-
公开(公告)号：CN113395709A
公开(公告)日：2021-09-14
申请号：CN202110676826.X
申请日：2021-06-18
申请人： 河海大学
IPC分类号： H04W16/24 , H04B17/336 , H04B17/345
摘要： 本发明公开了无线通信系统覆盖分析领域的一种面向用户基站泊松分布的服务覆盖分析方法，旨在解决无线通信系统分析较为复杂的技术问题。包括如下步骤：获取第l个小区的服务基站接收的上行传输信号yl；根据上行传输信号yl，结合第l个小区到本小区中心基站的传输信道gllk，计算第l个小区基站与本小区内上行传输时的小区内干扰信息。本发明充分考虑到实际场景中用户基站部署位置的随机性以及相邻基站之间的硬核距离，利用随机几何方法，针对用户基站位置服从泊松分布的多小区多用户场景下上行传输时的小区内干扰和小区间干扰进行分析，即可获得整个系统内所有小区基站的服务覆盖情况，大大降低了无线通信系统性能分析的复杂性。
-
公开(公告)号：CN111882502A
公开(公告)日：2020-11-03
申请号：CN202010751839.4
申请日：2020-07-30
申请人： 河海大学常州校区
摘要： 本发明公开了一种水下降质光学图像特性判断与恢复方法，涉及水下图像增强研究技术领域，包括：判断水下降质光学图像具有亮度不均匀特性、信噪比低特性、图像动态范围窄特性、颜色失真特性的至少一种特性；对亮度不均匀特性、信噪比低特性、图像动态范围窄特性、颜色失真特性的至少一种特性进行重构融合恢复。为进一步开展降质图像恢复研究提出了相应的理论支撑。
-
公开(公告)号：CN110147772A
公开(公告)日：2019-08-20
申请号：CN201910434440.0
申请日：2019-05-23
申请人： 河海大学常州校区
摘要： 本发明公开了水下图像目标识别技术领域的一种基于迁移学习的水下坝体表面裂缝识别方法，旨在解决现有技术中将深度学习的方法运用到水下复杂环境的裂缝检测中，由于水下样本数据难以大量获取，进而影响识别准确率的技术问题。所述方法包括如下步骤：基于水上坝体表面裂缝图像和水下坝体表面裂缝图像，构建混合样本集；利用混合样本集训练深度卷积神经网络模型，获取预训练网络模型；利用深度卷积神经网络模型和预训练网络模型，获取目标网络模型；将水下坝体表面裂缝图像输入目标网络模型，根据目标网络模型输出的标签类别，识别坝体表面损毁程度。
-
公开(公告)号：CN110084804A
公开(公告)日：2019-08-02
申请号：CN201910361732.6
申请日：2019-04-30
申请人： 河海大学常州校区
摘要： 本发明公开了一种基于弱监督深度学习的水下构筑物缺陷检测方法，包括以下步骤：S1，以语义信息为标签对输入图像进行弱标注，训练弱监督下的卷积神经网络模型，对正常图像和有缺陷图像进行分类；S2，利用卷积神经网络模型的第三层卷积层信息，实现深度显著性检测算法；S3，根据深度显著性算法的检测结果，进行迭代聚类统一检测算法，训练一个可靠的水下构筑物图像异常点分类器；S4，将迭代聚类统一检测分类器用于水下构筑物图像数据集进行评估测试。本发明提供的一种基于弱监督深度学习的水下构筑物缺陷检测方法，解决了水下构筑物缺陷检测模型难以构建的问题，可以较好地辅助检测人员完成对水下构筑物目标的缺陷检测任务。
-
公开(公告)号：CN108764345A
公开(公告)日：2018-11-06
申请号：CN201810536235.0
申请日：2018-05-30
申请人： 河海大学常州校区
CPC分类号： G06K9/6223 , G06K9/00637 , G06K9/4604 , G06K9/4642
摘要： 本发明公开了一种基于局部与全局聚类的水下大坝裂缝检测方法，包括以下步骤：采集水下大坝表面图像，传输到图像数据库中；对图像进行预处理，初步均衡图像背景光照，增强目标区域；对图像进行处理并均衡图像灰度强度后，利用二值阈值分割法实现图像二值化；提取图像块特征，通过聚类分析方法计算二维特征空间得到含有裂缝的图像块；提取出所有的连通域，以每个连通域为样本，分别提取其特征，组成三维特征空间，再次通过聚类分析方法，检测到裂缝；将检测出含有裂缝的图像定位到大坝，从而确定含有裂缝的图像所在区域。本发明实现了水位以下的大坝表面裂缝自动检测，省时省力、成本低，又能实现无损检测，并满足准确率和实时性要求。
-
公开(公告)号：CN106056559B
公开(公告)日：2018-08-28
申请号：CN201610505512.2
申请日：2016-06-30
申请人： 河海大学常州校区
