-
公开(公告)号：CN113793289A
公开(公告)日：2021-12-14
申请号：CN202111063980.6
申请日：2021-09-10
Applicant: 海南大学
Abstract: 本发明提供一种基于CNN和NSCT的多光谱图像和全色图像模糊融合方法，所述方法使用NSCT分别提取DUMS和MLPAN图像的多尺度多方向的低频子带图像和高频方向子带图像，再使用ResNet中残差模块及非线性特性构建浅层的细节提取网络以提取更丰富的细节信息，并使用模糊融合规则将提取的细节信息和MLPAN的第一层高频子带进行融合得到注入细节，最后利用ResNet模块的非线性构建细节注入网络，以注入细节和DUMS图像为输入，MS图像为输出，对其进行训练，得到最终的融合图像。本发明的融合模型设计的网络结构简单，容易训练，防止过拟合，泛化能力强，能够在保留光谱信息的同时提高空间分辨率，从而获得同时具有高空间分辨率和高光谱分辨率的图像。
-
公开(公告)号：CN113644941A
公开(公告)日：2021-11-12
申请号：CN202110865501.6
申请日：2021-07-29
Applicant: 海南大学
IPC: H04B7/0413 , H04B17/12 , G01S3/14
Abstract: 本发明提供了一种基于大规模MIMO接收阵列结构的模糊相位快速消除方法，通过在混合模拟和数字大规模多输入多输出系统的基础上建立波达方向估计系统模型，从远场发射而来的窄带信号被混合结构天线阵列接收后利用根多信号分类混合数字和模拟相位校准方法估计DOA，针对混合结构带来的指向模糊的问题，利用一个数据块将天线阵分组，每组模拟相位校准器的相位分别对准模糊角，采用平均接收功率最大化的智能策略消除模糊角得到估计DOA，该方法在少量的性能损失下拥有更短的时间延迟和计算复杂度。
-
公开(公告)号：CN113541862A
公开(公告)日：2021-10-22
申请号：CN202110522651.7
申请日：2021-05-13
Applicant: 海南大学
IPC: H04L1/00
Abstract: 本发明提供一种低复杂度的ML检测方法，包括下列步骤：S1、初始化发射天线索引j、发射信号xl、符号序列号l以及接收信号y与发射信号xl之间经过信道增益hj之间的欧式距离di；S2、在已知信号状态信息hj的条件下，计算夹杂噪声n的星座点符号gj；S3、计算星座点符号gj与星座样本空间S中所有星座点样本之间的欧氏距离d，并选取其中最小的欧式距离dmin，得到估计检测的星座点符号xm；S4、计算接收信号y与所述星座点符号xm之间进过信道增益hj之间的欧式距离dj，比较欧式距离dj与dmin，根据比较结果，判断发射信号xl、符号序列号l的估计检测是否正确，本发明在检测性能近似不变的前提下，降低了ML检测的复杂度，减少了冗余计算。
-
公开(公告)号：CN113411106A
公开(公告)日：2021-09-17
申请号：CN202110602991.0
申请日：2021-05-31
Applicant: 海南大学
IPC: H04B7/0413 , H04B7/0426 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明提供安全空间调制系统中基于深度学习的功率分配方法，包括下列步骤：建立深度卷积神经网络模型；通过期望用户的期望信道矩阵以及窃听用户的窃听信道矩阵，获得多维度实数矩阵；构建包括多个期望用户及窃听用户的训练集，并结合所述多维度实数矩阵、期望用户和窃听用户的噪声对所述深度卷积神经网络模型进行训练，本发明结合空间调制本身的特性，通过机器学习参数训练，可方便快捷的得到最合适的功率分配因子。
-
公开(公告)号：CN113362350A
公开(公告)日：2021-09-07
申请号：CN202110846744.5
申请日：2021-07-26
Applicant: 海南大学
IPC: G06T7/11
Abstract: 本申请提供了一种癌症病历图像的分割方法、终端设备和计算机可读存储介质，获取待识别癌症病历DWI图像；将待识癌症病历DWI图像输入至预先训练的癌症区域分割模型，分别分割出待识别癌症病历DWI图像中的癌症区域和非癌症区域；其中，癌症区域分割模型是采用标记的不同尺度的癌症病历DWI图像样本对改进的神经网络进行训练得到的，改进的神经网络包括注意力网络；该方法可以采用一个模型快速分割出癌症和非癌症区域，减少了操作，提高了识别的效率。另外，该方法采用了改进的神经网络，识别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN110473136B
