-
公开(公告)号：CN104504048B
公开(公告)日：2017-07-11
申请号：CN201410792338.5
申请日：2014-12-19
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种简单通用的交叉报表生成方法，对存储在数据库的表单数据进行按要交叉的行和列类型进行相应的排序，然后抽取数据到应用服务器端，数据是线性排列的，根据交叉的列和行的位置，从左向右从上向下，放置相应的数据。形成所需的交叉报表，报表的格式，数据内容可以根据自己的应用自定义存放。本发明独立于数据库，克服了传统方法中直接由数据库生成从而导致数据库服务器负担严重的缺陷。本方法效率高、易于实现、资源占用少、不依赖于任何第三方报表组件。
-
公开(公告)号：CN105469371A
公开(公告)日：2016-04-06
申请号：CN201511023720.0
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20076
Abstract: 本发明一种基于双字典学习的非局部稀疏表示图像去噪方法改进了Dong非局部稀疏表示模型中所用到传统的Kmeans聚类方法，具体利用聚类中心字典学习方法分析与挖掘各相似类间的相关性，并将这一相关性引入传统的Kmeans聚类方法，以提高聚类的准确性，从而达到增强稀疏表示模型性能的目的。本发明包括：对待去噪图像，利用kmeans聚类方法，产生各类；计算各类中心图片；利用权利要求1所述的聚类中心字典学习方法，得到各聚类中心的稀疏表示，继而重建各聚类中心图像块；更新传统Kmeans结果中的聚类中心；循环，直至满足结束条件；构建各类对应的紧致PCA字典；构造类内图像片稀疏编码误差项；利用迭代收敛算法求解。
-
公开(公告)号：CN102662149B
公开(公告)日：2014-05-28
申请号：CN201210107820.1
申请日：2012-04-13
Applicant: 南京信息工程大学
IPC: G01R31/40
Abstract: 本发明公布了一种电源性能指标测试方法，尤其涉及一种智能仪表控制技术，属智能控制系统技术领域。该方法由电子工程师编制电路板故障测试所需的性能指标的GPIB指令组卡；程序开发人员建立了一个数据库，存放每个性能指标测试所用的GPIB指令组；通过用户界面将指令组录入到数据库；程序员编写一个智能GPIB指令解释器；软件研发人员不要了解测试性能指标的具体电子、电气的专业知识，这大大降低了对系统中各类人员综合能力的要求。克服了传统的直接把GPIB指令和参数和编程语言的捆绑在一起的严重缺点：测试所用的GPIB指令和参数只要有微小的变化就要修改程序，软件开发人员和电子、电气工程师必须同时一起工作。
-
公开(公告)号：CN105447836B
公开(公告)日：2018-12-21
申请号：CN201511026701.3
申请日：2015-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法，包括下述步骤：对待噪图像，利用kmeans聚类，产生各类；构建各类对应的紧致PCA字典；利用Dong等提出的方法构造类内图像片稀疏编码误差项；计算各类中心图片；利用聚类中心字典学习，分析类间相关性，得到各聚类中心的稀疏表示：构造聚类中心误差项；耦合聚类中心误差项，类内稀疏编码误差项于传统稀疏表示模型；利用梯度下降法求解。本发明通过提出聚类中心字典学习方法，挖掘各相似集或各类间潜在的稀疏性先验知识，构建聚类中心约束项，以增强图像稀疏表示，并联合该项与稀疏误差项，将二者引入于传统的稀疏表示模型，最终实现图像去噪。
-
公开(公告)号：CN105678698A
公开(公告)日：2016-06-15
申请号：CN201511025749.2
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开了一种基于正则化滤波器的非局部正则化遥感图像超分辨重建方法，包括：降质因素对遥感图像质量的影响评价步骤；设计正则化滤波器步骤；超分辨重建模型构建与数值算法设计步骤。本发明在非局部正则化模型中耦合了梯度保真项，提高了非局部正则化模型的性能，另一方面将梯度保真项与数据保真项同时定义在图像片组正则化滤波器的支撑域上，减少了退化因素对模型求解的干扰。与现有的重建以及学习方法相比，本发明针对退化的光学卫星遥感图像，经过超分辨处理，最终将其分辨率提高至至Nopt/Nsys倍,结果图像视觉清晰，自然，未见明显的虚假信息。
