-
公开(公告)号：CN119942196A
公开(公告)日：2025-05-06
申请号：CN202510013888.0
申请日：2025-01-05
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/24
Abstract: 本发明提出一种基于特征对齐的跨域高光谱图像农作物精细分类方法，属于图像处理技术领域。首先，输入少量标签的目标域数据和充足标签的源域数据，利用嵌入模型提取特征信息。其次，引入非对称卷积，灵活适应不同方向的特征提取，通过不同方向的卷积核精确捕捉农作物边缘与轮廓，确保不同尺度下的边界信息保留。随后，通过条件对抗域适配策略实现源域与目标域分布对齐，克服频谱偏移。此外，采用锐度感知最小化平滑参数优化，使模型对特征分布变化不敏感，减少频谱偏移带来的波动。最后，利用K近邻算法(K‑nearest neighbor,KNN)进行分类，获得农作物类别。实验结果表明，方法在Indian Pines数据集上的分类精度优于现有方法，为跨域高光谱图像农分类提供新思路。
-
公开(公告)号：CN119810540A
公开(公告)日：2025-04-11
申请号：CN202411890313.9
申请日：2024-12-20
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/52 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种基于多尺度卷积和特征融合的高光谱图像开放集分类方法，旨在提升高光谱图像中已知类别和未知类别的分类精度和分类模型的鲁棒性。该方法通过深度学习模型融合光谱和空间特征，解决了高光谱图像分类中的未知类别识别和特征优化问题。首先通过多尺度卷积提取光谱特征，并结合通道注意力机制，增强了对最具判别性光谱信息的捕捉。其次，通过多分支结构和卷积增强技术优化了光谱特征的表达，提升对复杂空间信息的感知能力。空间特征则通过高频增强技术得到强化，提升了对细节和边缘信息的敏感性。本发明通过创新的特征提取和融合策略，提升了高光谱图像开放集的分类精度与分类模型的鲁棒性。
-
公开(公告)号：CN119224681A
公开(公告)日：2024-12-31
申请号：CN202411348894.3
申请日：2024-09-26
Applicant: 哈尔滨理工大学
IPC: G01S3/802
Abstract: 一种基于单矢量水听器的水下目标识别方法，属于单矢量水听器的水下目标识别方法领域。现有的单矢量水听器只能测量水下目标的到达角度，无法测量距离和速度等其他关键参数，应用场景受到限制；以及单矢量水听器的性能受到环境影响较大的问题。本发明包括通过水听器接收微动多普勒信号，并通过QT图像处理库对所述的信号进行滤波、特征提取、目标分类的信号处理操作；基于经验模态分解和CLEAN算法进行微多普勒特征提取；FIR滤波器预CUDA异步传输特性结合，设计FIR滤波器并行算法，并采用湖试数据完成串行程序和并行程序的任务执行。本发明方法不仅具备了对微动态特征的精准分析、实时性与高精度的结合，还具有目标分类与识别能力、抗干扰能力与稳健性，以及可拓展性与适应性等特色。
-
公开(公告)号：CN114624685B
公开(公告)日：2024-08-06
申请号：CN202210253545.8
申请日：2022-03-15
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种稳定可视化水下声信号处理装置及处理方法，包括基板、自清洁组件、卷线组件和放线组件；处理方法包括步骤一，装置组装；步骤二，投放使用；步骤三，信号采集；步骤四，信号处理；步骤五，定时清洁；本发明相较于现有的声信号处理装置，设计有卷线组件和放线组件，可以实现信号线的自动收放，以此精确的调节水听器的位置，操作简单，使用方便；本发明设计有自清洁组件，该组件与卷线组件和放线组件联动，在收放线的过程中，实现水听器的自动清洁，可以有效保证测量精度，提高水听器的使用寿命；本发明通过将声信号处理装置安装在带有太阳能板的浮块上，可以实现对特定地点的长时间监测。
-
公开(公告)号：CN114779170A
公开(公告)日：2022-07-22
申请号：CN202210626858.3
申请日：2022-06-05
Applicant: 哈尔滨理工大学
Abstract: 一种浅海近场声源定位方法，属于定位方法领域。浅海环境中的背景极其复杂，存在不可控因素导致实际获取数据与理论存在较大偏差；浅海环境中的声源存在大量干扰噪声，实际获取的声源信号精确度不高。一种浅海近场声源定位方法，利用Matlab的水声工具箱进行水下环境仿真；然后模拟不同环境的海底反射系数对水下声场建模进行改进，改进后的三种环境再根据不同算法进行仿真分析，以此得出每一种环境下的最优解。本发明通过对不同海底环境下的水下声场分布进行建模分析得出在不同情况下的水下声场分布。通过对比CBF、MVDR、ac‑MVDR波束形成在不同组合阵的环境下进行分析，保证了分析结果的可信度。解决角度对声场分析产生的影响。
