-
公开(公告)号：CN113949783A
公开(公告)日：2022-01-18
申请号：CN202111211805.7
申请日：2021-10-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于纹理复杂度分类的遥感图像快速加密方法，属于图像处理技术领域，具体包括：获取目标图像的波段数以及每个波段的二维像素值矩阵，并根据预设图像分块大小对每个二维像素值矩阵进行扩充及图像分块，得到每个二维像素值矩阵对应的图像分块集合；根据信息熵对每个图像块进行分类；分别对不同类型的图像块进行分等级加密，并将加密后的图像块按照图像分块的顺序进行拼接，得到加密矩阵；整体置乱，得到密文图像。通过本公开的方案，根据预设图像分块大小进行图像分块，并针对遥感图像本身的纹理特征，进行图像纹理复杂度分类，进而针对不同复杂度类型的图像，采取不同的加密算法，提高了遥感图像的加密效率和安全性。
-
公开(公告)号：CN113901159A
公开(公告)日：2022-01-07
申请号：CN202111152918.4
申请日：2021-09-29
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于多级空间索引的矢量数据网络传输局部加解密方法，属于数据处理技术领域，具体包括：根据矢量地理数据的类型获取其要素位置及属性信息，以最小外接矩形构建R*树索引，并生成要素集合；生成初始参数值，并计算分岔参数和秘钥字符串；计算参数值，以及，将点坐标集合的余弦变换结果加密并将加密结果混沌随机置乱；根据查询指令在R*树索引中进行局部区域搜索，并将搜索到的叶子节点要素集合定义为目标集合；将秘钥字符串转换为数值后计算参数值，以及，进行混沌随机反置乱并将反置乱的结果的余弦反变换代入解密公式，得到解密结果。通过本公开的方案，提高了矢量数据在网络传输过程中的传输效率、安全性和适应性。
-
公开(公告)号：CN110175715B
公开(公告)日：2021-08-31
申请号：CN201910440261.8
申请日：2019-05-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于场景依赖的非法游行路径动态预测的方法，包括以下步骤：步骤101：获得城市路网数据、POI数据及警局数据，并对数据进行预处理操作；步骤102：根据所述城市路网数据构建道路网无向图；步骤103：将POI(不包含警察局)和警察局约束到路网上；步骤104：计算不同类别POI(不包含警察局)、路段和警察局对非法游行的影响力；步骤105：采用均值化方法对各指标数据进行无量纲处理；步骤106：对不同路段进行路段权重计算，并根据所计算的所述路段权重构建道路网络无向图G的弧段权重矩阵；步骤107：对游行终点已知的路径进行动态预测；步骤108：对游行终点未知的路径进行动态预测；步骤109：实时对游行的路径进行动态更新。
-
公开(公告)号：CN113312438A
公开(公告)日：2021-08-27
申请号：CN202110258321.1
申请日：2021-03-09
Applicant: 中南大学
Abstract: 本发明提供了一种融合航线提取与趋势判断的海上目标位置预测方法，包括：步骤1，对AIS轨迹数据进行数据预处理，将AIS轨迹数据中的轨迹按航程进行分段并剔除异常轨迹；步骤2，分别选取预处理后的AIS轨迹数据中各个轨迹的起点和终点，采用DBSCAN聚类算法对选取的各个轨迹的起点进行聚类，得到起点聚类结果，采用DBSCAN聚类算法对选取的各个轨迹的终点进行聚类，得到终点聚类结果。本发明所述的融合航线提取与趋势判断的海上目标位置预测方法，适应性强、预测精准度高，不易受到噪声的影响解决了海上目标深层次移动规律的提取与可解释性问题，实现了海上目标高效、高精度的预测需求。
-
公开(公告)号：CN112987052B
公开(公告)日：2021-08-10
申请号：CN202110456698.8
申请日：2021-04-27
Applicant: 中南大学
IPC: G01S19/38
Abstract: 本发明涉及智能出行技术领域，具体涉及一种基于路网路段分级的快速地图匹配方法。该方法先将路段分为简单、复杂两个等级，并求出相邻简单路段之间的候选连通路径；接着将简单路段周围的车辆轨迹点匹配到路段本身；最后基于这些匹配好的轨迹点和它们之间的候选连通路径，通过计算曲线相似度进一步匹配落在复杂路段周围的其它轨迹点。该方法避免了以往地图匹配方法中的大部分繁杂计算，且可一次性匹配多个连续点；与基于HMM的ST‑Matching匹配方法对比，准确率、尤其是效率都有明显提升。
-
Patent Agency Ranking
