-
公开(公告)号:CN102209242B
公开(公告)日:2012-11-07
申请号:CN201110137912.X
申请日:2011-05-26
Applicant: 大连理工大学
CPC classification number: Y02D70/124 , Y02D70/126
Abstract: 本发明属于视频压缩编码与无线传输技术领域,提供了一种适用于智能手机等移动设备的可伸缩视频编解码与无线传输方法。其特征是根据移动设备当前可用功率和接收网络带宽,结合本发明提出的可伸缩视频解码功率模型,视觉感知模型和视频码率模型,得出最优化视频参数,例如视频帧率,信号幅度。最优视频参数由无线终端反馈至服务器,或者网络接入点来提取对应的可伸缩视频码流。该提取的码流通过无线网络传输至移动设备进行解码和播放。本发明可以根据无线终端的当前功率和接入带宽实时调节视频传输,并保证最优的视频质量。
-
公开(公告)号:CN102324945A
公开(公告)日:2012-01-18
申请号:CN201110137995.2
申请日:2011-05-26
Applicant: 大连理工大学
CPC classification number: Y02D70/40
Abstract: 本发明属于无线通信电路设计技术领域,公开了一种具有地址过滤功能的无线唤醒电路。其特征是在极低功耗下实现对无线电信号的感知与匹配接收,进而判断该无线信号是否为用来唤醒自己的无线唤醒信号。系统由接收天线、阻抗匹配电路、倍压整流电路、解调电路、地址匹配电路组成,无线唤醒信号被天线接收,通过阻抗匹配高效的接入倍压整流电路实现包络检波,之后实现中频无线信号的解调,解调后的数字信号与地址匹配电路进行匹配处理,如与本地地址相符则发出唤醒指示信号。本发明可实现在极低功耗下对某一特定地址设备的无线唤醒。
-
公开(公告)号:CN114743131B
公开(公告)日:2024-10-22
申请号:CN202210268313.X
申请日:2022-03-18
Applicant: 大连理工大学
IPC: G06V20/40 , G06V10/22 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
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。
-
公开(公告)号:CN115134012B
公开(公告)日:2023-04-18
申请号:CN202110324964.1
申请日:2021-03-26
Abstract: 本申请实施例提供了一种入射方向角确定方法及计算装置。在该方案中:计算设备可以获取接收设备的天线阵列的信号测量数据,其中,该信号测量数据中包含天线阵列的信号幅度信息和相位信息;并根据该信号测量数据生成目标信号幅度相位特征向量(即多载波特征向量);最后借助能够表示信号幅度相位特征向量和入射方向角(angle of arrive,AOA)的对应关系的AOA计算模型,确定所述目标信号幅度相位特征向量对应的目标AOA。显然,该方法可以不对天线阵列构成任何条件约束,因此,该方法可以在各种天线阵列条件下实现高性能的AOA估计,并保证AOA的计算精度。
-
公开(公告)号:CN108537756B
公开(公告)日:2020-08-25
申请号:CN201810337504.0
申请日:2018-04-12
Applicant: 大连理工大学 , 国网吉林省电力有限公司检修公司 , 国网吉林省电力有限公司 , 国家电网公司
Abstract: 本发明公开了一种基于图像融合的单幅图像去雾方法,能够对有雾图像进行去雾增强。本发明方法包括如下步骤:(1)求取待融合图像;(2)求取待融合图像的特征权重;(3)多尺度融合去雾。本发明还公开了一种基于图像融合的单幅图像去雾系统。本发明能够极大地提高有雾图像的对比度和清晰度,而且算法的复杂度低、运行速度快,因而能够应用于日常的监控系统当中。
-
公开(公告)号:CN111046772A
公开(公告)日:2020-04-21
申请号:CN201911232063.9
申请日:2019-12-05
Applicant: 国家海洋环境监测中心 , 大连理工大学
Abstract: 一种多时相卫星遥感岛礁岸线及开发利用信息提取方法,属于海洋岛礁卫星遥感和计算机图形处理交叉领域。步骤如下:首先分析不同类型海岛岸线和开发利用情况成像特性;其次,采用图像降采样和升采样处理技术,实现大幅宽卫星遥感图像的快速提取,结合距离正则化几何主动轮廓模型,进行精确逐步逼近,获得岛礁岸线;然后,采用Grabcut算法进行海洋背景与岛礁前景的分割,利用图像中的颜色信息和边界信息得到较好的分割结果。最后,采用主成分分析法将数据正交投影到由主成分构成的线性子空间,通过线性变换进行特征提取与数据压缩,根据所提取的特征进行聚类得到最终变化检测结果。本发明能够实现高分辨率卫星遥感影像的岛礁岸线及开发利用快速有效提取。