-
Patent Agency Ranking
公开(公告)号：CN111899750B
公开(公告)日：2022-06-14
申请号：CN202010743992.2
申请日：2020-07-29
Applicant: 哈尔滨理工大学
IPC: G10L21/0208 , G10L21/0232 , G10L25/30 , G06N3/08 , G06N3/04
Abstract: 本发明公开了联合耳蜗语音特征和跳变深层神经网络的语音增强算法，采用MMSE为前端的改进MRCG语音特征，通过比较不同特征作为网络输入的语音增强效果；分析DNN与Skip‑DNN滤除“音乐噪声”的能力，建立了联合改进MRCG和Skip‑DNN的语音增强模型，由实验可知，联合改进MRCG和Skip‑DNN的语音增强模型比MRACC与MRCG增强效果好；同时，在低信噪比与非平稳背景噪声环境中，Skip‑DNN滤除了部分“音乐噪声”，很好的拟合了改进MRCG与IRM之间复杂的非线性关系，提高低信噪比环境中语音增强效果，获得更清晰的语音特征，可有效提高语音可懂度和语音质量。
-
公开(公告)号：CN106971706B
公开(公告)日：2020-06-26
申请号：CN201710224752.X
申请日：2017-04-07
Applicant: 哈尔滨理工大学
IPC: G10K11/16
Abstract: 本发明提供了一种基于广义类洛伦兹系统的噪声主动控制方法，该方法针对舰船辐射噪声声波能量的抑制问题，采用经典洛伦兹系统并在此系统上添加时滞反馈控制量和外激励，运用混沌动力学的判断方法得到对噪声的控制效果。对变形后的广义类洛伦兹系统，利用Matlab编程观测了其输出的动力学特性，包括相轨迹图、分岔图和李雅普诺夫指数图，给出了系统输出处于周期运动、拟周期运动或混沌运动状态的外激励幅值参数、频率参数及相应的参数范围，利用频谱曲线给出施加主动声源前后固定频率下的噪声源能量值及能量变化值，明确了不同声源作用下噪声的抑制效果。
-
公开(公告)号：CN106971706A
公开(公告)日：2017-07-21
申请号：CN201710224752.X
申请日：2017-04-07
Applicant: 哈尔滨理工大学
IPC: G10K11/16
Abstract: 本发明提供了一种基于广义类洛伦兹系统的噪声主动控制方法，该方法针对舰船辐射噪声声波能量的抑制问题，采用经典洛伦兹系统并在此系统上添加时滞反馈控制量和外激励，运用混沌动力学的判断方法得到对噪声的控制效果。对变形后的广义类洛伦兹系统，利用Matlab编程观测了其输出的动力学特性，包括相轨迹图、分岔图和李雅普诺夫指数图，给出了系统输出处于周期运动、拟周期运动或混沌运动状态的外激励幅值参数、频率参数及相应的参数范围，利用频谱曲线给出施加主动声源前后固定频率下的噪声源能量值及能量变化值，明确了不同声源作用下噪声的抑制效果。
-
公开(公告)号：CN119620050A
公开(公告)日：2025-03-14
申请号：CN202411387442.6
申请日：2024-10-02
Applicant: 哈尔滨理工大学
IPC: G01S7/539 , G01S15/50 , G01S15/06 , G06F18/213 , G06F18/24
Abstract: 一种基于微动特征的水下目标识别方法，属于水下目标识别方法领域。通过高光回波结构的水下识别方法难以准确识别水下小体积目标。一种基于微动特征的水下目标识别方法，利用矢量水听器接收水下航行器螺旋桨旋转微动数据，并将所述数据用联合时‑频域表示，作为回波数据；对采集的回波信号进行时频分析；利用矢量水听器提取微动多普勒特征；估计目标微动参数，以进行目标分类；其中，估计的所述的目标微动参数包括微动周期、微动幅度。本发明通过矢量水听器进行微动多普勒特征的提取，提高水下目标识别的准确性和鲁棒性。
-
公开(公告)号：CN119580065A
公开(公告)日：2025-03-07
申请号：CN202411653264.7
申请日：2024-11-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的目标检测YOLO算法处理系统及方法，系统包括输入处理模块、特征提取模块、目标检测模块、优化与训练模块、数据管理与评估模块和辅助模块；方法包括步骤一，图像输入与处理；步骤二，特征提取与融合；步骤三，目标检测与修正；步骤四，后处理与结果展示；步骤五，模型优化与训练；步骤六，数据管理与系统维护；本发明通过多尺度滑动视窗机制来生成候选框，这一策略有效规避了在单一尺度下缩放高分辨率图像时可能导致的关键细节丢失问题，从而确保了目标检测的精确性，同时还引入了改进的非极大值抑制算法，该算法能够抑制并减少冗余的候选框，仅保留最优的候选框作为最终的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
