输入训练好的网络中得到输出的高分辨率图像。本方法不但通过较小的参数调整就可以训练不同深度的网络以及扩展到其他放大倍数、节约了训练成本，而且可以实现更大倍数的放大，提高重建图像的峰值信噪比和结构相似性。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.036 seconds)
