-
公开(公告)号：CN108923963A
公开(公告)日：2018-11-30
申请号：CN201810666661.6
申请日：2018-06-25
Applicant: 哈尔滨工业大学
Abstract: 一种利用Looking Glass测量点实现自动化拓扑测量的方法，涉及拓扑测量领域。本发明为了实现高效地并发调度Looking Glass测量点来执行拓扑测量。技术要点：收集已有Looking Glass测量点；测量点配置文件自动生成，其过程为：设计并实现多种规则函数构成规则集；每个Looking Glass测量点自动匹配规则集中合适的规则函数生成对应的配置文件，并且在Looking Glass测量点接口结构发生变化时仍可自动更新配置文件，记录每个测量点配置文件生成过程的日志；高并发执行拓扑测量任务；提取并保存拓扑测量结果。本发明在测量过程中动态监视测量点可用性并自动更新测量点配置文件。
-
公开(公告)号：CN108833609A
公开(公告)日：2018-11-16
申请号：CN201810666495.X
申请日：2018-06-25
Applicant: 哈尔滨工业大学
IPC: H04L29/12 , H04L12/26 , H04L12/751
Abstract: 一种基于历史拓扑测量数据的局部网络目的IP地址选择方法，属于网络拓扑测量技术领域。利用大量局部网络的历史拓扑数据分析局部网络IP地址的连接关系，指导目的IP地址集的生成，以提高针对局部网络的测量效率，并发现局部网络关键拓扑结构。利用历史拓扑测量数据获取局部网络的IP地址拓扑关系，根据图论相关知识分析局部网络中IP地址之间的连接关系，将局部网络中的IP地址划分成大量的IP簇，从每个IP簇中选择代表IP地址加入目的IP地址集，用looking Glass服务器执行拓扑测量，分析其在局部网络拓扑数据的发现工作中的能力。实验结果表明，本发明生成的目的IP地址集针对局部网络的测量工作具有更强的发现能力。
-
公开(公告)号：CN106373397B
公开(公告)日：2018-10-02
申请号：CN201610860300.6
申请日：2016-09-28
Applicant: 哈尔滨工业大学
IPC: G08G1/01
Abstract: 基于模糊神经网络的遥感图像道路通行情况分析方法，本发明涉及遥感图像道路通行情况分析方法。本发明是为了解决现有的方法中人工干预过多造成的准确性下降及无法进行大范围区域内道路通行情况分析的问题。本发明步骤为：一：确定输入参数并对输入参数进行归一化处理；二：确定道路通行情况；三：确定输入参数与道路通行情况间的规则；四：构建用于道路通行情况分析的模糊神经网络系统；五、收集训练样本和测试样本，对所有训练样本进行聚类，对神经网络系统进行训练；六：获得所需要的道路属性信息；七：将道路属性信息输入网络进行通行情况分析，与图像中实际的通行情况比较，验证网络的可靠性。本发明应用于高分辨率遥感图像分析领域。
-
公开(公告)号：CN104392427B
公开(公告)日：2017-04-12
申请号：CN201410748877.9
申请日：2014-12-09
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 经验模态分解和稀疏表示相结合的SAR图像去噪方法，属于图像去噪技术领域。本发明是为了解决传统基于经验模态分解的SAR图像去噪方法对SAR图像中的细节保留不足，造成目标缺失，影响去噪效果的问题。它是将待处理SAR图像转换为原始趋势图像；然后对原始趋势图像进行分解和去噪，它利用经验模态分解的时频特性、分解后图像的稀疏性以及稀疏表示对噪声不敏感的特性，通过对高频分量噪声部分的分析，对高频分量进行稀疏分解，再通过估计高频分量重噪声方差进行稀疏分解的重构和经验模态分解重构，最终实现了SAR图像的噪声抑制。本发明用于SAR图像去噪。
-
公开(公告)号：CN106373397A
公开(公告)日：2017-02-01
申请号：CN201610860300.6
申请日：2016-09-28
Applicant: 哈尔滨工业大学
IPC: G08G1/01
CPC classification number: G08G1/012 , G08G1/0125
