-
公开(公告)号：CN110636137B
公开(公告)日：2022-06-17
申请号：CN201910972168.1
申请日：2019-10-14
申请人： 河海大学常州校区
IPC分类号： H04L67/12 , H04L41/12 , H04L41/14 , H04L67/141 , H04L67/10
摘要： 本发明提出了一种海洋观监测网络中基于集群的NFV服务链优化方法。该方法首先建立海洋观监测网络拓扑和VNF存储模型，然后推导出网络平均服务时间与集群个数之间的数学关系式，最后通过仿真估计得到使得网络平均服务时间最小的集群个数，从而优化了整个NFV服务链。本发明能够降低海洋网络观监测应用的时延，提高网络的可靠性和服务的连续性。
-
公开(公告)号：CN110765890A
公开(公告)日：2020-02-07
申请号：CN201910939924.0
申请日：2019-09-30
申请人： 河海大学常州校区
摘要： 本发明公开了一种基于胶囊网络深度学习架构的车道及车道标识检测方法，包括以下步骤：S1，在相机捕获画面上，设置两层ROI；S2，使用混合高斯滤波器执行滤波处理；S3，在ROI图像上基于波形描述和阈值分割提取车道线、路面标记组件；S4,在相机捕获图像上分离色彩通道，并在每个通道上使用中值滤波器执行噪声消除；S5，估计红色和蓝色通道的阈值，并对两个通道执行增强操作；S6，构建多通道胶囊网络，进行训练；S7，将训练好的胶囊网络用于输入经分割后的目标组件，并反馈给用户或系统。本发明解决了在复杂的环境条件变化下，对车道及车道标识的智能检测，可以较好地辅助驾驶员或无人汽车完成驾驶任务。
-
公开(公告)号：CN110097006A
公开(公告)日：2019-08-06
申请号：CN201910361737.9
申请日：2019-04-30
申请人： 河海大学常州校区
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于手部掌纹掌脉特征融合的非接触式生物识别方法，包括以下步骤：S01，使用两个成像单元来分别捕获手掌的可见光图像和红外图像；S02，采用指尖点和指缝交叉点定位手部特征感兴趣区域，提取手部特征的掌纹、指纹、掌静脉和指静脉，并采用聚类分析结合信息显著度进行提取，建立受试者采集的手部图像数据样本集和测试集；S03，对获取的测试集中的手部特征与样本集中的手部特征进行匹配；S04，进行简单的DSmT证据融合，设定决策阈值进行判别。本发明提供的一种基于手部掌纹掌脉特征融合的非接触式生物识别方法，将手的掌纹和手掌静脉两种特征进行融合，能够提高复杂情况下的识别率。
-
公开(公告)号：CN110097531B
公开(公告)日：2023-05-12
申请号：CN201910366686.9
申请日：2019-05-05
申请人： 河海大学常州校区
IPC分类号： G06T5/50
摘要： 本发明公开了一种用于无人机电力巡检的异构图像融合检测方法，包括如下步骤：首先在电力巡检的无人机上，安装光学成像相机和用热红外成像相机，采集不同角度的可见光图像和热红外图像；（2）、从可见光图像和热红外图像中提取电力巡检异常特征并构建各种故障类型的特征知识库；（3）、从无人机飞行过程中采集到的可见光图像和热红外图像中，提取故障目标，结合特征知识库，分别构造基本信度分配函数；（4）、将获取到的针对同一故障目标的异构图像证据进行融合，不同角度的异构图像证据进行融合，并用综合可信度设定融合权重。本发明克服了利用单一的可见光图像与热红外图像造成的诊断结果不可靠这一弊端。
-
公开(公告)号：CN110147772B
公开(公告)日：2022-09-20
申请号：CN201910434440.0
申请日：2019-05-23
申请人： 河海大学常州校区
IPC分类号： G06V20/05 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
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：CN110636137A
公开(公告)日：2019-12-31
申请号：CN201910972168.1
申请日：2019-10-14
申请人： 河海大学常州校区
摘要： 本发明提出了一种海洋观监测网络中基于集群的NFV服务链优化方法。该方法首先建立海洋观监测网络拓扑和VNF存储模型，然后推导出网络平均服务时间与集群个数之间的数学关系式，最后通过仿真估计得到使得网络平均服务时间最小的集群个数，从而优化了整个NFV服务链。本发明能够降低海洋网络观监测应用的时延，提高网络的可靠性和服务的连续性。
-
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：CN110765890B
公开(公告)日：2022-09-02
申请号：CN201910939924.0
申请日：2019-09-30
申请人： 河海大学常州校区
摘要： 本发明公开了一种基于胶囊网络深度学习架构的车道及车道标识检测方法，包括以下步骤：S1，在相机捕获画面上，设置两层ROI；S2，使用混合高斯滤波器执行滤波处理；S3，在ROI图像上基于波形描述和阈值分割提取车道线、路面标记组件；S4,在相机捕获图像上分离色彩通道，并在每个通道上使用中值滤波器执行噪声消除；S5，估计红色和蓝色通道的阈值，并对两个通道执行增强操作；S6，构建多通道胶囊网络，进行训练；S7，将训练好的胶囊网络用于输入经分割后的目标组件，并反馈给用户或系统。本发明解决了在复杂的环境条件变化下，对车道及车道标识的智能检测，可以较好地辅助驾驶员或无人汽车完成驾驶任务。
-
公开(公告)号：CN110097531A
公开(公告)日：2019-08-06
申请号：CN201910366686.9
申请日：2019-05-05
申请人： 河海大学常州校区
IPC分类号： G06T5/50
摘要： 本发明公开了一种用于无人机电力巡检的异构图像融合检测方法，包括如下步骤：首先在电力巡检的无人机上，安装光学成像相机和用热红外成像相机，采集不同角度的可见光图像和热红外图像；（2）、从可见光图像和热红外图像中提取电力巡检异常特征并构建各种故障类型的特征知识库；（3）、从无人机飞行过程中采集到的可见光图像和热红外图像中，提取故障目标，结合特征知识库，分别构造基本信度分配函数；（4）、将获取到的针对同一故障目标的异构图像证据进行融合，不同角度的异构图像证据进行融合，并用综合可信度设定融合权重。本发明克服了利用单一的可见光图像与热红外图像造成的诊断结果不可靠这一弊端。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.019 秒)
