-
公开(公告)号：CN104217422B
公开(公告)日：2017-09-08
申请号：CN201410239305.8
申请日：2014-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理技术领域，具体涉及是一种检测声纳图像的自适应窄带水平集的声纳图像检测方法。本发明包括：采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；由块方式的k‑均值聚类算法确定声纳图像的初始分割：求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数：基于自适应窄带水平集进行声纳图像检测。本发明根据声纳图像海底混响噪声严重的特点，提出设置窄带区域，完成了局部寻优，避免了已有水平集方法的全局搜索，使海底混响噪声的影响降到最小，检测结果周围噪声干扰小，提高了检测速度和精度。
-
公开(公告)号：CN104217422A
公开(公告)日：2014-12-17
申请号：CN201410239305.8
申请日：2014-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理技术领域，具体涉及是一种检测声纳图像的自适应窄带水平集的声纳图像检测方法。本发明包括：采用各向异性的二阶邻域分布特性MRF模型的参数来描述声纳图像的纹理特征，完成声纳图像的平滑去噪处理；由块方式的k-均值聚类算法确定声纳图像的初始分割：求出代表每个窗口的三元样本，即均值、标准差、灰度最小值；初步判断目标高亮区和阴影区的大致位置，并自适应初始化零水平集函数：基于自适应窄带水平集进行声纳图像检测。本发明根据声纳图像海底混响噪声严重的特点，提出设置窄带区域，完成了局部寻优，避免了已有水平集方法的全局搜索，使海底混响噪声的影响降到最小，检测结果周围噪声干扰小，提高了检测速度和精度。
-
公开(公告)号：CN105405125A
公开(公告)日：2016-03-16
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6223 , G06T2207/20116
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan-Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k-均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan-Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan-Vese模型的客观定量分析。本发明采用Chan-Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
公开(公告)号：CN103903280A
公开(公告)日：2014-07-02
申请号：CN201410120980.9
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G06T7/20
Abstract: 本发明属于图像处理技术领域，具体涉及一种改进水平集目标提取的子块权重Mean-Shift跟踪方法。本发明包括：对跟踪目标区域进行分块；计算每个子块的权重和最终权重；计算每个子块目标区域与候选区域的相似度以及整体目标区域与候选区域的相似度；更新模板，跟踪结果的确定。本发明根据算法过程和视频图像的特点，为了提高提取精度和运行效率，提出结合惩罚项的窄带水平集方法得到目标的边缘轮廓，确定目标边缘位置。
-
公开(公告)号：CN113852584A
公开(公告)日：2021-12-28
申请号：CN202111199128.1
申请日：2021-10-14
Applicant: 哈尔滨工程大学
IPC: H04L27/26
Abstract: 本发明提供了一种基于OTFS系统的非线性矫正主动星座扩展方法，将映射后的基带数据位于时延多普勒平面上，进行二维的离散辛傅里叶逆变换，将时延多普勒域上的数据映射为时频域上的数据，做过采样的傅里叶逆变换，得到一维的时域信号，当时域信号的峰均功率较高，不满足判决输出的条件时，进入循环迭代，对限幅后的信号重新做傅里叶变换，得到切削滤波的时频域信号；通过离散辛傅里叶变换将映射到时延多普勒域，得到切削后的基带信号，并与未作处理的初始基带信号星座图的位置进行对比，计算切削产生的噪声，当达到迭代循环次数后，输出处理后的数据；本发明实现了对峰均功率比性能和误码率性能的精确控制，具有更高的灵活性、协调性与可控性。
-
Patent Agency Ranking
公开(公告)号：CN109743118B
