-
公开(公告)号：CN118823327A
公开(公告)日：2024-10-22
申请号：CN202410981707.9
申请日：2024-07-22
Applicant: 电子科技大学
IPC: G06V10/25 , G06T7/13 , G06V10/82 , G06V10/44 , G06N3/08 , G06V10/774 , G06T7/136 , G06T7/187 , G06N3/048 , G06V10/80
Abstract: 本发明涉及图像处理及机器视觉应用领域，提供了一种基于边缘拓扑引导的红外小目标检测方法，主旨在于通过目标边缘检测以及边缘拓扑化，消除类内距离，在分割网络引入边缘拓扑特征层，进而提升模型对各类目标的检测性能。具体步骤为，首先对输入红外图像进行边缘检测；接着将边缘拓扑化，构造多子图混合的候选图结构，并通过网络得到同时包含图像特征和图拓扑特征的边缘拓扑特征层；之后将其引入分割网络共同参与模型训练，得到最终的检测模型。
-
公开(公告)号：CN111897215B
公开(公告)日：2022-05-03
申请号：CN202010627592.5
申请日：2020-07-01
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于数据驱动学习的滚动优化控制方法。本发明首先将连续的搜寻环境离散化，根据收集到的大量信号强度数据，采用高斯过程回归预测信号源的可能位置；然后，基于信号源可能的位置，设计成本函数，采用滚动优化的方法，产生四旋翼无人机最优的控制序列；最后，根据最优控制序列，进而获得四旋翼无人机的最优运动轨迹，并将第一个位置输入到四旋翼无人机的控制器中，实现对信号源的搜索和定位。本发明弥补了现有技术的不足，通过基于数据驱动学习的滚动优化控制方法，不但使四旋翼无人机利用检测到的信号强度信息预测出信号源的可能位置，而且产生的最优参考轨迹，能够很好的管理不确定事件的发生，快速定位信号源。
-
公开(公告)号：CN111897215A
公开(公告)日：2020-11-06
申请号：CN202010627592.5
申请日：2020-07-01
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于数据驱动学习的滚动优化控制方法。本发明首先将连续的搜寻环境离散化，根据收集到的大量信号强度数据，采用高斯过程回归预测信号源的可能位置；然后，基于信号源可能的位置，设计成本函数，采用滚动优化的方法，产生四旋翼无人机最优的控制序列；最后，根据最优控制序列，进而获得四旋翼无人机的最优运动轨迹，并将第一个位置输入到四旋翼无人机的控制器中，实现对信号源的搜索和定位。本发明弥补了现有技术的不足，通过基于数据驱动学习的滚动优化控制方法，不但使四旋翼无人机利用检测到的信号强度信息预测出信号源的可能位置，而且产生的最优参考轨迹，能够很好的管理不确定事件的发生，快速定位信号源。
-
公开(公告)号：CN101471072B
公开(公告)日：2012-01-25
申请号：CN200710305087.3
申请日：2007-12-27
CPC classification number: G10L21/038
Abstract: 本发明实施例公开一种高频重建方法，包括：对音频或语音信号进行滤波处理得到低频子带和高频子带；确定频带复制策略；根据所述确定的频带复制策略获取所述低频子带与高频子带的相关性，为高频子带选择相关性大的低频子带作为最优复制频带，并输出包括选择频带的对应关系的高频重建参数信息。本发明还提供一种高频重建方法：接收包括选择频带的对应关系的高频重建参数信息，所述选择频带的对应关系具体为相关性大的低频子带和高频子带之间对应；在高频段根据所述包括选择频带的对应关系的高频重建参数信息将低频子带复制作为高频子带。相应的，本发明实施例提供一种编码模块和解码模块。本发明实施例提供的技术方案能够更准确的进行高频重建。
-
公开(公告)号：CN116883447A
公开(公告)日：2023-10-13
申请号：CN202310541649.3
申请日：2023-05-15
Applicant: 电子科技大学
IPC: G06T7/194
Abstract: 本发明公开基于空时张量分解的红外图像目标与背景分离方法及系统，涉及图像处理及目标检测领域，旨在解决红外图像中目标与背景分离不彻底、部分背景残留于目标图中的问题；本发明先在背景配准的基础上沿时间维堆叠红外图像，并将其分割为若干子张量块；再根据背景是否符合低秩假设将其建模为低秩背景分量与稀疏背景分量之和，并根据目标的分布及运动特性设计稀疏约束项与轨迹约束项，实现精准的模型构建；而后将分割所得的子张量块并行输入模型，通过迭代求解获得分离的目标张量块、低秩背景张量块与稀疏背景张量块；最后通过重构将分离后的张量块恢复为目标图像序列与背景图像序列，实现红外图像中目标与背景的分离。
