-
公开(公告)号：CN110719472A
公开(公告)日：2020-01-21
申请号：CN201911002893.2
申请日：2019-10-22
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种安全的CALIC图像编码方法，属于多媒体信息安全技术领域。本发明针对CALIC良好的图像无损压缩特性，却没有考虑安全性的问题，设计了一种安全的CALIC图像编码方法。该方法设计选用Rabinovich混沌系统产生伪随机序列，根据CALIC编码的特点，采用不同的加密算法以适应压缩算法以保证压缩性能，实现在CALIC编码过程中加密。理论分析和实验结果表明,本发明算法安全性高，对压缩比影响小，同时实现了图像重构的无损性，具有广泛的应用前景和实用价值。
-
公开(公告)号：CN109284352A
公开(公告)日：2019-01-29
申请号：CN201811153438.8
申请日：2018-09-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于倒排索引的评估类文档不定长词句的查询方法，它涉及数据科学领域的索引方法以及NLP领域的分词方法，解决了评估类文档不定长词句的查询问题。本发明的步骤为：一、对待查询文档进行数据预处理，利用jieba分词方法进行分词处理，得到单词词典与词频信息；二、基于完全重建策略的倒排索引原理建立自适应倒排表；三、结合待查找不定长词句的信息，通过自适应倒排表索引词句中各个单词位置信息，识别不定长词句位置信息并索引其所在段落，来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词，建立倒排索引，进而实现快速搜索不定长词句，从而实现对评估类文档的查询功能。应用场景广泛，因而具有很高的社会经济价值。
-
公开(公告)号：CN105631474B
公开(公告)日：2019-01-11
申请号：CN201510990997.4
申请日：2015-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于Jeffries‑Matusita距离和类对决策树的高光谱数据多分类方法，其步骤如下：一、计算两两类别之间的Jeffries‑Matusita距离，得到Jeffries‑Matusita距离矩阵；二、基于总体可分性度量得到执行顺序表，构建类对决策树；三、采用基于Jeffries‑Matusita距离的加权核SVM分类器执行整个类对决策树策略所确定的分类任务，直到完成叶节点的二分类任务，得到最终单一类别属性。本发明通过引入Jeffries‑Matusita距离加权矩阵，使得分类器在训练的过程中充分利用样本的类间信息，且不会造成太大的参数波动。同时在区分单一样本时使用较少的二分类器，且每层“淘汰”了一半了类别，增强了加权分类的针对性，从而将每个子分类器的分类误差进一步降低，提高了分类精度，适用于高光谱数据的模式识别应用。
-
公开(公告)号：CN108022214A
公开(公告)日：2018-05-11
申请号：CN201610942255.9
申请日：2016-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及图像中的特定直线检测方法，具体涉及一种适用于无人机雾天飞行的地平线检测方法。提供了一种通过引入先验暗原色去雾方法并利用改进的暗原色图像进行处理准确、稳定得到地平线信息的方法。本发明的步骤为：一、读入采集得到的RGB图像，经过暗原色去雾处理得到清晰的去雾图像及利用软抠图法改进的暗原色图像，供特征提取。二、对改进的暗原色图像依次进行图像分割、形态学处理、边缘检测。三、利用 Hough 变换进行直线检测，并利用直线检测结果进行最小二乘法来拟合准确得到地平线信息。本发明可以达到雾天检测地平线的目的，为提高检测结果的准确性和鲁棒性，引入暗原色图像，并有效结合其他处理方法可以准确、稳定得到地平线信息。
-
公开(公告)号：CN105571716B
公开(公告)日：2018-03-30
申请号：CN201510969368.3
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于差分与卷积核的线采样高光谱数据目标探测方法，其步骤如下：一、高光谱数据预处理，去除水分波段并进行去均值化处理；二、选择合适的步长对数据进行线采样，进行差分运算与卷积运算获得衡量采样长方体的特征值；三、选用合适的阈值特征值进行处理，超过阈值的区域即包含目标点；四、重复步骤二和三，直至遍历整个长方体数据集，找到目标点行位置信息；五、对步骤一得到的高光谱数据在图像维转置，重复步骤二至四直至遍历整个长方体数据集，找到目标点列位置信息，从而定位目标点在图像中的位置信息。该方法原理清楚，结构清晰，计算开销小，时间复杂性低，探测辨识率高，适用于单一背景下高光谱图像快速目标探测与定位应用。
-
Patent Agency Ranking
公开(公告)号：CN105571716A
公开(公告)日：2016-05-11
申请号：CN201510969368.3