Abstract: 基于模糊神经网络的遥感图像道路通行情况分析方法，本发明涉及遥感图像道路通行情况分析方法。本发明是为了解决现有的方法中人工干预过多造成的准确性下降及无法进行大范围区域内道路通行情况分析的问题。本发明步骤为：一：确定输入参数并对输入参数进行归一化处理；二：确定道路通行情况；三：确定输入参数与道路通行情况间的规则；四：构建用于道路通行情况分析的模糊神经网络系统；五、收集训练样本和测试样本，对所有训练样本进行聚类，对神经网络系统进行训练；六：获得所需要的道路属性信息；七：将道路属性信息输入网络进行通行情况分析，与图像中实际的通行情况比较，验证网络的可靠性。本发明应用于高分辨率遥感图像分析领域。
-
Patent Agency Ranking
公开(公告)号：CN103824263B
公开(公告)日：2016-09-14
申请号：CN201410074775.3
申请日：2014-03-03
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于混合变换的遥感图像稀疏估计方法，它涉及一种遥感图像稀疏估计方法，属于遥感图像处理技术领域。本发明针对现有稀疏方法主要保留图像大多数能量，造成图像细节信息丢失，对细节丰富的遥感图像很难得到较好的稀疏效果的问题，提供了一种基于混合变换的遥感图像稀疏估计方法。该方法结合了张量积小波变换表达光滑图像的优点，以及Tetrolet变换能够有效表达纹理和边缘等细节信息的特点，对图像自身特征无限制，具有一定的普适性。实验结果表明，相对于采用单一的方法对遥感图像进行稀疏，提出的基于混合变换的方法能更有效的对遥感图像进行稀疏表达。本发明方法专门适用对遥感图像的稀疏处理。
-
公开(公告)号：CN104668743B
公开(公告)日：2016-09-07
申请号：CN201410855284.2
申请日：2014-12-25
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种利用TIG焊接方法实现等离子弧焊接的装置，包括上枪体和下枪体。所述上枪体下端连接有上喷嘴，采用机械连接方法，实现上喷嘴和下枪体的同轴连接。所述上枪体壁内开有水冷槽、上进水管、上出水管及上进气管，所述上枪体内同轴设有导流件、钨极夹及钨极，所述钨极穿过钨极夹并伸入下枪体。所述下枪体壁内开有水冷槽、下进水管、下出水管及下进气管，所述下枪体下端内壁连接有下喷嘴，所述下喷嘴的中心开有孔道，所述钨极的末端距下喷嘴的中心孔道有一定距离，所述下枪体下端外壁连接有保护罩。本发明可实现等离子弧焊接，能显著提高TIG焊接的效率和焊缝质量，焊接成本相较传统等离子弧焊更低廉。
-
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：CN105260993A
公开(公告)日：2016-01-20
申请号：CN201510696903.2
申请日：2015-10-23
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 基于边缘约束和自适应形态学滤波的高光谱图像条带缺失修复方法，属于遥感图像处理中的高光谱图像处理领域，本发明为解决现有高光谱图像的获取过程中连续谱段出现条带状缺失时无法有效恢复的问题。本发明修复方法的具体过程为：检测条带，确定高光谱图像中条带缺失的具体位置；恢复边缘，优先恢复条带缺失内的边缘信息；对每个条带缺失的受损像素生成基于边缘约束的自适应结构元素，该自适应结构元素能够保护高光谱图像信息，该结构元素大于条带缺失的宽度，以保证结构元素能够覆盖到未受损区域；自适应形态学滤波，确定最终条带缺失的受损像素的恢复值。本发明用于高光谱图像修复。
-
公开(公告)号：CN102663815A
公开(公告)日：2012-09-12
申请号：CN201210090628.6
申请日：2012-03-30
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 一种基于水平集的LOD2建筑物模型构建方法，属于应用水平集算法对DSM数据的分割处理领域。为了解决现有的基于二维图像的建筑物模型构建方法中存在的顶面结构不够细致而导致构建精度不高的问题。具体过程为：提取建筑物轮廓掩膜Ωm，选取DSM数据，配入到统一坐标系下；获取建筑物顶面数据T；获取建筑物顶面数据T的特征空间；进行多相水平集分割，获取子区域；提取每个子区域的点集，检测每个片元的边界点，获取建筑物每个基元的角点的图像坐标；建立建筑物顶面数据T的拓扑结构；根据航拍可见光图像提取建筑物表面的纹理数据，与建筑物不同基元相对应，完成LOD2建筑物模型的构建。用于LOD2级别的大规模建筑物的三维构建任务。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.031 seconds)
