公开(公告)号：CN116612033A

公开(公告)日：2023-08-18

申请号：CN202310596145.1

申请日：2023-05-24

Applicant: 哈尔滨理工大学

Inventor： 李禹欧 ,  张亚楠 ,  方岭

IPC: G06T5/00 ,  G06T5/20 ,  G06T5/40

Abstract: 一种基于改进多尺度Retinex算法的暗光图像增强方法，属于图像处理领域。包括步骤：将原始RGB图像转换至HSI，将I分量复制，对第一I分量采用改进的多尺度Retinex算法即结合巴特沃斯低通滤波与高斯滤波加权计算得到新的中心环绕函数进行处理，对第二I分量采用CLAHE和均值滤波进行增强，融合处理后的I分量并保留处理后的清晰特征，转换回RGB目标图像。本发明通过采用一种基于改进多尺度Retinex算法的暗光图像增强方法，针对传统方法在细节保留，色彩保留等方面的不足做出了改善，使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，保持图像真实性。

公开(公告)号：CN116363015A

公开(公告)日：2023-06-30

申请号：CN202310438562.3

申请日：2023-04-22

Applicant: 哈尔滨理工大学

Inventor： 方岭 ,  张亚楠 ,  李禹欧

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出的一种基于Retinex理论和卷积神经网络的低照度图像增强方法，首先将成对的低照度图像和正常光照图像输入到分解网络，该分解网络输出一对三通道的反射分量和一对单通道的光照分量；然后将低照度图像分解得到的反射分量输入到反射分量去噪网络，得到去噪后的反射分量；再将低照度图像分解得到的光照分量输入到光照分量增强网络，得到增强后的光照分量；最后将去噪后的反射分量和增强后的光照分量进行点乘得到最终增强图像。本发明基于Retinex理论，利用卷积神经网络实现低照度图像的增强，并构建了一系列损失函数对卷积神经网络的参数进行约束优化，达到所期望的低照度图像亮度、对比度增强，极大程度上避免增强区域出现严重的噪声和颜色失真。

公开(公告)号：CN116827794A

公开(公告)日：2023-09-29

申请号：CN202310495775.X

申请日：2023-05-05

Applicant: 哈尔滨理工大学

Inventor： 杨雪来 ,  张亚楠 ,  方岭 ,  李禹欧

IPC: H04L41/0894 ,  H04L41/0803 ,  H04L41/5051 ,  H04L41/5054 ,  H04L67/1004 ,  H04L67/1008 ,  G06F9/50

Abstract: 一种基于kubernetes的动态组合资源调度方法、电子设备及存储介质，属于云计算技术领域。为解决kubernetes中现有调度策略考虑资源种类少，未考虑pod资源类型和pod间关系的问题。本发明主控节点接收待调度pod的资源清单；识别待调度pod的主要资源、待调度pod的规模；工作节点向主控节点报告工作节点信息；主控节点分析工作节点信息，分析后将信息填入节点信息表，所述节点信息表包括RP表、镜像表、QoS表；主控节点生成动态组合状态位；对动态组合状态位排序，将待调度pod调度到动态组合状态位优先级最高的工作节点中；判断待调度pod是否调度完毕。本发明能减少时间成本和计算成本，保证服务质量。

公开(公告)号：CN116471186A

公开(公告)日：2023-07-21

申请号：CN202310445126.9

申请日：2023-04-23

Applicant: 哈尔滨理工大学

Inventor： 张亚楠 ,  李禹欧 ,  李长毅

IPC: H04L41/0823 ,  G06F9/455 ,  H04L67/10

Abstract: 本发明公开了一种大规模图像处理场景下的云计算网络优化方法，属于电子计算机领域。本发明包括：针对大规模图像处理服务部署时对计算资源要求高的背景下，提出将有共享资源需求的容器化服务以一种类似进程组的方式进行打包，封装成容器组作为整体调度单位，根据不同容器组合提供的服务会离散分布在集群中各个业务节点上，导致集群中服务之间跨节点相互调用时耗费网络资源的问题，提出一种大规模图像处理场景下的云计算网络优化方法，云计算利用自身的存储与计算能力使图像处理技术的发展空间更为广阔,有效地实现了资源的合理分配，其次减少对云计算分布式集群内部网络资源的耗费与服务迟延，减少计算压力并提高处理图像的效率。