-
公开(公告)号：CN111340134B
公开(公告)日：2022-09-06
申请号：CN202010164515.0
申请日：2020-03-11
申请人： 南京理工大学 , 南京禹其源智能装备科技有限公司 , 北京电子工程总体研究所
IPC分类号： G06V10/75
摘要： 本发明公开了一种基于局部动态规整的快速模板匹配方法，可应用于工件定位、工业分拣和目标跟踪等领域。步骤如下：利用改进的环投影方法(IRPT)提取模板图像和测试子图的特征向量，然后初估相似度，筛选出候选测试子图，进而利用所提出的局部动态规整方法(LDTW)计算候选测试子图的相似度和缩放系数；取相似度值最高的测试子图，基于其对应的缩放系数，在测试图的对应位置裁剪出包含目标物体的最小区域，最终利用方向码方法(OC)计算该区域的旋转角度。较之于现有技术，本发明只需一张模板图像便可计算缩放系数和旋转角度，解决了常规算法需要大量不同缩放系数和旋转角度组合的模板图像才能计算缩放系数和旋转角度的难题，极大简化了算法。
-
公开(公告)号：CN113720218A
公开(公告)日：2021-11-30
申请号：CN202110971012.9
申请日：2021-08-23
申请人： 南京理工大学
摘要： 本发明公开了一种多点电火花气泡生成装置及其使用方法，包括立方体容器、容器盖板、导线螺纹管、N个纵向定位管、N个放电电极、导线、气门嘴、观察窗、测试装置安装孔、排水孔，立方体容器顶部开孔，容器盖板连接于顶部开孔外，导线螺纹管穿过容器盖板伸入立方体容器内，纵向定位管的一端连接于立方体容器内的导线螺纹管，每个纵向定位管上连接有一个放电电极，导线穿过导线螺纹管后与放电电极连接，气门嘴设置于容器盖板上。本装置能够实现对100m水深的水下压力进行模拟，具有操作简单、实用性强、安全性高的特点，能够成为代替真实深水试验的有力手段，为不同水深环境下的多点爆炸气泡耦合特性及毁伤研究提供一种有效的试验途径。
-
公开(公告)号：CN112149652A
公开(公告)日：2020-12-29
申请号：CN202011351142.4
申请日：2020-11-27
申请人： 南京理工大学
摘要： 本发明公开了一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，用于在低比特率下对高光谱图像进行有损压缩，该方法包括：高光谱图像整体输入到卷积神经网络当中训练和测试；编码器和解码器采用卷积结构提取高光谱图像的空谱特征，网络采用的激活函数为广义分裂归一化层，经过量化器和熵编码后得到比特流进行存储和传输；考虑到波段之间的相关性，首先采取单向光谱卷积针对光谱信息进行压缩和解压缩，再通过编码器提取空谱联合特征；网络损失函数为率‑失真损失函数。该损失函数平衡压缩率与图像失真程度，使得网络能够根据不同的平衡因子学习到不同的压缩能力，在性能上有了显著的提升。
-
公开(公告)号：CN111445480A
公开(公告)日：2020-07-24
申请号：CN202010206744.4
申请日：2020-03-23
申请人： 南京理工大学 , 南京禹其源智能装备科技有限公司 , 北京电子工程总体研究所
摘要： 本发明可以对图像旋转角度和缩放系数进行快速准确测量标定，主要应用于图像配准、图像拼接和目标检测等领域。首先对模板上所有像素点进行重新赋值，得到一种半径特征值和圆周特征值分别与半径所在角度和圆周所在位置成线性关系的新型模板，然后利用模板匹配方法确定模板在待测图像中实际位置，再基于图像发生旋转和缩放后该模板的半径特征曲线和圆周特征曲线，实现图像旋转角度和缩放系数的同时测量。相比于现有技术，本发明仅需通过设计的一种新型模板便可同时测量待测图像的旋转角度和缩放系数，解决了其它算法不能测量缩放系数或需要耗费巨大计算资源才能实现旋转角度和缩放系数同时测量的难题，极大提高了算法的实用性。
-
公开(公告)号：CN105318794B
公开(公告)日：2017-04-19
申请号：CN201410375528.7
申请日：2014-07-31
申请人： 南京理工大学
IPC分类号： F42B12/02
