-
公开(公告)号：CN113470075B
公开(公告)日：2022-09-23
申请号：CN202110777474.7
申请日：2021-07-09
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于干扰抑制外观建模的目标跟踪方法，用以解决传统孪生跟踪方法由于很少利用背景干扰信息导致在面对干扰时容易漂移的问题；其步骤为：首先获取目标模板，并根据背景与目标的相似程度确定干扰物，根据干扰物的特征以及干扰物与目标的相似得分得到干扰模型；然后利用目标模板与干扰模型分别与下一帧搜索区域图像相关得到目标得分图与干扰得分图，将目标得分图与干扰得分图相结合得到最终响应图，响应值最大处即为预测得到的下一帧图像的目标位置。本发明通过利用背景干扰提供的判别信息为目标外观进行建模，使得孪生跟踪器可以充分利用背景干扰信息，提高跟踪器在面临背景干扰时的鲁棒性。
-
公开(公告)号：CN113298853B
公开(公告)日：2022-05-27
申请号：CN202110719973.0
申请日：2021-06-28
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种逐级递进的二阶段医学图像配准方法，用以解决传统配准方法在进行图像配准时存在精度不够高的问题。本发明的步骤为：将待配准的参考图像和浮动图像进行融合，生成多个中间递进图像；利用SURF算法和仿射变换将浮动图像和中间递进图像进行配准得到粗配准结果；利用SURF算法和仿射变换将参考图像和粗配准结果进行配准得到精确配准结果；重复迭代，比较各个中间递进图像得到的精确配准结果，选择最优配准结果作为最终的配准图像。在脑影像学联合配准中，本发明的互信息、归一化互相关系数、均方差和归一化互信息均优于现有配准算法；本发明基于逐级递进策略进行图像配准，可以有效地提升医学图像配准的精度。
-
公开(公告)号：CN114513426A
公开(公告)日：2022-05-17
申请号：CN202210198386.6
申请日：2022-03-02
Applicant: 郑州轻工业大学
IPC: H04L41/12 , H04L41/142 , H04L41/0803 , H04L41/40 , H04L67/63
Abstract: 本发明提出一种基于节点相似度和影响力的CCN社区划分方法，其步骤包括：首先计算社区内各节点所对应的特征向量中心性，得到标准化的特征向量中心性的值；改进标签传播算法，确定标签传播值的更新规则；基于标准化后的特征向量中心性和改进的标签传播算法，将CCN网络划分为若干个非重叠的社区；最后在所划分的每个社区内各部署一个SDN控制器以帮助管理社区。本发明解决了现有的内容中心网络所存在的内容检索过程低效冗余问题以及现有CCN社区划分方法中所存在的稳定性差、缺乏考虑节点之间的相似性及节点的重要性的技术问题，通过引入SDN控制器和社区划分可以加快内容检索和路由分发的速度，提高CCN路由的性能。
-
公开(公告)号：CN112529148B
公开(公告)日：2022-02-22
申请号：CN202011311810.0
申请日：2020-11-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于图神经网络的智能QoS推理方法，用以解决现有神经网络无法适应网络结构的动态调整的问题。本发明的步骤如下：根据网络拓扑结构构建GNN的图结构，将网络中的状态信息映射为图结构中节点和边的特征值；采集网络拓扑结构中设备的状态信息组成数据集，将采集的数据集输入到步骤一建立的GNN模型进行训练，保存最优的节点和边的神经网络参数获得GNN推理模型；将采集的现实网络实时的设备中的状态数据输入GNN推理模型，实现当前状态下QoS的推理。本发明的建模简单、计算量小、且准确度较高，具有较好的泛化推理能力，解决了已有智能QoS推理方法在面对新网络拓扑时必需重新训练的难题，在现实网络中具有极好的实用性。
-
公开(公告)号：CN113346996A
公开(公告)日：2021-09-03
申请号：CN202110788763.7
申请日：2021-07-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于量子的内容中心网络隐私保护方法，其步骤如下：利用ELGamal算法加密和聚合经典密文：根据所有参与者产生的公私密钥对生成主公钥，根据参与者明文信息生成密文并发送给云服务器，根据密文进行聚合得到聚合密文，根据聚合密文生成待共享的经典消息；量子加密阶段：在所有和云服务器交互过程中，数据所有者把经典信息转换成量子信息，并通过BB84密钥协商协议与云服务器协商共享密钥，每个数据者使用其对量子信息进行加密；还通过随机插入诱骗粒子的方法检测窃听行为，使其安全性具有双重保证。本发明保证发布者和使用者之间交换敏感内容的机密性，在不泄露任何隐私信息的情况下能够有效地执行，可以安全地共享和聚合内容。
-
