-
公开(公告)号：CN116167928A
公开(公告)日：2023-05-26
申请号：CN202211578725.X
申请日：2022-12-07
Applicant: 安徽大学
Abstract: 本发明公开了一种联合Retinex和暗通道先验的低光照图像增强方法，涉及计算机应用技术领域，其技术方案要点是：具体包括以下步骤：S1：对图像进行预处理；S2：利用反转图像的入射光图像来计算大气光值A，对反转图像选暗通道先验处理，随后图像反转，得到图像I1；S3：对V通道做结合引导滤波的Retinex处理，对S通道进行自适应校正处理，得到图像I2；S4：将S2所得的图像I1和S3所得的图像I2进行融合处理；S5：计算图像评价指标。该方法可以有效的提高图像的质量并且图像更为符合人眼视觉规律。
-
公开(公告)号：CN115979649A
公开(公告)日：2023-04-18
申请号：CN202310064706.3
申请日：2023-02-06
Applicant: 安徽大学
IPC: G01M13/045 , G06F18/10 , G06F18/2411 , G06F17/11 , G06F17/16 , G06F17/13
Abstract: 本发明公开了一种自适应复数域AMFM模型优化的轴承故障诊断方法，涉及轴承故障诊断技术领域，利用调幅调频模型对原始信号进行信号分解后得到调幅调频分量及其瞬时幅值和瞬时频率，计算瞬时幅值和瞬时频率的精细复合多尺度波动色散熵，将熵值构造为特征矩阵，使用向量加权平均算法对支持向量机模型进行优化，采用优化后的支持向量机模型对特征矩阵进行分类，根据分类结果实现故障诊断；本方法能够分解滚动轴承振动信号，合理处理轴承振动信号中的交叉频率，快速提取轴承振动信号分量的特征，进而有效分类不同的轴承故障，并且计算复杂度较小同时具有较高的识别精度和识别速度。
-
公开(公告)号：CN115761428A
公开(公告)日：2023-03-07
申请号：CN202211525616.1
申请日：2022-11-30
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor： 李腾 , 樊培培 , 朱涛 , 李冀 , 董翔宇 , 廖军 , 赵梦露 , 蒋欣峰 , 卢一相 , 高清维 , 罗沙 , 张学友 , 景瑶 , 张晨晨 , 竺德 , 孙冬 , 张啸宇 , 秦孜 , 吴冬晖
IPC: G06V10/80 , G06V10/143 , G06V10/20 , G06V10/34
Abstract: 本发明实施例提供一种特高压换流变压器套管红外与可见光图像融合方法，属于图像处理领域。所述方法包括：获取同一套管的红外光图像和可见光图像；对所述红外光图像和所述可见光图像进行预处理；对预处理后的所述红外光图像和所述可见光图像进行图像分割；对分割后的所述红外光图像和可见光图像进行的细化处理，以形成对应的权重图；对预处理后的所述红外光图像和可见光图像进行亮度提取；将预处理后的所述红外光图像和可见光图像与对应的权重图进行单尺度加权，以形成预融合图像；将所述预融合图像与亮度提取后的亮度层相加以得到最终的融合图像。该方法可以有效的融合红外光和可见光图像。
-
公开(公告)号：CN115758124A
公开(公告)日：2023-03-07
申请号：CN202211543994.2
申请日：2022-11-30
Applicant: 国网安徽省电力有限公司超高压分公司 , 安徽大学
Inventor： 李腾 , 樊培培 , 朱涛 , 葛健 , 杜鹏 , 董翔宇 , 廖军 , 蒋欣峰 , 张军 , 卢一相 , 高清维 , 谢佳 , 张学友 , 方晶晶 , 竺德 , 孙冬 , 陈辽语 , 张晗 , 刘一畅 , 孙健
IPC: G06F18/213 , G06Q10/20 , G06Q50/06 , G06F17/16
Abstract: 本发明实施例提供一种自适应加权多视图学习的特高压换流变压器状态监测方法，属于振动信号的状态监测技术领域。所述监测方法包括：对振动信号进行多个维度的特征提取，将提取出的特征作为视图；初始化权重系数；将提取出的特征映射到核空间，以得到权重系数；判断当前的迭代次数是否达到预设的次数阈值；在判断所述迭代次数达到所述次数阈值的情况下，根据所述预测值实现对换流变压器的状态检测；在判断所述迭代次数未达到所述次数阈值的情况下，返回执行更新权重参数和学习率矩阵的步骤。该监测方法能够在具有更高鲁棒性的情况下准确监测变压器的状态。
-
公开(公告)号：CN114781535A
公开(公告)日：2022-07-22
申请号：CN202210479352.4
申请日：2022-05-05
Applicant: 安徽大学
Abstract: 本发明属于计算机应用技术领域，公开了一种联合矩阵分解和双向映射网络的多标签分类方法及系统，构建实例特征矩阵和类别标签矩阵并进行归一化处理，构建标准的多标签数据集；将类别标签矩阵分解成语义标签矩阵和潜在标签关联矩阵；基于语义标签矩阵和潜在标签关联矩阵以及模型系数矩阵、标签相关矩阵构建多标签分类模型；分别对模型系数矩阵以及语义标签矩阵和潜在标签关联矩阵进行优化求解，得到训练好的模型；将不可见标签的实例作为测试集输入模型预测的标签矩阵；将预测标签矩阵和真实标签矩阵在五个评价指标下进行对比，评估模型的性能以及有效性。在多个领域的多标签数据集上进行了相关的实验，并且实验证明了本发明的有效性和竞争性。