公开(公告)日：2021-05-11
申请号：CN201811584348.4
申请日：2018-12-24
Applicant: 三亚哈尔滨工程大学南海创新发展基地
Abstract: 一种时变双扩信道条件下的高频谱效率的OFDM水声通信方法，属于水声通信技术领域。本发明对接收信号r(k)进行带通滤波，经ADC转换成数字信号，下变频和低通滤波等前端处理后，利用模糊函数法估计平均多普勒，经重采样和频率校正后，对信号多路复用、时域均衡和频域均衡，分集合并后采用OMP‑DCD算法进行残余多普勒补偿，采用迭代信号处理技术，通过软入软出映射/解映射、交织器/解交织器将LDPC译码器与均衡器级联，在这两个模块中实现密切的信息交互，充分利用往复传递的软信息，有效抵抗时变双扩信道的干扰。本发明在复杂度和性能方面能较好的折中，高效解决传输过程中严重的符号间干扰、载波间干扰、导频‑数据干扰等问题，复杂度低能够在DSP处理器上实时实现。
-
公开(公告)号：CN105405125B
公开(公告)日：2018-05-18
申请号：CN201510706021.X
申请日：2015-10-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种自适应阶梯初始化的窄带Chan‑Vese模型水下多目标分割方法，包括以下步骤，步骤一：声纳图像平滑去噪处理后，根据块方式的k‑均值聚类算法完成初始分割，初步判断水下目标的位置；步骤二：确定阶梯区域，确定自适应阶梯初始化零水平集函数；步骤三：利用Chan‑Vese模型窄带水平集进行声纳图像分割，完成水下多目标区域的两类和三类分割；步骤四：对分割结果进行基于Chan‑Vese模型的客观定量分析。本发明采用Chan‑Vese模型窄带水平集进行声纳图像分割，能完成局部寻优，避免已有水平集方法的全局搜索，使分割结果中噪声的影响降到最小，能进一步提高分割精度和速度。
-
公开(公告)号：CN103903280B
公开(公告)日：2017-01-11
申请号：CN201410120980.9
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G06T7/20
Abstract: 本发明属于图像处理技术领域，具体涉及一种改进水平集目标提取的子块权重Mean-Shift跟踪方法。本发明包括：对跟踪目标区域进行分块；计算每个子块的权重和最终权重；计算每个子块目标区域与候选区域的相似度以及整体目标区域与候选区域的相似度；更新模板，跟踪结果的确定。本发明根据算法过程和视频图像的特点，为了提高提取精度和运行效率，提出结合惩罚项的窄带水平集方法得到目标的边缘轮廓，确定目标边缘位置。
-
公开(公告)号：CN109743118A
公开(公告)日：2019-05-10
申请号：CN201811584348.4
申请日：2018-12-24
Applicant: 哈尔滨工程大学
Abstract: 一种时变双扩信道条件下的高频谱效率的OFDM水声通信方法，属于水声通信技术领域。本发明对接收信号r(k)进行带通滤波，经ADC转换成数字信号，下变频和低通滤波等前端处理后，利用模糊函数法估计平均多普勒，经重采样和频率校正后，对信号多路复用、时域均衡和频域均衡，分集合并后采用OMP-DCD算法进行残余多普勒补偿，采用迭代信号处理技术，通过软入软出映射/解映射、交织器/解交织器将LDPC译码器与均衡器级联，在这两个模块中实现密切的信息交互，充分利用往复传递的软信息，有效抵抗时变双扩信道的干扰。本发明在复杂度和性能方面能较好的折中，高效解决传输过程中严重的符号间干扰、载波间干扰、导频-数据干扰等问题，复杂度低能够在DSP处理器上实时实现。
-
公开(公告)号：CN113852584B
公开(公告)日：2023-10-13
申请号：CN202111199128.1
申请日：2021-10-14
Applicant: 哈尔滨工程大学
IPC: H04L27/26
Abstract: 本发明提供了一种基于OTFS系统的非线性矫正主动星座扩展方法，将映射后的基带数据位于时延多普勒平面上，进行二维的离散辛傅里叶逆变换，将时延多普勒域上的数据映射为时频域上的数据，做过采样的傅里叶逆变换，得到一维的时域信号，当时域信号的峰均功率较高，不满足判决输出的条件时，进入循环迭代，对限幅后的信号重新做傅里叶变换，得到切削滤波的时频域信号；通过离散辛傅里叶变换将映射到时延多普勒域，得到切削后的基带信号，并与未作处理的初始基带信号星座图的位置进行对比，计算切削产生的噪声，当达到迭代循环次数后，输出处理后的数据；本发明实现了对峰均功率比性能和误码率性能的精确控制，具有更高的灵活性、协调性与可控性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