Patent Agency Ranking
公开(公告)号：CN113298853A
公开(公告)日：2021-08-24
申请号：CN202110719973.0
申请日：2021-06-28
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种逐级递进的二阶段医学图像配准方法，用以解决传统配准方法在进行图像配准时存在精度不够高的问题。本发明的步骤为：将待配准的参考图像和浮动图像进行融合，生成多个中间递进图像；利用SURF算法和仿射变换将浮动图像和中间递进图像进行配准得到粗配准结果；利用SURF算法和仿射变换将参考图像和粗配准结果进行配准得到精确配准结果；重复迭代，比较各个中间递进图像得到的精确配准结果，选择最优配准结果作为最终的配准图像。在脑影像学联合配准中，本发明的互信息、归一化互相关系数、均方差和归一化互信息均优于现有配准算法；本发明基于逐级递进策略进行图像配准，可以有效地提升医学图像配准的精度。
-
公开(公告)号：CN112202545B
公开(公告)日：2021-07-23
申请号：CN202011156750.X
申请日：2020-10-26
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于Y型填充曲线和变步长约瑟夫遍历的图像加密方法，其步骤为：将灰度图像转换成二维的图像矩阵；计算图像矩阵的哈希值作为密钥，进行运算得到初始参数值；将初始参数值带入2D‑LSCM系统迭代得到混沌序列，进行处理得到序列矩阵，将两个序列矩阵分别作为起始矩阵和初始步长矩阵，采用约瑟夫函数对图像矩阵的每个像素值的二进制位进行比特置乱；使用Y型填充曲线对图像矩阵进行两次像素置乱操作；利用序列矩阵依次进行正向扩散和逆向扩散得到密文图像。本发明通过Y型填充曲线对图像进行混淆，实现密钥与明文图像关联，利用多样性的约瑟夫对图像像素进行比特级置乱，通过对实验结果的分析，具有更好的性能和更高的安全性。
-
公开(公告)号：CN112529148A
公开(公告)日：2021-03-19
申请号：CN202011311810.0
申请日：2020-11-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于图神经网络的智能QoS推理方法，用以解决现有神经网络无法适应网络结构的动态调整的问题。本发明的步骤如下：根据网络拓扑结构构建GNN的图结构，将网络中的状态信息映射为图结构中节点和边的特征值；采集网络拓扑结构中设备的状态信息组成数据集，将采集的数据集输入到步骤一建立的GNN模型进行训练，保存最优的节点和边的神经网络参数获得GNN推理模型；将采集的现实网络实时的设备中的状态数据输入GNN推理模型，实现当前状态下QoS的推理。本发明的建模简单、计算量小、且准确度较高，具有较好的泛化推理能力，解决了已有智能QoS推理方法在面对新网络拓扑时必需重新训练的难题，在现实网络中具有极好的实用性。
-
公开(公告)号：CN112258547A
公开(公告)日：2021-01-22
申请号：CN202011119457.6
申请日：2020-10-19
Applicant: 郑州轻工业大学
IPC: G06T7/20
Abstract: 本发明属于一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法，包括基于逆透视投影变换的车辆三维轨迹坐标求解、基于跟车模型的车辆运动坐标预测、联合逆透视投影变换和跟车模型的车辆三维轨迹坐标优化校正三部分，本发明结合逆透视投影变换方法并引入交通仿真中的跟车模型，实现了一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化重建，能自动进行结果修正、实现车辆轨迹重建。
-
公开(公告)号：CN111915647A
公开(公告)日：2020-11-10
申请号：CN202010685128.1
申请日：2020-07-16
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种对象标签引导的自适应视频目标跟踪方法，其步骤为：1）采用一个已经训练好的深度特征提取网络对输入的帧与目标的外观进行表征；2）通过深度特征建立深度特征空间采样来维持跟踪器的效率；3）通过区域建议网络获得当前帧的对象信息，并对冗余对象信息进行过滤与选择；4）将对象信息转化为对象标签引导一个Wang-langau蒙特卡洛抽样算法来预测目标下一帧的位置；5）利用自适应更新的目标模板选择性的更新目标信息。本本发明利用对象信息为采样提供了引导，减少总体样本数量，保证了跟踪的效率，增强跟踪方法的在全局的探索能力；通过改进的自适应模板更新机制，减少跟踪框架在面对目标不确定运动时的更新误差，提高跟踪精度。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.031 seconds)
