-
公开(公告)号：CN116739927A
公开(公告)日：2023-09-12
申请号：CN202310684738.3
申请日：2023-06-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种无需背景先验的全局偏振图像恢复方法，包括以下步骤：S1：通过旋转相机前的偏振镜获取不同角度的偏振图像；S2：通过融合后向散射偏振度和偏振角，建立了一种偏振成像代理模型；S3：在EME约束下，对原图像进行分割与采样，求解出模型局部参数最优值；S4：基于最小二乘法，设计了一种鲁棒多项式曲面拟合方法，得到了模型中变量的全局参数。S5：根据模型参数与后向散射的关系，提出了一种基于模型参数求解无穷远大气光值的方法；S6：基于偏振成像代理模型，将S4中获得的全局模型参数与S6中求的无穷远大气光值代入S2所提代理模型反演出清晰的无雾图像。
-
公开(公告)号：CN115661013A
公开(公告)日：2023-01-31
申请号：CN202211328889.7
申请日：2022-10-27
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于最佳波段图像融合的水下清晰图像采集方法，包括以下步骤：S1：在应用场景采集待观测目标的高光谱图像，结合水体和目标的光谱特性，运用一种基于多准则决策的波段选择方法选出用于水下观测的最佳波段；S2：构建一个RGB‑最佳波段水下双目成像系统，同时获取水下彩色图像和最佳波段图像，并对获取到的图像对进行配准；S3：采用一种基于视觉显著性的多模态图像融合方法，融合S2中获取的图像对的互补信息，获得高质量水下图像。该方法利用最佳波段图像中的信息增强彩色图像，是一种客观的图像质量增强方法，避免了传统方法中由于增加对比度或参数误估计引起的信息破坏。
-
公开(公告)号：CN111572737B
公开(公告)日：2022-04-12
申请号：CN202010470142.X
申请日：2020-05-28
Abstract: 本发明公开了一种基于声学和光学引导的AUV捕获引导方法，包括：当母船接收到AUV传送的待回收信号后采用四个水声换能器向AUV发送声信号；AUV接收声信号并计算不同信号到达AUV的时间差、根据该时间差计算AUV与母船的相对位置，AUV将其位置信息以及声引导状态发送至母船，母船向AUV回收装置ROV发送声引导状态；AUV检测AUV回收装置ROV上设置的引导灯信号，当检测到AUV回收装置ROV后壁引导灯信号时，则通过识别AUV回收装置ROV内后壁的引导灯相对于其前侧引导灯所构成的坐标系的相对位置估算AUV回收装置ROV的位置。
-
公开(公告)号：CN113284058A
公开(公告)日：2021-08-20
申请号：CN202110414111.7
申请日：2021-04-16
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于迁移理论的水下图像增强方法，其中主要包括：将水下拍摄到的图像通过加权最小二乘法进行分层处理，得到原始图像的基础层，细节层，对原始图像进行显著分离，得到显著层，然后对基础层进行亮度调整，得到自适应的基础层，在细节层中加入原始图像的透射图，得到增强后的细节层，这有利于很好的保留原始图像的细节信息。将初始参考图像与原始图像的细节层和显著图相加，得到自适应参考图像，然后与基础层进行颜色迁移，得到结果与增强后的细节层重构，得到最终增强后的水下图像。该方法不仅恢复了水下图像的颜色，而且还很好的去除了水下图像的雾度。
-
公开(公告)号：CN119463519A
公开(公告)日：2025-02-18
申请号：CN202411683806.5
申请日：2024-11-22
Applicant: 大连海事大学
Abstract: 本发明涉及公路沥青路面技术领域，尤其涉及一种乳化和改性再生同步的生物油再生乳化沥青及其制备方法。再生乳化沥青按质量百分数计，包括以下组分：新沥青30％～35％，旧沥青20％～25％，水34.2％～48.8％，乳化剂0.5％～2.0％、助乳化剂0.2％～0.4％、酸0.1％～0.4％，生物油1％～3％。本发明将再生工艺和乳化沥青工艺相结合，制备出一种乳化和改性再生同步的生物油再生乳化沥青。本发明的乳化和改性再生同步的生物油再生乳化沥青，具有组分组成和制备工艺简单特点，可降低沥青的老化风险，具备乳化沥青的基本性能，符合当下固废资源化利用和环保的战略。
-
Patent Agency Ranking
公开(公告)号：CN119090744A
公开(公告)日：2024-12-06
申请号：CN202411144502.1
