-
公开(公告)号：CN113822352A
公开(公告)日：2021-12-21
申请号：CN202111078520.0
申请日：2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法，先基于红外弱小目标局部灰度值大的特性，利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次，利用红外弱小目标自身灰度信息符合二维高斯分布的特性，通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标，得到显着图一。再次，利用红外弱小目标与邻域相似度低的特性，通过计算相似性因子来检测目标，得到显着图二。最后，将显着图一与显着图二进行点乘，通过融合红外弱小目标多种特性得到最终显着图，对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波，同时提升了弱小目标检测的精度。
-
公开(公告)号：CN113569481A
公开(公告)日：2021-10-29
申请号：CN202110857421.6
申请日：2021-07-28
Applicant: 中北大学
Abstract: 本发明提供的基于SVM的矿用综合保护器故障诊断方法，选取矿用电动机综合保护器作为故障诊断对象，采用机器学习领域的支持向量机方法进行故障诊断，利用蒙特卡洛法进行支持向量机模型优化；本方法中建立矿用综保测试系统电磁干扰模型，一方面可以预估干扰，另一方面为电磁屏蔽技术应用提供参考；研究使用仿真数据和实测数据两种数据，利用支持向量机方法进行电路故障诊断，采用蒙特卡洛法对支持向量机模型进行优化；分析电磁干扰等因素对测试系统测试结果准确性的影响；综上所述，有效的将故障定位于最小可更换单元，从而使矿用综合保护器的维修效率有效提升，生产效率得到极大提升，有效保障了煤炭供应、确保了能源安全。
-
公开(公告)号：CN113281053A
公开(公告)日：2021-08-20
申请号：CN202110556619.0
申请日：2021-05-21
Applicant: 中北大学
Abstract: 本发明公开了基于立体车库的非接触式声学监测与LoRa传输系统，包括立体车库，在智能立体车库的每一个升降平台安装四个无线传感器节点，利用声音传感器对汽车进入车库后的声音信号进行采集，并通过LoRa进行数据传输，四个无线传感器节点将收集到的声音传输到上位机，上位机利用声源定位法来判断汽车发动机的位置和状态，本发明还公开了基于立体车库的非接触式声学监测与LoRa传输方法。本发明不需要新的电线和网络电缆，安装方便灵活。对于现有的智能立体车库只需要在升降平台直接安装即可，不需要重新布线。传输方法采用LoRa自组织分簇网络，可以远距离监控多个进出口，减少了进出口的值班人员。
-
公开(公告)号：CN111696168A
公开(公告)日：2020-09-22
申请号：CN202010538650.7
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及MRI加速采集方法，具体为基于残差自注意力图像增强的高倍速采MRI重建方法。本方法采用生成对抗网络构建本发明的网络结构，将基于残差自注意力的特征增强模块内嵌至U-NET收缩路径底部；将高倍欠采样图像输入生成器，经U-NET收缩路径提取高级特征图后输入特征增强模块得到特征增强图，再经U-NET扩展路径解码，并与收缩路径对应的特征图合并，融合扩展时对应级别收缩层的特征，补充缺失的边界信息，准确预测边缘信息，得到重建图像。本方法可以捕获图像更抽象、更丰富的纹理细节特征，融合局部信息和非局部信息以增强全局信息量，整个过程由网络自动选择有效特征，能实现关键区域纹理细节的自适应提取与重构，可以很好地重建高倍速采MR图像。
-
Patent Agency Ranking
公开(公告)号：CN111696066A
公开(公告)日：2020-09-22
申请号：CN202010538631.4
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN-GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。
-
-
公开(公告)号：CN109325931A
公开(公告)日：2019-02-12
申请号：CN201810962126.5
申请日：2018-08-22
Applicant: 中北大学
Abstract: 本发明涉及图像融合方法，尤其涉及多模态图像融合方法，具体为基于生成对抗网络和超分辨率的多模态图像融合方法，本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的深度残差神经网络，通过生成器和判别器的动态平衡训练得到一个生成模型；构建基于卷积层的超分辨率网络；将多波段/多模态源图像输入生成模型，得到初步融合图像；再将图像输入到训练好的超分辨率网络，得到高质量的最终融合图像。本方法实现了多波段/多模态图像端到端的神经网络融合，避免了依据先验知识进行图像多尺度多方向分解和融合规则设计的困难，实现了网络自适应融合。
-
公开(公告)号：CN105469098A
公开(公告)日：2016-04-06
申请号：CN201510808725.8
申请日：2015-11-20
Applicant: 中北大学
CPC classification number: G06K9/4609 , G06K9/6277 , G06T2207/10028 , G06T2207/10032 , G06T2207/20081
Abstract: 本发明属于遥感数据地物分类领域，具体为一种自适应特征权重合成的LIDAR数据地物精确分类方法。本发明首先对实验图像进行充分特征信息提取，根据特征的物理意义与包含地物信息的差异，构建高程、光谱、强度与纹理特征子集；其次在随机森林框架下分析不同特征子集在地物分类过程中的重要性差异，计算各特征子集的重要性测度，获得每个像元对各类地物的类别隶属度；然后综合利用特征子集重要性测度与基于证据冲突计算的权重系数，对各个特征子集构成的多证据源合成；最后根据合成结果采用投票决策规则实现地物精确分类，并采用有效的空间限制策略优化初分类结果。
-
公开(公告)号：CN103927557A
公开(公告)日：2014-07-16
申请号：CN201410194225.5
申请日：2014-05-08
Applicant: 中北大学
IPC: G06K9/62
Abstract: 本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配，得到对应的信任分配图像；使用中值滤波对各信任分配图像进行降噪处理；构造分层框架，对各层滤波结果进行合成，根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷，在保证较高精度的同时，有效地提升了算法运行的速度，形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.02 seconds)
