一种免水尺的河流水位视觉测量方法

    公开(公告)号:CN113819974A

    公开(公告)日:2021-12-21

    申请号:CN202111090990.9

    申请日:2021-09-17

    申请人: 河海大学

    摘要: 本发明公开了一种免水尺的河流水位视觉测量方法,包括如下步骤:利用标定好内参和外参的相机拍摄河流完整断面的图像并做非线性畸变校正;在校正后的图像中的测量断面上选取水边线区域,其大小覆盖水位变幅;采用基于深度学习的PSPnet网络对选取的水边线区域进行图像分割,获得河岸为前景、水面为背景的二值图像;对二值图像进行水平投影并搜索梯度最大值得到水边线像点纵坐标的观测值;基于变高水面摄影测量模型迭代水位值计算水边线像点纵坐标,将其与观测值之差小于测量精度作为迭代停止条件得到水位近似值。本发明仅需测流断面地形,无需安装水尺及标志物,具有布设简单、抗损毁性强、结果直观的优点。

    一种双模态成像信息联合建模及适应性分割方法

    公开(公告)号:CN112348834A

    公开(公告)日:2021-02-09

    申请号:CN202011276934.X

    申请日:2020-11-16

    IPC分类号: G06T7/11

    摘要: 本发明公开了一种双模态成像信息联合建模及适应性分割方法,该方法建立单一目标双模态成像信息的联合模型,以适应性融合多模态成像信息。通过模型的一致性收敛,以实现对目标的鲁棒、准确分割。考虑到两类模态成像信息对目标性状表征的互补性,连续适应性调节跨模态信息在收敛过程中的重要性,以实现目标位置信息和结构信息的综合辨识,完成鲁棒、准确的成像信息适应性分割。

    一种无线传感器网络监测系统的路由方法

    公开(公告)号:CN112218257A

    公开(公告)日:2021-01-12

    申请号:CN202010884954.9

    申请日:2020-08-28

    申请人: 河海大学

    摘要: 本发明公开了一种无线传感器网络监测系统的路由方法,包括如下步骤:根据最优簇头公式,得到最优簇头数,根据最优簇头数进行网络区域划分;在划分的每个区域里选举簇头;根据选举的簇头,通过分簇算法进行分簇建立簇群;簇头收集融合普通节点的数据进行簇间多跳通信,寻找耗能最短路径通过多跳方式将信息发送给汇聚节点。本发明通过划分区域,综合节点的剩余能量、与汇聚节点的距离因素创新设计出一种新型方法来进行分簇,并考量簇头节点如何通信消耗最少能量决定通信路径,解决了传统路由协议不适用于特殊形状网络的问题,从而能够更好的满足特殊场景的需要,降低网络能耗,延长网络生命周期。

    一种面向光场重聚焦图像的聚焦分割方法

    公开(公告)号:CN107424155B

    公开(公告)日:2020-04-21

    申请号:CN201710248385.7

    申请日:2017-04-17

    申请人: 河海大学

    IPC分类号: G06T7/11

    摘要: 本发明公开了一种面向光场重聚焦图像的聚焦分割方法,包括:使用PCNN计算模型将输入图像变换到神经元点火序列空间,生成二维点火序列矩阵;在点火序列矩阵中,分析各点火序号的连通区域和连通度,得到每个像素的连通度属性;根据像素连通度属性和像素邻域点火序列模型,建立像素分类准则;)对每个像素,根据像素分类准则,标记其分类属性,形成分类标记矩阵;在分类标记矩阵上,使用滑窗技术查找“清晰标记”密度最大的区域,在原始重聚焦图像中分割出对应区域作为聚焦区域输出。本发明可以在不失分割准确性的情况下,显著降低聚焦分割时间;方法配置简单、可扩展性好,非常适合用于计算密集型的光场图像处理领域。

    融合自学习语义特征与设计特征的遥感影像目标提取方法

    公开(公告)号:CN110544260A

    公开(公告)日:2019-12-06

    申请号:CN201910777761.0

    申请日:2019-08-22

    申请人: 河海大学

    IPC分类号: G06T7/136 G06T5/00 G06T7/181

    摘要: 本发明公开了一种融合自学习语义特征与设计特征的遥感影像目标提取方法,包括如下步骤:使用人工设计的边缘算子对遥感影像提取内部边缘点,依据边缘点完成图像初始分割并标记分割对象;通过改进的Mask R-CNN模型学习并提取建筑物语义特征,根据自学习语义特征提取建筑物掩膜图像;融合基于边缘算子的遥感影像分割图与掩膜图像获得最终建筑物提取图。本发明从建筑物的自学习语义特征与人工设计特征两个角度出发,完成建筑物提取。模型既可以通过自学习语义特征弥补传统人工特征设计困难导致的目标误提取、漏提取问题,又可通过人工特征的设计完善自学习语义特征导致的建筑物提取结果边缘拟合较差、局部缺失问题。