-
Patent Agency Ranking
公开(公告)号：CN110631827B
公开(公告)日：2021-08-10
申请号：CN201910795937.5
申请日：2019-08-27
Applicant: 安徽大学
IPC: G01M13/021 , G01M13/028 , G06K9/62
Abstract: 本发明公开了一种基于改进协同表示分类的齿轮箱故障诊断方法，首先利用传统傅里叶变换将齿轮箱的原始振动信号进行频域变换，提取频域特征，并利用主成分分析降低所得到的特征矩阵的维度；基于降维后的相似特征矩阵，利用不同故障类别的特征矩阵进行训练得到不同的子字典，再将子字典进行合并形成过完备字典；根据所得到的过完备字典，通过协同表示分类来计算每个故障类别的残差，残差最小的故障类别就是查询样本所属的类别，以此来实现故障的分类。上述方法能在快速分类的同时，提高故障分类的准确率，进而提高了齿轮箱故障诊断的可靠性。
-
公开(公告)号：CN110611821B
公开(公告)日：2021-06-25
申请号：CN201910972629.5
申请日：2019-10-14
Applicant: 安徽大学 , 安徽超远信息技术有限公司
IPC: H04N19/59 , H04N19/132 , H04N19/117 , H04N19/85
Abstract: 本发明公开一种改善低码率视频编码器图像质量的技术方案，对待处理图像进行n倍下采样操作，形成缩小后的图像，利用视频编码器对缩小后的图像进行编码处理，得到压缩图像；利用解码器对压缩图像进行解码处理，获得解压缩图像；最后再对解压缩图像进n倍行插值处理，输出处理后的图像。本发明涉及的图像处理方法在视频编码器前端增加下采样环节，减少待编码的像素总数，提高了每个像素的编码比特数；在视频解码器后端增加了插值环节，将解码输出结果以高质量的方式进行放大复原，提高了输出图像质量。
-
公开(公告)号：CN119671857A
公开(公告)日：2025-03-21
申请号：CN202411753756.3
申请日：2024-12-02
Applicant: 国网安徽省电力有限公司电力科学研究院 , 国网安徽省电力有限公司 , 安徽大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种基于轻量级网络的变电设备图像超分辨率重建方法及系统，方法包括应用训练好的图像超分辨率重建模型，获取高分辨率变电设备图像；其中，图像超分辨率重建模型的建模、训练过程，包括：收集变电设备的高分辨率图像，再利用高分辨率图像生成低分辨率图像；建立图像超分辨率重建模型；将生成的低分辨率图像作为输入数据，送入图像超分辨率重建模型中进行训练，学习低分辨率图像与其对应的高分辨率图像之间的映射关系，逐步调整其参数，以有效地生成高分辨率图像，本发明能够为电力系统的监控提供更为清晰的视觉信息。
-
公开(公告)号：CN119600472A
公开(公告)日：2025-03-11
申请号：CN202411015487.0
申请日：2024-07-26
Applicant: 安徽大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V20/70 , G06V10/766 , G06V10/764 , G06N3/045 , G06T5/70 , G06T5/20 , G06T3/4007
Abstract: 本发明提供一种无人机图像目标检测方法及系统，方法包括：利用基于频域注意力机制的滤波，细粒度处理特征图，通过高斯滤波器和拉普拉斯滤波器对特征图进行滤波处理，突出目标边缘特征；利用改进ResNet50处理输入图像，引入空间卷积，通过重构与分离操作，减少空间冗余信息，并生成具有表现力的特征图；利用选择性融合网络SFCA融合处理后的特征，通过高层语意信息过滤低层信息，融合特征；利用基于DETR的检测网络进行分类与回归，实现目标检测；模型训练完成，将测试集输入模型，根据预测输出结果，完成对无人机图像目标检测。本发明解决了目标检测效率及准确率低、高级特征与低级特征融合不充分导致特征图质量及表达能力较差以及易发生梯度爆炸的技术问题。
-
公开(公告)号：CN118939964B
公开(公告)日：2025-02-07
申请号：CN202410969264.1
申请日：2024-07-19
Applicant: 安徽大学
IPC: G06F18/20 , G06N3/006 , G06N3/0442
Abstract: 本申请提供基于NACMD‑LSTM的齿轮箱寿命预测方法及系统，该方法包括：S1、添加成对的互为相反数的正负白噪声到原始信号中构建新的时间序列；S2、基于NACMD算法，对试验序列进行模态分解，得到试验序列的第一个子模态，求均值记为原始信号的第一个子模态；S3、将残差作为新的原始信号，并获取残差信号；S4、判断残差信号是否可以再分解，若是，循环步骤S3，直到获得的残差信号为单调函数，不能继续分解；若否，输出原始待分解信号被分解的k个子模态；S5、获得所有的子模态，叠加重构得到处理后的待输入序列；S6、使用CSSA优化算法对网络结构进行参数优化，训练并构建CSSA‑LSTM模型；S7、将处理好的待输入序列输入CSSA‑LSTM网络，得到齿轮箱寿命的预测结果。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.049 seconds)
