-
公开(公告)号：CN110853038A
公开(公告)日：2020-02-28
申请号：CN201910975412.X
申请日：2019-10-15
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及深度学习算法领域，尤其涉及一种用于肝脏肿瘤CT图像分割技术的DN-U-net网络方法领域。本发明包括：(1)获取肝脏肿瘤CT图像；(2)对所获得的图像进行预处理，将3D原始数据进行切片处理得到所需的数据格式，然后转化为可以用来训练的数据集；(3)使用中值滤波对数据进行处理，用于处理斑点噪声和椒盐噪声；(4)对数据图像进行数据增强；(5)DN-U-net网络的训练与分割等。本发明使用数据增强，将原图与标签同时进行处理，对数据进行数据反转、数据旋转和数据缩放操作，这样可以获得更多的图像，增大了训练集的数量。
-
公开(公告)号：CN110827332A
公开(公告)日：2020-02-21
申请号：CN201910951705.4
申请日：2019-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的SAR图像的配准方法领域，所述方法包括如下步骤：获取SAR参考图像及待配准SAR实时图，其中实时图与参考图像为同一区域的两幅图像；对参考图像利用BNLMF滤波器算法降噪处理，并提取SIFT特征点，构造训练用数据集，训练AlexNet卷积网络，并得到网络模型；对待配准实时图利用BNLMF滤波器算法降噪，提取SIFT特征点，构造实时图的样本集；将实时图的样本集输入到训练好的AlexNet卷积网络模型中，预测匹配关系，获得初始匹配特征点对。本发明方法能够提升数据拟合的鲁棒性，抑制积累误差对数据造成进一步的干扰，从而实现对变换矩阵的稳健估计，有效提升配准精度。
-
公开(公告)号：CN110473166A
公开(公告)日：2019-11-19
申请号：CN201910614832.5
申请日：2019-07-09
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T3/60 , G06K9/62 , G06N3/04 , G06N3/08 , G16H30/40 , G16H50/20 , G01N15/00 , G01N15/14
Abstract: 本发明涉及医学图像处理领域，具体涉及一种基于改进Alexnet模型的尿液有形成分识别方法。步骤一：采集和扩充图像数据集，构建尿沉渣图像训练集和测试集；步骤二：构建基于Alexnet网络模型的尿液有形成分识别网络模型；步骤三：设置尿液有形成分识别网络模型的训练参数；步骤四：训练基于Alexnet网络模型的尿液有形成分识别网络模型；步骤五：测试基于Alexnet网络模型的尿液有形成分识别网络模型；本发明在Alexnet网络模型的基础上进行了改进，减少了网络训练参数量，能够自动提取图像特征，具有识别率高、识别时间快、泛化能力强的特点，对于辅助医疗诊断、减轻医生负担具有重要的应用前景。
-
公开(公告)号：CN106709962A
公开(公告)日：2017-05-24
申请号：CN201611215140.6
申请日：2016-12-26
Applicant: 哈尔滨工程大学
IPC: G06T9/00
CPC classification number: G06T9/007
Abstract: 本发明属于红外图像重构技术领域，具体涉及一种基于确定性序列编码的压缩感知红外图像重构方法。本发明包括：定义玫瑰线扫描轨迹方程中频率参数f1、f2，帧频参数fR，扫描视场半径d。在玫瑰线轨迹上均匀地采集NR个点，构造一个确定的序列利用序列构造一个循环矩阵Φ0。根据所需要的采样率构造确定性观测矩阵的维度M×N。通过选取构造观测矩阵的前m行便可得到任意维度为m×N的观测矩阵。本发明重构的红外图像清晰度高、峰值信噪比大，可用于红外图像重构。
-
公开(公告)号：CN102722706B
公开(公告)日：2014-01-29
申请号：CN201210163140.1
申请日：2012-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于粒子滤波的红外弱小目标检测与跟踪方法及装置。采用形态学对图像进行开启操作获得背景图像，将原图像减去背景图像获得含有目标和噪声的去背景图像；根据设定的阈值和初始目标出现概率，在全视场大于阈值的范围内抽取粒子；跟踪阶段分为预测和更新两个步骤，预测包括目标出现状态的预测和目标状态的预测，在更新过程中利用似然函数计算粒子权重值、对权重值归一化、根据归一化后的权重值对粒子进行重采样；根据重采样之后的当前时刻的粒子状态计算目标存在的后验概率，并以此计算似然比，再利用似然比完成目标检测。本发明在低信噪比复杂背景的情况下，实现对红外弱小目标的有效检测和高精度跟踪。可广泛应用于各类系统。
-