-
Patent Agency Ranking
公开(公告)号：CN115810022A
公开(公告)日：2023-03-17
申请号：CN202211610351.5
申请日：2022-12-14
Applicant: 电子科技大学
Abstract: 本发明涉及图像处理及机器视觉技术领域，提出了一种多波段稀疏特征融合的卷云类虚警源检测方法，主旨在于解决卷云类虚警源检测系统无法准确检测具有稀疏性卷云的问题。为此，本发明提出了一种多波段稀疏特征融合的卷云类虚警源检测方法，捕捉卷云的稀疏特征与细节，更加接近卷云类虚警源的成像本质。主要技术包括：S1、读入多波段原始遥感图像；S2、通过移动局部窗口构建各波段张量块；S3、对构建的各波段张量块进行低秩稀疏分解，将卷云类虚警源检测问题转化为环式张量的恢复及最优化问题；S4、进行卷云类虚警源重建；S5、将各波段的卷云检测结果进行波段融合并二值化，得到最终的卷云检测结果。
-
公开(公告)号：CN104836232B
公开(公告)日：2017-02-01
申请号：CN201510245688.4
申请日：2015-05-14
Applicant: 电子科技大学
IPC: H02J3/01
Abstract: 本发明公开了一种有源电力滤波器的频率宽范围自适应重复控制方法，先通过锁相环实时跟踪电网电压频率信号，在保证开关频率不变的前提下计算出开关频率与实时电网频率的比值，最后，将比值的整数部分作为改进型重复控制器的一个基波滞后的拍数，将比值的小数部分构成延时环节，用一阶惯性环节来近似。这样，可以在电网频率波动的情况下，保证重复控制的谐振频率与电网实际的基波与谐波频率一致，从而使有源电力滤波器在电网频率波动时的补偿效果不会降低。
-
公开(公告)号：CN104836232A
公开(公告)日：2015-08-12
申请号：CN201510245688.4
申请日：2015-05-14
Applicant: 电子科技大学
IPC: H02J3/01
Abstract: 本发明公开了一种有源电力滤波器的频率宽范围自适应重复控制方法，先通过锁相环实时跟踪电网电压频率信号，在保证开关频率不变的前提下计算出开关频率与实时电网频率的比值，最后，将比值的整数部分作为改进型重复控制器的一个基波滞后的拍数，将比值的小数部分构成延时环节，用一阶惯性环节来近似。这样，可以在电网频率波动的情况下，保证重复控制的谐振频率与电网实际的基波与谐波频率一致，从而使有源电力滤波器在电网频率波动时的补偿效果不会降低。
-
公开(公告)号：CN118465748A
公开(公告)日：2024-08-09
申请号：CN202410460456.X
申请日：2024-04-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于仿真和硬件实现的毫米波信号测量方法及装置，通过仿真系统模拟射频前端处理，生成采样的数字信号，由于电磁波不会受到天气的干扰，所以具有全天时全天候的测量距离、速度的能力，并且成本较低，实现简单，通过仿真系统的模拟，能够提高系统的可验证性，有效降低错误发生率，鲁棒性强，分辨率高；另一方面，基于采样的数字信号进行硬件实现；采用硬件设备通过数字信号分别获取距离信号和速度信号，基于距离信号进行恒虚警率处理，得到相应的距离，并在对应的距离单元上进行速度维恒虚警率处理，得到相应的速度，从而通过两次一维的CFAR处理，避免了二维CFAR需要对得到的整个RDM矩阵进行全局搜索，极大的减少了计算量，并且算法实现简单，可靠性强，同时也可以灵活的在不同的维度上去选择相应的CFAR算法，灵活性更强。
-
公开(公告)号：CN101471072A
公开(公告)日：2009-07-01
申请号：CN200710305087.3
申请日：2007-12-27
CPC classification number: G10L21/038
Abstract: 本发明实施例公开一种高频重建方法，包括：对音频或语音信号进行滤波处理得到低频子带和高频子带；确定频带复制策略；根据所述确定的频带复制策略获取所述低频子带与高频子带的相关性，为高频子带选择相关性大的低频子带作为最优复制频带，并输出包括选择频带的对应关系的高频重建参数信息。本发明还提供一种高频重建方法：接收包括选择频带的对应关系的高频重建参数信息，所述选择频带的对应关系具体为相关性大的低频子带和高频子带之间对应；在高频段根据所述包括选择频带的对应关系的高频重建参数信息将低频子带复制作为高频子带。相应的，本发明实施例提供一种编码模块和解码模块。本发明实施例提供的技术方案能够更准确的进行高频重建。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.039 seconds)
