-
公开(公告)号：CN104766336A
公开(公告)日：2015-07-08
申请号：CN201510195757.5
申请日：2015-04-16
Applicant: 中北大学
IPC: G06T7/00
Abstract: 本发明涉及一种固体发动机三维CT缺陷提取及标记方法，属于无损检测领域。针对一系列固体发动机推进剂孔洞缺陷，在进行缺陷分割时，本发明首先对重建后体数据分层，对得到的一组二维切片数据进行滤波、形态学处理、阈值分割、缺陷提取、缺陷标记和三维可视化等操作，提取及标记出缺陷信息。在形态学处理时，采用略小于中心星孔10的正方形结构算子对每一层图像进行高帽变换。在缺陷提取中，采用最大连通区域法提取缺陷区域。本发明能够有效的分割、提取并标记图像中的孔洞缺陷。
-
公开(公告)号：CN112288679B
公开(公告)日：2024-03-29
申请号：CN201911075636.1
申请日：2019-11-06
Applicant: 中北大学
Abstract: 本发明公开了一种汽车轮毂X射线图像的缺陷区域交互式提取方法及系统。所述方法首先获取汽车轮毂的X射线图像及图像上标志区域的最小外接矩形；根据最小外接矩形构建结构元素；采用结构元素对X射线图像进行顶帽变换和顶帽重建变换，根据变换结果进行数学形态学的膨胀重建运算，得到的膨胀重建运算结果再进行二值化处理；分析二值化处理结果得到要提取的缺陷区域。采用本发明提出的缺陷区域交互式提取方法，只需要由操作人员使用鼠标任意标记出缺陷位置就可实现整个缺陷区域的快速准确分离，大大提高检测人员定量分析缺陷的速度和效率，具有操作简便、识别准确的优点。
-
公开(公告)号：CN112288680A
公开(公告)日：2021-01-29
申请号：CN201911075637.6
申请日：2019-11-06
Applicant: 中北大学
Abstract: 本发明公开了一种汽车轮毂X射线图像的缺陷区域自动提取方法及系统。所述方法首先获取汽车轮毂的X射线图像并构建结构元素；然后对X射线图像进行顶帽变换和顶帽重建变换，并以顶帽重建变换结果为标记，顶帽变换结果为模板进行膨胀重建运算；对膨胀重建结果进行二值化处理得到轮毂的初步缺陷区域；对初步缺陷区域进行特征剔除得到轮毂的真正缺陷区域；获取真正缺陷区域的最小外接矩形即为该轮毂X射线图像的缺陷区域。采用本发明方法进行轮毂的缺陷区域提取，无需操作人员提前指定感兴趣区域，而是可以直接在被检测轮毂的X射线图像上自动确定出缺陷区域，不受轮型识别和区域跟踪匹配算法等环节影响，能大大提高缺陷区域的提取效率和准确性。
-
公开(公告)号：CN107290589B
公开(公告)日：2019-12-06
申请号：CN201710610408.4
申请日：2017-07-25
Applicant: 中北大学
IPC: G01R23/16
Abstract: 本发明公开的基于短时分数阶傅里叶变换的非线性信号时频分析方法属于目标信号分析技术领域，该分析方法是利用短时分数阶傅里叶变换的非线性信号时频分析方法，通过短时分数阶傅里叶变换对信号进行分段处理和分数阶傅里叶变换的不同阶次相结合处理，以及分数阶阶次搜索采用了角度约束方法，提高目标信号的时频分辨率以及时频分析的准确性，完成对单分量和多分量非线性信号的时频分析，解决目标非线性回波信号时频分辨率低以及分离难的问题，有利于弱目标信号的参数估计，提高信号参数估计精度，具有时频分辨率高，以及不同信号在时频域上的准确分离等优点，还大大减小了运算量，给后续系统完成任务提供可靠的数据支持，该分析方法值得采用和推广。
-
公开(公告)号：CN105572649B
公开(公告)日：2018-01-23
申请号：CN201510918409.6
申请日：2015-12-11
Applicant: 中北大学
IPC: G01S7/41
Abstract: 本发明公开的基于稀疏傅里叶变换的雷达目标检测方法属雷达目标探测技术领域，该检测方法共有八个步骤，检测过程也有13个过程，重要的是：首先对发射信号和回波信号进行傅里叶变换，然后采用序列重排的方法分离频率相近目标的位置，接着采用滤波器进行目标分离，最后利用分段信号的傅里叶变换结果进行目标延时位置和频率的确定，采用稀疏傅里叶变换进行目标检测，优点是：克服宽带信号或长时间积累信号相参处理时，运算量大的问题，同时，门限值和信号分段长度的合理选择，可以在工程中实现和提高目标低信噪比下的检测概率和计算速度，具有较大的实际应用价值，这种基于稀疏傅里叶变换的雷达目标检测方法值得采用和推广。
-
