公开(公告)号：CN116827794A

公开(公告)日：2023-09-29

申请号：CN202310495775.X

申请日：2023-05-05

Applicant: 哈尔滨理工大学

Inventor： 杨雪来 ,  张亚楠 ,  方岭 ,  李禹欧

IPC: H04L41/0894 ,  H04L41/0803 ,  H04L41/5051 ,  H04L41/5054 ,  H04L67/1004 ,  H04L67/1008 ,  G06F9/50

Abstract: 一种基于kubernetes的动态组合资源调度方法、电子设备及存储介质，属于云计算技术领域。为解决kubernetes中现有调度策略考虑资源种类少，未考虑pod资源类型和pod间关系的问题。本发明主控节点接收待调度pod的资源清单；识别待调度pod的主要资源、待调度pod的规模；工作节点向主控节点报告工作节点信息；主控节点分析工作节点信息，分析后将信息填入节点信息表，所述节点信息表包括RP表、镜像表、QoS表；主控节点生成动态组合状态位；对动态组合状态位排序，将待调度pod调度到动态组合状态位优先级最高的工作节点中；判断待调度pod是否调度完毕。本发明能减少时间成本和计算成本，保证服务质量。

公开(公告)号：CN116634497A

公开(公告)日：2023-08-22

申请号：CN202310456786.7

申请日：2023-04-26

Applicant: 哈尔滨理工大学

Inventor： 关晟强 ,  车楠 ,  方岭

IPC: H04W28/08 ,  H04W28/084

Abstract: 本发明提出了一种基于无线环境下面向不可靠通讯的任务分配方法。包括步骤：采集边缘网络信息，SDWN控制器获取边缘服务器无线指标，云服务器执行基于DRL的在线学习算法决策程序。控制器结合采集的边缘服务器网络无线指标，预测未来一段时间的无线网络带宽及吞吐量。云端服务器根据控制器预测的未来无线网络指标，计算自身的任务计算时间及任务传输时间。云端与边缘端执行任务进行对比，决策程序选择效率高的执行方式。上传云端执行的任务进行非阻塞传输，并对边缘服务器周围的传输干扰进行网络调整。本发明将无线环境以及在线学习算法引入边云任务分配方案中，改善了无线环境下边云任务分配细粒度管理，任务分配及传输时延优化问题。

公开(公告)号：CN116612033A

公开(公告)日：2023-08-18

申请号：CN202310596145.1

申请日：2023-05-24

Applicant: 哈尔滨理工大学

Inventor： 李禹欧 ,  张亚楠 ,  方岭

IPC: G06T5/00 ,  G06T5/20 ,  G06T5/40

Abstract: 一种基于改进多尺度Retinex算法的暗光图像增强方法，属于图像处理领域。包括步骤：将原始RGB图像转换至HSI，将I分量复制，对第一I分量采用改进的多尺度Retinex算法即结合巴特沃斯低通滤波与高斯滤波加权计算得到新的中心环绕函数进行处理，对第二I分量采用CLAHE和均值滤波进行增强，融合处理后的I分量并保留处理后的清晰特征，转换回RGB目标图像。本发明通过采用一种基于改进多尺度Retinex算法的暗光图像增强方法，针对传统方法在细节保留，色彩保留等方面的不足做出了改善，使图像亮度增强，保护图像细节的同时提高图像的对比度并有效去除图像噪声，保持图像真实性。

公开(公告)号：CN116363015A

公开(公告)日：2023-06-30

申请号：CN202310438562.3

申请日：2023-04-22

Applicant: 哈尔滨理工大学

Inventor： 方岭 ,  张亚楠 ,  李禹欧

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出的一种基于Retinex理论和卷积神经网络的低照度图像增强方法，首先将成对的低照度图像和正常光照图像输入到分解网络，该分解网络输出一对三通道的反射分量和一对单通道的光照分量；然后将低照度图像分解得到的反射分量输入到反射分量去噪网络，得到去噪后的反射分量；再将低照度图像分解得到的光照分量输入到光照分量增强网络，得到增强后的光照分量；最后将去噪后的反射分量和增强后的光照分量进行点乘得到最终增强图像。本发明基于Retinex理论，利用卷积神经网络实现低照度图像的增强，并构建了一系列损失函数对卷积神经网络的参数进行约束优化，达到所期望的低照度图像亮度、对比度增强，极大程度上避免增强区域出现严重的噪声和颜色失真。