公开(公告)号：CN114430389A

公开(公告)日：2022-05-03

申请号：CN202111586903.9

申请日：2021-12-23

Applicant: 哈尔滨理工大学

Inventor： 王敏 ,  孙世翔 ,  代诗淼

IPC: H04L45/02 ,  H04L45/036 ,  H04L45/7453 ,  H04L45/76

Abstract: 本发明公开了一种结合最小顶点覆盖与哈希策略的SDN拓扑发现方法，涉及软件定义网络的领域。本发明通过引入最小顶点覆盖的思想，使控制器发送最少的Packet_Out消息，再利用哈希策略消除网络中的冗余数据包，减少了控制器需要处理的Packet_In消息，本发明方法不仅能够减少拓扑发现时网络中数据包的数量，还能够保证在实现相同拓扑发现功能的同时减少资源消耗和控制器的负载。

公开(公告)号：CN116523794A

公开(公告)日：2023-08-01

申请号：CN202310540711.7

申请日：2023-05-14

Applicant: 哈尔滨理工大学

Inventor： 孙世翔 ,  李兰英 ,  代诗淼

IPC: G06T5/00 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出了一种基于卷积神经网络的低光照图像增强方法，用于解决现有低光增强方法中存在噪声过多和色彩对比度偏差的问题；其步骤为：低光照图像信息的获取；构建训练样本集和测试样本集；构建图像分解网络，将输入的低光照图像分解为反射分量和入射分量；构建图像增强模块，对分解后的图像分量进行去噪和增强；对构建好的网络模型进行训练；保存训练好的低光照图像增强网络；将低光照图像输入训练好的模型中，得到增强后的图像。本发明通过去噪网络对反射分量的有效去噪，以及加入注意力机制和空洞卷积的增强网络对入射分量的增强，有效解决了低光照图像在增强过程中出现的噪声过多和色彩对比度偏差问题，可用于图像后期处理等。

公开(公告)号：CN116596793A

公开(公告)日：2023-08-15

申请号：CN202310581726.8

申请日：2023-05-23

Applicant: 哈尔滨理工大学

Inventor： 代诗淼 ,  李兰英 ,  孙世翔

IPC: G06T5/00 ,  G06T7/90 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于U型网络和注意力机制的低光图像增强方法，属于计算机视觉技术领域，包括以下步骤：首先获取低光图像并将其构建训练样本集和测试样本集；然后构建带有注意力机制的U型网络和细节增强网络构成的图像增强模型，并对构建好的网络模型进行训练，保存训练好的图像增强模型；其次将RGB空间的低光图像转换为HSL空间，得到H、S、L分量，并将L分量输入图像增强模型，得到增强后的L分量，保持S、V分量不变；将S、V分量和增强后的L分量转换到RGB空间，得到增强后的图像。本发明可以有效改善图像质量，提高图像清晰度，避免颜色失真，解决低光图像中存在的细节模糊和结构信息不足的问题。