公开(公告)日：2021-06-25
申请号：CN201910730369.0
申请日：2019-08-08
Applicant: 海南大学
Abstract: 本发明提供了一种基于SURF‑DCT混合的图像处理方法，包括：应用SURF算法对待加密图像数据进行特征提取，得到关键特征数据，依据关键特征数据确定特征描述符；应用DCT算法计算特征描述符，得到DCT系数集合；在该集合中选取符合预设条件的DCT系数，以构建目标特征矩阵并进行哈希运算，得到特征二值序列；获取加密水印二值矩阵；将特征二值序列与加密水印二值矩阵进行异或运算，以将加密水印二值矩阵对应的加密水印嵌入待加密图像数据中。能够在DCT系数集合中选取符合预设条件的DCT系数构建目标特征矩阵，使得将加密水印二值矩阵对应的加密水印嵌入待加密图像数据时，能够有效的减小对待加密图像数据的破坏。
-
-
公开(公告)号：CN112327264A
公开(公告)日：2021-02-05
申请号：CN202011094747.X
申请日：2020-10-14
Applicant: 海南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于双基地FDA‑MIMO雷达的多维参数联合估计方法，该方法是一种基于划分子阵的实值ESPRIT方法。传统的技术，如ESPRIT算法和MUSIC算法在对双基地FDA‑MIMO雷达参数估计时存在精度低、以及复杂度高等问题。为了提高估计精度和降低运算复杂度，本发明首先对发射阵列进行了设计，使其不同的子阵具有不同的频率增量；然后根据接收阵列接收到的回波信号进行处理得到扩展的子阵接收数据，从而采用酉变换得到了实值的扩展数据；对数据的协方差矩阵进行分解处理得到参数的相位矩阵，根据最小二乘法(LS)求得DOA估计；此外，根据设计的配对方法，将多个包含目标参数信息的相位矩阵匹配。另外，根据划分子阵的特点，完成了DOD和距离信息的解耦合，从而实现双基地FDA‑MIMO雷达的多维参数联合估计。仿真结果表明，本发明获得了较好的估计性能。
-
公开(公告)号：CN108900556B
公开(公告)日：2021-02-02
申请号：CN201810972690.5
申请日：2018-08-24
Applicant: 海南大学
Abstract: 本发明实施例提供一种基于HMM和混沌模型的DDoS攻击检测方法，包括：采集网络流量信息作为HMM训练集；计算得到网络流量加权特征观测序列和网络流平均速率序列；根据HMM训练集，计算HMM的最佳隐层状态数N；采用层次聚类算法将所述HMM训练集分为N类，得到隐层状态序列；利用所述网络流量加权特征观测序列和所述隐层状态序列，对HMM进行监督学习，得到状态转移矩阵和混淆矩阵；根据所述状态转移矩阵和所述混淆矩阵，计算后续的网络流量加权特征，得到后续网络流量加权特征预测序列；通过混沌模型计算所述后续网络流量加权特征预测序列的预测误差序列；通过所述预测误差序列和所述网络流平均速率序列来识别DDoS攻击。
-
公开(公告)号：CN112215814A
公开(公告)日：2021-01-12
申请号：CN202011084213.9
申请日：2020-10-12
Applicant: 海南大学
Abstract: 本发明提供一种基于3DHOG辅助卷积神经网络的前列腺图像分割方法，包括：S1、获取并分析前列腺MRI图像信息，对3D前列腺MRI图像进行预处理；S2、将预处理后的3D前列腺MRI图像的2D HOG特征扩展为3D HOG特征，并进行特征提取；S3、将3D前列腺MRI图像输入卷积神经网络获取深度特征图；S4、将步骤S2获得的3D HOG特征和步骤S3获得的深度特征进行融合，训练得到最终分割模型；S5、通过最终分割模型对测试图像进行处理，获取前列腺MRI分割概率图。本发明可以有效缓解MRI中前列腺边界模糊不清带来的问题，并有效提高分割的准确率。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.028 seconds)