-
公开(公告)号:CN106548463B
公开(公告)日:2019-05-10
申请号:CN201610957500.3
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Retinex的海雾图像自动去雾方法及系统,属于图像信息处理技术领域。本发明方法包括如下步骤:(1)求取输入图像的暗通道图像;(2)求取暗通道图像像素值较低的像素点所占的比例,求取输入图像的亮度与对比度特征;(3)根据所求比例及特征将图像进行自动分类;(4)根据待处理图像的类别对图像进行处理。本发明还公开了一种基于暗通道与Retinex的海雾图像自动去雾系统。本发明能够根据图像的属性对图像进行分类,自适应地选择相应的处理方法,极大地提高了海上有雾图像的对比度和清晰度,而且算法的复杂度低、运行速度快,因而能够应用于海上智能交通系统。
-
公开(公告)号:CN109145832A
公开(公告)日:2019-01-04
申请号:CN201810981159.4
申请日:2018-08-27
Applicant: 大连理工大学 , 国网吉林省电力有限公司检修公司 , 国网吉林省电力有限公司 , 国家电网公司
CPC classification number: G06K9/0063 , G06K9/6256 , G06K9/6267 , G06N3/0454 , G06N3/08
Abstract: 基于DSFNN与非局部决策的极化SAR图像半监督分类方法,输入极化SAR图像数据;对极化SAR图像进行超像素分割;提取极化SAR图像各个像素的原始特征和超像素特征;选取训练样本集合和测试样本集合;利用训练样本集合进行深度超像素滤波网络的训练;对测试样本采用深度超像素滤波网络进行预测;基于非局部决策,从测试样本集合选取样本来扩展训练集合;更新深度超像素滤波网络;采用训练好的网络对测试样本进行分类;得到分类结果图。本发明的深度超像素滤波网络,提取超像素特征来克服相干斑噪声,并利用非局部决策的半监督分类算法,减小训练样本数量,有效提高分类的准确度,可用于极化SAR图像地物分类与目标识别等技术领域。
-
公开(公告)号:CN107147887A
公开(公告)日:2017-09-08
申请号:CN201710305854.4
申请日:2017-05-04
Applicant: 大连理工大学
IPC: H04N9/31 , H04N21/41 , H04N21/4363 , H04N21/643 , H04N21/44
CPC classification number: H04N9/3141 , H04N21/4122 , H04N21/43637 , H04N21/44012 , H04N21/643
Abstract: 本发明属于信息技术领域,提供了一种无线投影方法及装置。本发明包括屏幕信息采集模块、通信模块、流媒体处理模块、投影模块。所述屏幕信息采集模块、通信模块工作于当前设备,将获取到的屏幕信息进行压缩编码,然后通过无线网络推送给部署于服务器中的流媒体处理模块,进行视频参数优化、传输速度优化、用户负载均衡以及安全加密等处理。投影模块与投影设备相连,用以实时解码并显示屏幕信息。本发明通过无线局域网络进行数据传输,解决了传统投影仪的麻烦连线,及对会议场所的限制。另外,本发明能够根据演讲者的使用需求,自由暂停或切换当前演讲主机。本发明方便实用,且投影效果明显优于传统设备。
-
公开(公告)号:CN103457990B
公开(公告)日:2017-02-08
申请号:CN201310204755.9
申请日:2013-05-28
Applicant: 大连理工大学
Abstract: 本发明基于动态时隙分配的无线数据采集方法属于数据采集、无线通信应用领域,涉及一种基于动态时隙分配的无线数据采集方法。无线数据采集方法中,在无线汇聚节点周围均匀分布有多个无线采集节点;无线汇聚节点根据各无线采集节点的采集数据量,动态控制各无线采集节点的传输时隙、时隙长度;为各无线采集节点分配的时隙长度正比于该节点采集的数据量;多个无线采集节点通过协作实现分布式数据采集,并将数据发送至无线汇聚节点;无线汇聚节点将数据发送至PC机,PC机上运行的数据处理软件对采集数据进行分析处理后显示结果。该方法便于布置安装,有效地提高了分布式数据采集系统的数据传输效率,在工业监测、军事等领域具有较广泛的应用前景。
-
-
-
-
-
-
-
-
-