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于暗通道先验的非均匀光场水下目标探测图像增强方法，包括：获取非均匀光场水下探测目标原始彩色图像，通过最小值滤波算法，计算对应的透射图；将原始彩色图像转换为原始灰度图像，将原始图像划分为偏亮区域、正常区域和偏暗区域；计算各区域的光照向量；应用导向滤波方法计算原始彩色图像在透射图条件下对应的导向滤波输出图像；计算原始图像不同的亮度区域的恢复增强图像；对匀光处理恢复图像从均值、方差、对比度和信息熵等方面进行定量评价，直至恢复增强图像满足指标要求。本发明中用到的光照向量加权的导向滤波方法，能在不同亮度区域之间进行平滑均衡处理，使得处理后的图像整体协调性加强、纹理信息丰富。
-
公开(公告)号：CN108133467A
公开(公告)日：2018-06-08
申请号：CN201810084505.9
申请日：2018-01-29
申请人： 河海大学常州校区
摘要： 本发明公开了一种基于粒计算的水下图像增强系统及增强方法，基于非均匀粒度的计算方法，去除水下光照不均和噪声，在保护纹理细节的完整性的同时，实现图像增强。本发明首先提取水下图像的照度信息，按从粗到细的粒度层次逐步对光照信息进行细分，将图像划分为一系列大小和光照强度不同的粒子构成的集合，并定位最适宜亮度粒子，根据每个粒子的亮度情况分别进行照度补偿，获得去除光照不均的水下图像，然后对每个粒子分别进行噪声去除，实现图像增强。本发明不需要光照先验知识，无需手工调节参数，能够根据图像特点自适应分析,增强后水下图像的纹理和细节信息清晰完整。
-
公开(公告)号：CN106407927A
公开(公告)日：2017-02-15
申请号：CN201610818023.2
申请日：2016-09-12
申请人： 河海大学常州校区
摘要： 本发明公开了一种基于偏振成像的适用于水下目标检测的显著性视觉方法，包括A）采集水下同一位置多角度自配准偏振图像；B）基于偏振信息的水下图像恢复；C）全局纹理特征提取；D）基于全局对比度的颜色特征提取；E）视觉显著性特征融合；F）基于目标中心与灰度重心的显著图优化与目标提取；G）根据最终显著图，并对其进行阈值分割，实现水下目标的检测。本发明利用目标中心概率、图像灰度重心及空间顺滑实现显著度优化，进一步抑制背景、突出前景，既能实现复杂水环境下目标检测的高检出率、高识别率，且满足实时性要求，具有良好的应用前景。
-
公开(公告)号：CN106056559A
公开(公告)日：2016-10-26
申请号：CN201610505512.2
申请日：2016-06-30
申请人： 河海大学常州校区
IPC分类号： G06T5/00
CPC分类号： G06T5/009 , G06T2207/10024 , G06T2207/20024 , G06T2207/20208 , G06T2207/30168
摘要： 本发明公开了一种基于暗通道先验的非均匀光场水下目标探测图像增强方法，包括：获取非均匀光场水下探测目标原始彩色图像，通过最小值滤波算法，计算对应的透射图；将原始彩色图像转换为原始灰度图像，将原始图像划分为偏亮区域、正常区域和偏暗区域；计算各区域的光照向量；应用导向滤波方法计算原始彩色图像在透射图条件下对应的导向滤波输出图像；计算原始图像不同的亮度区域的恢复增强图像；对匀光处理恢复图像从均值、方差、对比度和信息熵等方面进行定量评价，直至恢复增强图像满足指标要求。本发明中用到的光照向量加权的导向滤波方法，能在不同亮度区域之间进行平滑均衡处理，使得处理后的图像整体协调性加强、纹理信息丰富。
-
公开(公告)号：CN104616210A
公开(公告)日：2015-05-13
申请号：CN201510061782.4
申请日：2015-02-05
申请人： 河海大学常州校区
IPC分类号： G06Q50/06
摘要： 本发明公开了一种智能配电网大数据融合重构与交互方法，其特征在于：1)对智能配电网大数据进行初始聚类划分，根据智能配电网运行状态建立关联规则，实现扩展聚类的划分；2)将当前数据划归到基于历史数据的初始聚类中，基于关联规则预测运行状态，从而确定自愈控制策略，进行全景风险管控和自愈控制。本发明通过网格密度进行初始聚类划分，通过建立关联规则进行扩展聚类划分，实现智能配电网大数据融合重构与交互，有效提高数据流聚类效率及聚类精度，具有良好的可扩展性，实现智能配电网全景风险管控与自愈控制系统集成，应用智能配电网大数据融合重构与交互方法，能够提高配电网控制智能化水平，增强配电网自愈控制功能。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.091 秒)