摘要： 本发明公开了一种偏转弹头，包括摆动锥体、球面副外壳、弹头外壳和驱动机构；弹头外壳为圆台，设有贯穿其底面和顶面的空腔；所述的摆动锥体包括锥体、转动球体和方轴，在转动球体外表面车有一个平面，通过该平面，将转动球体固定在锥体的底面中心，与该平面相对的球面与球面副外壳配合形成球面副；球面副外壳另一端与弹头外壳底面积小的一端相连，方轴一端固定在转动球体上，另一端位于弹头外壳内；驱动机构位于弹头外壳内。本发明可实现摆动锥体的在较大范围内摆动的目的，具有控制精度高、响应快的优点。
-
公开(公告)号：CN102842123B
公开(公告)日：2014-12-17
申请号：CN201210240484.8
申请日：2012-07-12
申请人： 南京理工大学
IPC分类号： G06T5/50
摘要： 本发明公开了一种图像上采样中边缘清晰度提升的稀疏域残差补偿修正方法，包括：对图像进行上采样处理；对上采样图像进行重叠分块；为每个图像块搜索非局部相似块；将图像块和非局部相似块索引值作为数据流，建立数据池；并行方式对数据池中的数据流进行稀疏域残差补偿修正迭代处理；当迭代终止时，更新数据池，将图像块整合为一幅高分辨图像。本发明利用图像块间的非局部相似性及块内信号的稀疏性，较好克服了图像上采样过程的边缘锯齿效应、噪声细节丢失等，能够大幅度提高图像的边缘清晰度。
-
公开(公告)号：CN112184560B
公开(公告)日：2021-03-26
申请号：CN202011387862.6
申请日：2020-12-02
申请人： 南京理工大学
摘要： 本发明公开了一种基于深度闭环神经网络的高光谱图像超分辨率方法，包括面向高光谱数据构建深度闭环神经网络模型和变量分离精细优化重建高分辨率高光谱图像两个过程，该方法的主要步骤为：构建两个深度学习模型分别学习超分辨过程和逆超分辨过程，两个模型形成闭环网络减少映射空间，促进模型拟合；采用适合高光谱图像的网络结构分别提取空间特征和光谱特征，空间信息和光谱信息联合重构，提高超分辨得到的图像质量；利用训练好的深度闭合神经网络，采取变量分离精细优化方法进行模型迭代求解，优化重建结果。本发明使用适用于高光谱图像超分辨率的深度闭环神经网络，闭环网络可以缩减映射空间，可以得到比单向网络更好的重建结果。
-
公开(公告)号：CN111562110B
公开(公告)日：2021-02-26
申请号：CN202010449011.3
申请日：2020-05-25
申请人： 南京理工大学
IPC分类号： G01M13/045 , G01M13/00 , G06N3/04
摘要： 本发明提出了一种基于卷积神经网络的故障诊断模型及跨部件故障诊断方法。首先分别采集机械部件A正常和故障状态下的运行数据，利用正交优化设计方法和一维卷积神经网络构建出一系列用于机械部件A故障诊断的诊断模型，基于正交优化实验结果进一步从这些模型中分析得出部件A的最优故障诊断模型；然后，基于网络模型重用的迁移学习方法进行跨部件的故障诊断建模，以逐层适配的方式迁移部件A最优故障诊断模型的权重，构造一系列用于部件B故障诊断的迁移诊断模型；最后，利用机械部件B的数据对所有迁移诊断模型进行再训练，通过对比迁移诊断模型的正确率，获得机械部件B的最优故障诊断模型，实现基于正交优化卷积神经网络和迁移学习的跨部件故障诊断。
-
公开(公告)号：CN111461087A
公开(公告)日：2020-07-28
申请号：CN202010545143.6
申请日：2020-06-16
申请人： 南京理工大学
摘要： 本发明公开了一种基于光谱保持稀疏自编码器的高光谱图像异常检测方法，包括以下步骤：求取高光谱数据的小波系数；构建线性解混约束的小波自编码网络，采用光谱角距离替代编码层的内积，选择Relu函数作为编码层的激活函数，引入归一化层、dropout层，并在损失函数中添加惩罚项及正则项，构建基于光谱保持稀疏自编码器的网络；将待测高光谱数据输入稀疏自编码器网络中，设置网络参数，对其进行解混操作，得到背景端元数据，计算重构误差得到所需的异常目标数据。本发明能够对高光谱图像进行快速、精确的异常目标检测。
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.035 秒)