Patent Agency Ranking
公开(公告)号：CN101706458A
公开(公告)日：2010-05-12
申请号：CN200910250164.9
申请日：2009-11-30
Applicant: 中北大学
IPC: G01N21/956 , G01N23/04 , G01N23/18
Abstract: 本发明公开了一种高分辨率印刷电路板自动检测系统及检测方法，所述检测系统由射线源、载物台、可见光采集照相机、射线检测相机、射线检测像增强器及采集卡、图像处理模块和控制及分析显示模块构成，所述载物台和射线源分别通过连接线路和控制及分析显示模块连接，所述可见光采集照相机和射线检测相机分别通过采集卡和图像处理模块连接，所述图像处理模块通过连接电路和控制及分析显示模块连接。它结合了可见光图像导航、X射线检测、自动分析检测标注等功能，是针对焊点、走线的质量做出定量的检测，实现了不可见焊点和内部走线的缺陷自动检测。
-
公开(公告)号：CN119644258A
公开(公告)日：2025-03-18
申请号：CN202411573085.2
申请日：2024-11-06
Applicant: 中北大学
Abstract: 一种基于聚类思想的声源快速评估定位方法，属于声音目标信号检测和参数估计技术领域，解决特殊条件下声源无法快速评估定位的问题。本发明针对声源信号，首先通过触发统计进行声源位置约束和异常点排除；其次，对约束声源信号进行时延统计，并依据时延进行数据集划分；再次，计算不同声探测模块之间触发的时延差，结合模块之间的距离，排除异常数据点；最后，根据声探测模块布置的几何关系进行网格划分，并基于射线追踪的思想遍历同一数据集中的任意节点，完成任意两点之间的直线连接，统计所有直线在不同网格中所穿越的次数，进而对网格穿越次数进行聚类分析以确定声源位置，本发明可以提高声源定位的速度和准确性。
-
公开(公告)号：CN113702969B
公开(公告)日：2023-08-18
申请号：CN202110960283.4
申请日：2021-08-20
Applicant: 中北大学
IPC: G01S13/88
Abstract: 本发明涉及一种基于自适应STFT方法的微多普勒信号参数估计方法，属于雷达目标信号检测和参数估计技术领域，解决低信噪比下无人机信号参数难以有效估计的问题，解决方案为：本发明针对无人机旋翼回波信号，首先通过傅里叶变换自适应选取STFT信号长度、窗长、旋转频率等参数的初步估计值，接着利用STFT、SST完成旋翼类微多普勒信号的参数估计。这种自适应STFT方法的旋翼类无人机微多普勒信号参数估计技术可提高信号时频分辨率，有利于参数估计精度和目标识别率的提高，给后续雷达探测系统的检测和识别需求提供技术保障，值得采用和推广。
-
公开(公告)号：CN110389325B
公开(公告)日：2022-11-04
申请号：CN201910647077.0
申请日：2019-07-17
Applicant: 中北大学
Abstract: 本发明涉及一种旋翼无人机的雷达微多普勒信号提取方法，属于目标信号检测技术领域，为了对旋翼无人机的回波信号进行时频分析，并提高运算的效率。本方法首先对信号进行分数阶傅里叶变换处理，接着信号进行滤波处理；其次，对处理后的结果进行逆分数阶傅里叶变换、自然对数变换、傅里叶变换方法进行微多普勒信号频率参数的估计；最后，利用不同采样间隔处理方法实现多分量微多普勒信号的检测。本发明可以大幅度降低机体多普勒频率对旋翼微多普勒频率的影响，同时可完成对多个微多普勒分量信号的快速检测，本发明在无人机分类和识别方面具有较大的应用价值。
-
公开(公告)号：CN110850386A
公开(公告)日：2020-02-28
申请号：CN201911143456.2
申请日：2019-11-20
Applicant: 中北大学
Abstract: 本发明涉及一种基于分数阶域特征的旋翼类无人机深度学习识别方法，属于雷达目标分类识别技术领域，解决目标分类识别概率差的技术问题。本发明利用短时分数阶傅里叶变换对旋翼类无人机目标回波信号进行初步特征提取，然后在此基础上，从u-v域、u-z域，v-z域三个维度进行自编码深度识别学习，结果表明本发明的目标识别率可达到87%，远远高于将信号直接应用深度学习算法获得的识别率，同时，本发明数据处理量较小，将传统特征识别和深度学习识别两种方法进行了很好的融合应用。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.018 seconds)