Patent Agency Ranking
公开(公告)号：CN102722706A
公开(公告)日：2012-10-10
申请号：CN201210163140.1
申请日：2012-05-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于粒子滤波的红外弱小目标检测与跟踪方法及装置。采用形态学对图像进行开启操作获得背景图像，将原图像减去背景图像获得含有目标和噪声的去背景图像；根据设定的阈值和初始目标出现概率，在全视场大于阈值的范围内抽取粒子；跟踪阶段分为预测和更新两个步骤，预测包括目标出现状态的预测和目标状态的预测，在更新过程中利用似然函数计算粒子权重值、对权重值归一化、根据归一化后的权重值对粒子进行重采样；根据重采样之后的当前时刻的粒子状态计算目标存在的后验概率，并以此计算似然比，再利用似然比完成目标检测。本发明在低信噪比复杂背景的情况下，实现对红外弱小目标的有效检测和高精度跟踪。可广泛应用于各类系统。
-
公开(公告)号：CN113837059B
公开(公告)日：2023-12-19
申请号：CN202111104530.7
申请日：2021-09-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于监测预警安保技术领域，具体涉及一种规劝行人及时佩戴口罩的巡视车及其控制方法。本发明针对室内公共场合，通过巡检系统自身所携带深度相机采集的RGB彩色图像和深度图像完成室内栅格地图的构建；并通过相邻图片之间的特征匹配计算出检测巡视车相对于世界坐标系的位置，完成自身的定位；通过构建卷积神经网络模型，能够完成对于行人是否佩戴口罩的特征提取和识别；通过路径规划导航以及障碍物避障模块完成检测巡视车自主移动至目标的功能；最终通过目标跟随模块以及语音模块完成了巡检系统对未佩戴口罩行人的规劝功能以及对于防疫知识的宣传工作。
-
公开(公告)号：CN110827332B
公开(公告)日：2022-12-13
申请号：CN201910951705.4
申请日：2019-10-09
Applicant: 哈尔滨工程大学
IPC: G06T7/33 , G06T5/00 , G06V10/46 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于卷积神经网络的SAR图像的配准方法领域，所述方法包括如下步骤：获取SAR参考图像及待配准SAR实时图，其中实时图与参考图像为同一区域的两幅图像；对参考图像利用BNLMF滤波器算法降噪处理，并提取SIFT特征点，构造训练用数据集，训练AlexNet卷积网络，并得到网络模型；对待配准实时图利用BNLMF滤波器算法降噪，提取SIFT特征点，构造实时图的样本集；将实时图的样本集输入到训练好的AlexNet卷积网络模型中，预测匹配关系，获得初始匹配特征点对。本发明方法能够提升数据拟合的鲁棒性，抑制积累误差对数据造成进一步的干扰，从而实现对变换矩阵的稳健估计，有效提升配准精度。
-
公开(公告)号：CN110222307B
公开(公告)日：2022-10-28
申请号：CN201910504034.7
申请日：2019-06-12
Applicant: 哈尔滨工程大学
IPC: G06F17/16
Abstract: 本发明属于阵列信号处理领域，具体涉及基于FPGA的实对称矩阵的特征值分解的并行实现方法。具体实现步骤如下：根据阵元数目构建特征值分解的脉动阵列结构，设定所需的处理单元；对接收的阵元信号进行预处理；求解旋转角度并将其转换为角度值；查表得到对应的正弦值和余弦值；更新矩阵元素和特征向量；判断是否达到要求迭代次数；若未达到，在阵列结构中交换矩阵元素为下次迭代做准备；判断是否需要改变处理单元内部的输入输出顺序；若是，则改变输入输出数据的顺序。本方法通过处理单元之间数据的传递以及处理单元内部的数据顺序的转换，提高了迭代效率而且运算速度快，应用前景广阔。
-
公开(公告)号：CN113325452A
公开(公告)日：2021-08-31
申请号：CN202110569013.0
申请日：2021-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明属于三卫星编队对机动目标的无源跟踪技术领域，具体涉及一种三星无源融合定位体制机动目标跟踪方法。本发明是针对三星融合定位系统提出的改进，引入了迭代并利用L‑M方法改进扩展卡尔曼滤波，可以用更少的迭代次数降低扩展卡尔曼滤波对强非线性系统进行线性化处理时产生的截断误差本发明在粒子滤波中用改进的IEKF来产生重要性密度函数，融入最新观测信息，使得产生的重要性密度函数更加贴近实际后验概率，进而提高跟踪滤波精度。本发明可以在没有高程先验信息的情况下对运动的辐射源目标进行高精度跟踪。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.023 seconds)
