-
公开(公告)号：CN119338671A
公开(公告)日：2025-01-21
申请号：CN202411909654.6
申请日：2024-12-24
Applicant: 湖北工业大学
IPC: G06T3/4007
Abstract: 本发明涉及一种基于FPGA的视频图像采集系统的双三次插值优化算法。该基于FPGA的视频图像采集系统的双三次插值优化算法，通过采用轻量级上采样系统使其在进行使用的过程中具有较小的模型规模和较少的参数，因此其内存占用也相对较低，可有效的适配资源受限的设备；通过创新的算法和优化策略，能够在保持低计算复杂度的同时，实现高质量的上采样效果；通过对浮点数进行整数化处理，整数运算只涉及整数部分，计算过程相对简单，降低了整体的计算复杂度；能够减少内存占用，这有助于降低硬件成本，提高算法的适用性。
-
Patent Agency Ranking
公开(公告)号：CN110516784A
公开(公告)日：2019-11-29
申请号：CN201910646894.4
申请日：2019-07-17
Applicant: 湖北工业大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于并行时变因子PSO的太阳辐射预测资料同化算法，包括步骤：一：初始化算法参数；二:初始化读写同步锁，根据分组数依次创建线程，并将算法参数，各分组粒子数和最大迭代次数分配给各个线程；三：分线程随机初始化组内粒子；四：计算资料同化代价函数；五：分组线程获取读写同步锁；六：更新全局最优解；七：分组线程释放读写同步锁；步骤八：调整时变压缩因子，按时变双重压缩因子算法更新粒子速度，更新粒子位置；九：判断该分组是否到达最大迭代次数，满足条件则结束该分组线程；十：等待各分组线程结束，输出结果。本发明解决现有同化方案精度不高，算法鲁棒性不强，同化耗费时间过长问题。
-
公开(公告)号：CN110489243A
公开(公告)日：2019-11-22
申请号：CN201910647485.6
申请日：2019-07-17
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于并行分子运动PSO的太阳辐射预测资料同化算法，包括步骤：一：初始化算法参数；二:初始化读写同步锁，根据分组数依次创建线程，并将算法参数，各分组粒子数和最大迭代次数分配给各个线程；三：分线程随机初始化组内粒子；四：计算资料同化代价函数；五：分组线程获取读写同步锁；六：更新全局最优解；七：分组线程释放读写同步锁；八：按分子运动论PSO算法更新粒子速度，更新粒子位置；九：判断该分组是否到达最大迭代次数，满足条件则结束该分组线程；十：等待各分组线程结束，输出结果。本发明在提高时效性的同时，通过粒子间交流的增强，维持同化精度。
-
公开(公告)号：CN119338671B
公开(公告)日：2025-04-15
申请号：CN202411909654.6
申请日：2024-12-24
Applicant: 湖北工业大学
IPC: G06T3/4007
Abstract: 本发明涉及一种基于FPGA的视频图像采集系统及双三次插值优化方法。该基于FPGA的视频图像采集系统的双三次插值优化方法，通过采用轻量级上采样系统使其在进行使用的过程中具有较小的模型规模和较少的参数，因此其内存占用也相对较低，可有效的适配资源受限的设备；通过创新的算法和优化策略，能够在保持低计算复杂度的同时，实现高质量的上采样效果；通过对浮点数进行整数化处理，整数运算只涉及整数部分，计算过程相对简单，降低了整体的计算复杂度；能够减少内存占用，这有助于降低硬件成本，提高算法的适用性。
-
公开(公告)号：CN117475172B
公开(公告)日：2024-03-26
申请号：CN202311836502.3
申请日：2023-12-28
Applicant: 湖北工业大学
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084 , G06V10/30
Abstract: 本发明提供了一种基于深度学习的高噪声环境相位图解包裹方法和系统。本发明包括如下步骤：步骤1、利用滤波降噪对高噪声包裹相位进行去噪处理；步骤2、利用步骤1提供的降噪包裹相位图，使用初步相位解包网络PPUN（初步相位解包裹网络，Preliminary phase unwrapping network）预测相位数，并完成对包裹相位的初步解包；步骤3、利用步骤1提供的降噪包裹相位图生成梯度特征图；步骤4、利用步骤2生成的初步解包裹相位图和步骤3生成的梯度特征图，通过精密相位解包网络FPUN（精细相位解包裹网络，Fine phase unwrapping network）进行融合处理，输出最终的解包裹图像。本发明提出的方法解决了传统解包方法在梯度较大的位置出现较大误差的问题，同时大大提高了抗噪能力和相位解包裹的精度。
-
公开(公告)号：CN117475172A
公开(公告)日：2024-01-30
申请号：CN202311836502.3
申请日：2023-12-28
Applicant: 湖北工业大学
IPC: G06V10/44 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/084 , G06V10/30
Abstract: 本发明提供了一种基于深度学习的高噪声环境相位图解包裹方法和系统。本发明包括如下步骤：步骤1、利用滤波降噪对高噪声包裹相位进行去噪处理；步骤2、利用步骤1提供的降噪包裹相位图，使用初步相位解包网络PPUN（初步相位解包裹网络，Preliminary phase unwrapping network）预测相位数，并完成对包裹相位的初步解包；步骤3、利用步骤1提供的降噪包裹相位图生成梯度特征图；步骤4、利用步骤2生成的初步解包裹相位图和步骤3生成的梯度特征图，通过精密相位解包网络FPUN（精细相位解包裹网络，Fine phase unwrapping network）进行融合处理，输出最终的解包裹图像。本发明提出的方法解决了传统解包方法在梯度较大的位置出现较大误差的问题，同时大大提高了抗噪能力和相位解包裹的精度。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