    特征融合与学习率优化的核相关滤波水下目标跟踪方法

    公开(公告)号:CN110533690A

    公开(公告)日:2019-12-03

    申请号:CN201910728819.2

    申请日:2019-08-08

    申请人: 河海大学

    摘要: 本发明公开了一种特征融合与学习率优化的核相关滤波水下目标跟踪方法,针对水下环境中单一目标特征无法进行准确目标建模的特点,采用将FHOG特征与颜色直方图特征或LBSP特征进行串联融合,并利用核相关计算将融合特征进行多通道扩展,在保证算法运算速度的前提下提高水下目标模型的准确性;通过遮挡检测自适应调整学习率进行水下目标模型的更新,提高了水下目标跟踪结果的准确性。本发明改进方法与传统KCF目标跟踪方法相比,在保证算法良好运算速度的前提下提高了水下目标跟踪结果的准确性,算法的跟踪性能得到提高。

    一种目标检测与可能性判别修正的关联方法

    公开(公告)号:CN107464256B

    公开(公告)日:2019-10-15

    申请号:CN201710541396.4

    申请日:2017-07-05

    申请人: 河海大学

    发明人: 王慧斌 陈哲 卢苗

    摘要: 本发明公开了一种目标检测与可能性判别修正的关联方法,首先,以当前帧的目标检测结果为量测集,前一时刻确定的跟踪目标集为状态集,利用目标区域尺寸和中心位置得到关联矩阵,确定每个目标的候选目标;接着,由关联矩阵推理分析出目标发生遮挡的可能性,并由目标与候选目标的面积进一步确定目标是否遮挡;然后,根据目标遮挡与否自适应选择最优粒子或均值漂移对候选目标进行修正;最后计算目标同修正结果的关联度,根据关联度矩阵对目标进行关联。该方法能够较好地处理目标遮挡的情况,自适应目标尺寸变化,有效提高目标信息的准确性,准确地对多目标进行关联。

    目标导向集中优化的快速水下机器人三维路径规划方法

    公开(公告)号:CN110196602A

    公开(公告)日:2019-09-03

    申请号:CN201910379851.4

    申请日:2019-05-08

    申请人: 河海大学

    IPC分类号: G05D1/10

    摘要: 本发明公开一种目标导向集中优化的快速水下机器人三维路径规划方法,在RRT*路径规划方法中引进目标导向的高斯采样策略,减少了水下障碍物分布稀少时采样点的随机性;并结合随机扰动进行采样,可以使随机树合理地远离障碍区域,避免陷入局部最小值,快速地将搜索导向目标;并采用集中优化搜索策略对本发明获得的初始路径进行路径优化处理,提高优化收敛速率和路径的质量,实现渐进最优。本发明改进方法与传统RRT*方法相比,规划出来的初始路径更优,路径优化的速度更快,大大减少了时间和内存的消耗。

    用于目标检测的自适应偏振信息采集与计算方法及装置

    公开(公告)号:CN107504956B

    公开(公告)日:2019-06-21

    申请号:CN201710554669.9

    申请日:2017-07-10

    申请人: 河海大学

    IPC分类号: G01C11/00 G01C11/02

    摘要: 本发明公开了一种用于目标检测的自适应偏振信息采集与计算方法及装置,方法包括:根据拍摄时刻的太阳高度角调整云台角度;调节偏振片方向采集目标在0°方向、45°方向和90°方向三个偏振方向的偏振图像;基于采集的偏振图像计算出目标的0°方向、90°方向、45°方向和135°方向偏振参数以及偏振度图像;装置包括偏振信息采集单元,自动调整相机拍摄角度与偏振片角度;偏振信息计算单元,基于采集的三个方向的偏振图像计算得到水面目标的偏振参数信息;以及控制单元,包括采集控制、存储控制、偏振信息计算控制等模块。本发明可以实现水面目标偏振信息的有效获取。

    基于模型匹配的非常规突发事件动态优先方法

    公开(公告)号:CN106446941B

    公开(公告)日:2019-05-24

    申请号:CN201610826499.0

    申请日:2016-09-14

    申请人: 河海大学

    IPC分类号: G06K9/62

    摘要: 本发明公开一种基于模型匹配的非常规突发事件动态优先方法,包括:利用关键信息模型标识关键信息的各种关键信息规则的集合,对实时处理数据流进行匹配,通过匹配过滤出满足规则的关键信息;不同种类的关键信息,在系统中的重要程度不一样,对不同关键信息赋予不同的数值,通过赋予数值的大小表示关键信息在系统中的重要程度;计算关键信息频率,关键信息单位时间内出现的次数;即关键信息规则在关键信息时间窗内,每类关键信息出现频率;计算关键信息优先级,关键信息频率与权重积的算数平均值,关键信息频率与权重,决定了关键信息在系统中的重要程度。