公开(公告)号：CN115471689A

公开(公告)日：2022-12-13

申请号：CN202211130538.5

申请日：2022-09-15

Applicant: 南昌大学

Inventor： 李春泉 ,  郑波钰 ,  王子航 ,  王咏鹤 ,  王子韬 ,  张良强 ,  李志焌 ,  陈利民

IPC: G06V10/762 ,  G06V10/77 ,  G06F17/16 ,  G06F17/13 ,  G06N3/04 ,  G06N3/00

Abstract: 一种基于神经动力学的图像非负矩阵分解聚类方法，包括：1)构建原始数据矩阵；2)构建稀疏图正则非负低秩矩阵分解模型；3)对原始数据矩阵进稀疏图正则非负低秩矩阵分解；4)基于K‑means算法进行聚类。本发明优点：1、稀疏图正则非负低秩矩阵分解通过添加图正则化项，维护了高维数据在低维空间表示的几何构型，通过施加低秩约束和稀疏约束，保证了分解所得基矩阵的稀疏性质；提取到了更多的有效信息，减少了信息冗余，降低了计算难度；2、将神经动力学优化方法VF‑CNO引入到稀疏图正则非负矩阵低秩矩阵分解模型的求解问题中，提高了模型的求解精度。本发明拥有更好的降维效果，并在图像聚类任务中表现出更好的聚类性能。

公开(公告)号：CN117325163A

公开(公告)日：2024-01-02

申请号：CN202311312532.4

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  姜家良 ,  姚凯文 ,  王咏鹤 ,  陈昌祺 ,  王子韬 ,  苏志勇 ,  邓觐铧 ,  何辉凡 ,  陈荣伶 ,  陶凌 ,  陈利民 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: B25J9/16

Abstract: 一种基于模糊宽度神经网络的间接自适应阻抗控制方法，属于机器人控制领域，主要包括以下步骤：(1)实现间接自适应阻抗控制；(2)加入模糊控制；(3)根据模糊控制得出数据集并放入模糊宽度神经网络里训练；(4)将训练好的网络与间接自适应阻抗控制相结合。本发明的优点在于：能够对阻抗参数实现实时调整，使机械臂末端的期望力总是保持在一个最佳的范围内，实现对机械臂的精准控制。

公开(公告)号：CN117495690A

公开(公告)日：2024-02-02

申请号：CN202311310352.2

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  邢庆宝 ,  廖志远 ,  程宇新 ,  张海欣 ,  杨锋 ,  夏庆 ,  王嘉豪 ,  王子韬 ,  王咏鹤 ,  陶凌 ,  陈利民 ,  陈荣伶 ,  赵庆敏 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: G06T5/50 ,  G06T5/60 ,  G06T5/70 ,  G06T5/90 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0495 ,  G06N3/094

Abstract: 一种基于双分支GAN网络的SAR与可见光图像轻量化融合方法，包括构建数据集、使用GFCE算法生成预融合图像、构建双分支GAN网络(DB‑GAN)、训练DB‑GAN网络对SAR与可见光图像进行融合；本发明搭建双分支GAN网络，利用GAN网络的生成对抗机制，同样引入预融合图像作为生成器的指导，以避免人工设计复杂的融合规则，具有以下特点：1.相比较其他基于深度学习的融合算法，DB‑GAN网络在SAR与可见光图像融合领域能够得到更高质量的融合图像，很好的保留了可见光图像的光谱信息，以及SAR与可见光图像的细节信息；2.模型参数较少，实现了模型的轻量化，可节省硬件开销，有利于实际应用。

公开(公告)号：CN117274129A

公开(公告)日：2023-12-22

申请号：CN202311310363.0

申请日：2023-10-11

Applicant: 南昌大学

Inventor： 李春泉 ,  邢庆宝 ,  程宇新 ,  廖志远 ,  张海欣 ,  杨锋 ,  夏庆 ,  王嘉豪 ,  王子韬 ,  王咏鹤 ,  陶凌 ,  陈利民 ,  陈荣伶 ,  赵庆敏 ,  伍军云 ,  李亚超 ,  喻俊志

IPC: G06T5/50 ,  G06T5/00 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 一种基于双判别器的SAR与可见光图像融合方法，包括构建数据集、使用GFCE算法生成预融合图像、构建具有双判别器的GAN网络(DD‑GAN)、训练DD‑GAN网络对SAR与可见光图像进行融合。本发明利用GAN网络的生成对抗机制，并引入预融合图像作为生成器的指导，具有以下特点：避免了人工设计复杂的融合规则；可以实现输入未经对比度增强的源图像，输出得到对比度增强效果的融合图像，并且融合图像在保留可见光图像光谱信息的同时，可以包含大量的SAR与可见光图像的细节信息；在获得高质量融合图像的同时，所花费的时间较少，有效的解决了高质量融合图像与生成时间之间的矛盾。