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G01J3/28
CPC classification number: G01J3/2823
Abstract: 本发明公开了一种基于差分与卷积核的线采样高光谱数据目标探测方法，其步骤如下：一、高光谱数据预处理，去除水分波段并进行去均值化处理；二、选择合适的步长对数据进行线采样，进行差分运算与卷积运算获得衡量采样长方体的特征值；三、选用合适的阈值特征值进行处理，超过阈值的区域即包含目标点；四、重复步骤二和三，直至遍历整个长方体数据集，找到目标点行位置信息；五、对步骤一得到的高光谱数据在图像维转置，重复步骤二至四直至遍历整个长方体数据集，找到目标点列位置信息，从而定位目标点在图像中的位置信息。该方法原理清楚，结构清晰，计算开销小，时间复杂性低，探测辨识率高，适用于单一背景下高光谱图像快速目标探测与定位应用。
-
公开(公告)号：CN103473785B
公开(公告)日：2016-04-20
申请号：CN201310455290.4
申请日：2013-09-29
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 一种基于三值化图像聚类的快速多目标分割方法，涉及图像处理领域的分割方法。本发明是要解决现有的分割算法无法有效解决相互靠近的多目标分割的技术问题。本发明的分割方法为：一、计算彩色图像的梯度；二、结合梯度信息进行阈值处理得到三值化图像；三、在三值化图像中进行基于形态学的聚类；四、结合聚类结果图像进行目标区域修复及目标分割。本发明通过在对彩色图像进行三值化的时候，创新性地结合了图像中的轮廓信息和色彩信息，将图像映射为“前景、轮廓、背景”三个值，然后采用基于形态学的搜索方法完成聚类，进而实现目标图像的快速分割。本发明应用于实时性要求比较高的彩色多目标检测或者跟踪中的分割处理。
-
公开(公告)号：CN105371836A
公开(公告)日：2016-03-02
申请号：CN201510961083.5
申请日：2015-12-18
Applicant: 哈尔滨工业大学
IPC: G01C19/72
CPC classification number: G01C19/72
Abstract: 本发明公开了一种基于EEMD和FIR的混合型光纤陀螺信号滤波方法，具体步骤如下：步骤一：利用EEMD算法对光纤陀螺信号进行分解，得到各层IMF分量和残差；步骤二：对每层IMF分量进行希尔伯特变换，得到其幅值和瞬时频率，并根据瞬时频率推算出阈值，通过阈值计算权值；步骤三：采用FIR滤波器对每层IMF分量和残差进行FIR滤波处理，得到新的各层IMF分量和残差；步骤四：将被FIR滤波器处理后的新的IMF进行加权重构，最终形成去噪后的结果。本发明综合了两种方法的优势，通过EEMD方法提高数据分解精度，再用FIR滤波器方法进一步进行低通滤波，提高了EEMD信号处理时的频率精度，使得滤波效果明显增强。同时保证了方法依旧基于数据的方法，不用对数据进行建模，适用面广。
-
公开(公告)号：CN102355752B
公开(公告)日：2013-12-25
申请号：CN201110304154.6
申请日：2011-10-10
Applicant: 哈尔滨工业大学
IPC: H04W84/18
Abstract: 基于膨胀图的无线传感器网络压缩感知测量矩阵和重构方法，它涉及基于膨胀图理论的压缩无线感知技术，它降低了对传感器节点的要求。步骤为：一、建立一个二部图；二、固定一个有限域，得到左子图和右子图多项式集合；三、将左子图的任意一个顶点对应的多项式f0(Y)生成其Parvaresh-Vardy代码；四、左子图和右子图的两边顶点进行对应，得到是满足条件的膨胀图；五、根据建立起膨胀图生成M×N无线传感器网络压缩感知测量矩阵Φ；六、依据无线传感器网络压缩感知测量矩阵Φ采用树形路由拓扑结构进行数据采集；七、根据已知观测数据y和无线传感器网络压缩感知测量矩阵Φ通过恢复算法将原始信号d从观测数据y中恢复出来，最终得到重构的原始信号d。它在远程控制等许多领域中应用。
-
公开(公告)号：CN102831436A
公开(公告)日：2012-12-19
申请号：CN201210272000.8
申请日：2012-08-02
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于参考图互信息波段选择和EMD的高光谱图像分类方法，涉及遥感领域的高光谱图像分类方法。本发明基于参考图互信息波段选择和EMD的高光谱图像分类方法为：步骤一：采用基于参考图互信息波段选择算法进行高光谱图像波段选择；步骤二：对选出的高光谱图像波段子集进行经验模态分解和图像重构；步骤三：采用SVM分类器对重构高光谱图像进行分类，获得分类结果。本发明利用参考图互信息波段选择选择出高可分性的高光谱图像波段子集，解决了高光谱图像多冗余信息的影响，减少了分类过程所需的支持向量数，提高了分类速度；利用经验模态分解对高光谱图像波段子集进行特征提取和重构，解决了高光图像噪声的影响，提高了分类精度。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.03 seconds)