-
Patent Agency Ranking
公开(公告)号：CN105551005B
公开(公告)日：2018-12-04
申请号：CN201511023164.7
申请日：2015-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种耦合了梯度保真项的总变差模型快速图像复原方法，针对耦合了梯度保真项的TV模型，利用分裂算法以交替最小化的方式求解该模型，最终实现图像快速复原。本发明包括变换模型步骤，得到无约束的变换模型步骤，离散化模型步骤，分解模型步骤。本发明提供的图像复原算法大大缩短了消耗时间，实现了图像的快速复原，速度提升约为现有梯度下降法的5倍，性价比高。
-
公开(公告)号：CN116946282A
公开(公告)日：2023-10-27
申请号：CN202310969944.9
申请日：2023-08-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种矿石采集无人车及自主采集方法，属于矿石采集技术领域。该无人车包括车体、设于车体底部的车轮和设于车体上的工控机、激光雷达、车载RTK、矿石采集装置和矿石收集箱；所述车轮通过电机驱动；所述矿石采集装置包括依次铰接的底座、动臂、伸臂和机械爪，所述底座与车体转动连接，所述动臂、伸臂和机械爪分别通过伸缩杆控制开合角度，所述伸臂上设有相机；所述工控机电信连接激光雷达、车载RTK、相机、电机和伸缩杆。本发明可以安全高效地实现矿石的自主采集。
-
公开(公告)号：CN105469371B
公开(公告)日：2018-11-27
申请号：CN201511023720.0
申请日：2015-12-30
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明一种基于双字典学习的非局部稀疏表示图像去噪方法改进了Dong非局部稀疏表示模型中所用到传统的Kmeans聚类方法，具体利用聚类中心字典学习方法分析与挖掘各相似类间的相关性，并将这一相关性引入传统的Kmeans聚类方法，以提高聚类的准确性，从而达到增强稀疏表示模型性能的目的。本发明包括：对待去噪图像，利用kmeans聚类方法，产生各类；计算各类中心图片；利用聚类中心字典学习方法，得到各聚类中心的稀疏表示，继而重建各聚类中心图像块；更新传统Kmeans结果中的聚类中心；循环，直至满足结束条件；构建各类对应的紧致PCA字典；构造类内图像片稀疏编码误差项；利用迭代收敛算法求解。
-
公开(公告)号：CN105551005A
公开(公告)日：2016-05-04
申请号：CN201511023164.7
申请日：2015-12-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种耦合了梯度保真项的总变差模型快速图像复原方法，针对耦合了梯度保真项的TV模型，利用分裂算法以交替最小化的方式求解该模型，最终实现图像快速复原。本发明包括变换模型步骤，得到无约束的变换模型步骤，离散化模型步骤，分解模型步骤。本发明提供的图像复原算法大大缩短了消耗时间，实现了图像的快速复原，速度提升约为现有梯度下降法的5倍，性价比高。
-
公开(公告)号：CN105447836A
公开(公告)日：2016-03-30
申请号：CN201511026701.3
申请日：2015-12-30
Applicant: 南京信息工程大学
CPC classification number: G06T5/002 , G06K9/6223 , G06K9/6255 , G06T2207/20081
Abstract: 本发明公开了一种耦合聚类中心约束项的非局部稀疏表示图像去噪方法，包括下述步骤：对待噪图像，利用kmeans聚类，产生各类；构建各类对应的紧致PCA字典；利用Dong等提出的方法构造类内图像片稀疏编码误差项；计算各类中心图片；利用聚类中心字典学习，分析类间相关性，得到各聚类中心的稀疏表示：构造聚类中心误差项；耦合聚类中心误差项，类内稀疏编码误差项于传统稀疏表示模型；利用梯度下降法求解。本发明通过提出聚类中心字典学习方法，挖掘各相似集或各类间潜在的稀疏性先验知识，构建聚类中心约束项，以增强图像稀疏表示，并联合该项与稀疏误差项，将二者引入于传统的稀疏表示模型，最终实现图像去噪。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.042 seconds)