公开(公告)号：CN112987052A
公开(公告)日：2021-06-18
申请号：CN202110456698.8
申请日：2021-04-27
Applicant: 中南大学
IPC: G01S19/38
Abstract: 本发明涉及智能出行技术领域，具体涉及一种基于路网路段分级的快速地图匹配方法。该方法先将路段分为简单、复杂两个等级，并求出相邻简单路段之间的候选连通路径；接着将简单路段周围的车辆轨迹点匹配到路段本身；最后基于这些匹配好的轨迹点和它们之间的候选连通路径，通过计算曲线相似度进一步匹配落在复杂路段周围的其它轨迹点。该方法避免了以往地图匹配方法中的大部分繁杂计算，且可一次性匹配多个连续点；与基于HMM的ST‑Matching匹配方法对比，准确率、尤其是效率都有明显提升。
-
公开(公告)号：CN111611297A
公开(公告)日：2020-09-01
申请号：CN202010436601.2
申请日：2020-05-21
Applicant: 中南大学
IPC: G06F16/2458 , G06Q10/04 , G16H50/30 , G16H50/80
Abstract: 本发明公开了一种顾及参数时变性的传播模型建立方法，包括对传播模型涉及区域的人群进行分类；构建传染率表达模型和移出率表达模型；构建最终的顾及参数时变性的传播模型。本发明还公开了一种包括所述顾及参数时变性的传播模型建立方法的预测方法。本发明提供的这种顾及参数时变性的传播模型建立方法及预测方法，考虑现实环境中多类因素波动而使得传染病传播动力学模型中传染率与移出率具有时变性的特点，提出了一种顾及动力学模型参数时变性的传播模型建立方法及其对应的预测方法；本发明具有更强的现实性和可解释性，考虑了模型参数实时变化，可靠性高、准确性好；同时，本发明的预测方法也提高了流行病发展态势预测结果的可靠性和实用性。
-
公开(公告)号：CN111582175A
公开(公告)日：2020-08-25
申请号：CN202010386191.5
申请日：2020-05-09
Applicant: 中南大学
Abstract: 本发明提供了一种共享多尺度对抗特征的高分遥感影像语义分割方法，引入了多尺度对抗网络模型，利用对抗特征的多尺度结构学习，较好地刻画出遥感影像的多尺度细节信息；同时通过改进对抗网络模型的判别器，将其作为关系增强模块，进一步描述目标地物的相关性和边界信息，一方面，可以表达同一地物内的像素之间的相关性，另一方面，将每个图像的边缘像素与其周围的其他两个或多个地物类别的像素相关联，从而获得目标地物更好的空间连续性和边界准确性，提高遥感影像预测结果的边界和语义准确性；另外，本申请的对抗特征能够灵活的嵌入到不同的语义分割基准模型中，具有较好的迁移应用能力，且能够相应地提高其性能。
-
公开(公告)号：CN110472729B
公开(公告)日：2020-05-26
申请号：CN201910712725.6
申请日：2019-08-02
Applicant: 中南大学
Abstract: 本发明提供了一种基于综合CNN‑LSTM的岩爆状态预测方法，包括：根据岩爆状态变量时序数据，进行岩爆状态变量的相空间重构，得到相空间；将所述相空间输入卷积神经网络CNN，得到具有高维特征信息的时间序列；将所述时间序列输入深度学习LSTM模型，进行特征时间序列预测；将所述岩爆状态变量时序数据划分为训练集数据和测试集数据，利用所述训练集数据对CNN‑LSTM模型进行学习训练，提取所述相空间数据演化的时间特征，获得训练好的CNN‑LSTM模型。本发明的方法将CNN表现出的数据特征高表达能力与深度学习LSTM模型在连续性时序数据预测上的优势组合起来进行t+1时刻岩爆状态预测，以降低预测误差，提高预测精度。
-
公开(公告)号：CN109241069B
公开(公告)日：2020-01-10
申请号：CN201810965568.5
申请日：2018-08-23
Applicant: 中南大学
Abstract: 本发明提出了一种基于轨迹自适应聚类的路网快速更新方法，其特征在于，该方法包括：将采集的移动轨迹数据与获取的原始路网数据通过距离约束条件与方向约束条件判断轨迹点与原始路网是否匹配，通过匹配结果获取未匹配的轨迹点，对未匹配的轨迹点进行自适应轨迹聚类，并针对每个轨迹聚类，采用最优主曲线拟合方法进行轨迹点的曲线拟合，提取出道路中心线，识别出道路行车方向、单/双向信息，进而完成变化道路与原始路网的融合。通过该方法可以解决大范围城市路网变化区域快速识别、复杂情景下变化道路精细几何结构的自适应提取与更新、道路行车方向、单/双向等语义信息的识别与更新。
-
-
-
-
-
-
-
-
-
Search Results
220
records
(took 0.054 seconds)