申请日：2024-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于无监督扩散模型的水下图像增强方法，包括：获取非成对的水下图像训练集；将待处理的水下图像输入训练好的基于无监督对比学习的扩散模型，所述扩散模型包括基于对抗性对比学习的预增强网络和基于离散小波变换的条件去噪扩散概率模型，预增强网络包括一个生成器和一个判别器，条件去噪扩散概率模型包括K次离散小波变换过程、低频子带扩散过程和高频子带增强模块；获取基于小波变换的条件去噪扩散概率模型的输出作为增强后的水下图像。本发明通过将生成对抗网络和扩散模型相结合，能够在没有参考图像的真实水下场景进行训练，有效缓解真实水下图像中存在的色偏、对比度低等问题，达到与有监督训练相媲美的增强效果。
-
公开(公告)号：CN118938927A
公开(公告)日：2024-11-12
申请号：CN202411121724.1
申请日：2024-08-15
Applicant: 大连海事大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供一种带有输入量化的异构UAV/USV避碰编队控制方法，包括：设计一致异构智能体数学模型；基于目标轨迹，构造分布式异构多无人机无人船时变编队误差，采用扩张状态观测器观测控制器中包含的邻居智能体信息，引入改进人工势场，设计运动学制导律；将制导信号作为动力学子系统输入，设计考虑输入量化的动力学底层控制器与自适应律，采用均匀量化器进行量化过程，针对竖直平面内的高度跟踪过程，设计高度控制器，实现编队轨迹跟踪目标；设计李雅普诺夫函数，基于输入到状态稳定性理论，证明闭环系统稳定性。本发明针对UAV与USV的异构编队与避碰问题，设计基于扩张状态观测器的避碰编队控制器，解决带有输入量化的无人机无人船舶异构编队控制问题。
-
公开(公告)号：CN113284058B
公开(公告)日：2024-04-16
申请号：CN202110414111.7
申请日：2021-04-16
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移理论的水下图像增强方法，其中主要包括：将水下拍摄到的图像通过加权最小二乘法进行分层处理，得到原始图像的基础层，细节层，对原始图像进行显著分离，得到显著层，然后对基础层进行亮度调整，得到自适应的基础层，在细节层中加入原始图像的透射图，得到增强后的细节层，这有利于很好的保留原始图像的细节信息。将初始参考图像与原始图像的细节层和显著图相加，得到自适应参考图像，然后与基础层进行颜色迁移，得到结果与增强后的细节层重构，得到最终增强后的水下图像。该方法不仅恢复了水下图像的颜色，而且还很好的去除了水下图像的雾度。
-
公开(公告)号：CN117392525A
公开(公告)日：2024-01-12
申请号：CN202311444779.1
申请日：2023-11-01
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层次特征交互注意力的水下小目标检测方法，包括：获取水下图像数据集并进行预处理，基于预处理后的图像数据构建训练图像数据集；构建基于多层次特征交互注意力的水下目标检测模型，所述基于多层次特征交互注意力的水下目标检测模型包括主干网络、检测头部网络和基于多层次特征交互注意力模块；基于训练图像数据集中的图像数据训练所述基于多层次特征交互注意力的水下目标检测模型；获取待检测图像输入训练好的基于多层次特征交互注意力的水下目标检测模型，获取模型输出作为目标检测结果。本发明可以提高检测网络在水下环境对中小目标感知能力，该注意力机制结合YOLOv8目标检测网络可实现精准高效的水下目标检测。
-
公开(公告)号：CN117234076A
公开(公告)日：2023-12-15
申请号：CN202311152093.5
申请日：2023-09-07
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明提供一种带有事件触发机制和输入量化的无人船舶航向模糊跟踪控制方法，包括：获取周围环境及周围其他船舶的海况信息，建立无人船舶的航向控制数学模型；采用均匀量化器对控制系统中的控制输入进行量化处理，并利用线性解析模型描述输入量化过程；针对船舶模型中存在的不确定项及外部干扰，利用模糊逻辑系统进行逼近，并基于滑模控制策略设计系统控制律和自适应律；在考虑输入量化的基础上，基于事件触发驱动策略设计控制律和自适应律，以节省通信资源并减轻信号传输负担；利用级联理论证明所设计的带有事件触发机制和输入量化的无人船舶航向模糊跟踪控制系统输入到状态的稳定性，且闭环控制系统中的所有信号都是一致最终有界的。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.03 seconds)
