-
Patent Agency Ranking
公开(公告)号：CN108537832A
公开(公告)日：2018-09-14
申请号：CN201810316415.8
申请日：2018-04-10
Applicant: 安徽大学
Abstract: 本发明属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。
-
公开(公告)号：CN110631827B
公开(公告)日：2021-08-10
申请号：CN201910795937.5
申请日：2019-08-27
Applicant: 安徽大学
IPC: G01M13/021 , G01M13/028 , G06K9/62
Abstract: 本发明公开了一种基于改进协同表示分类的齿轮箱故障诊断方法，首先利用传统傅里叶变换将齿轮箱的原始振动信号进行频域变换，提取频域特征，并利用主成分分析降低所得到的特征矩阵的维度；基于降维后的相似特征矩阵，利用不同故障类别的特征矩阵进行训练得到不同的子字典，再将子字典进行合并形成过完备字典；根据所得到的过完备字典，通过协同表示分类来计算每个故障类别的残差，残差最小的故障类别就是查询样本所属的类别，以此来实现故障的分类。上述方法能在快速分类的同时，提高故障分类的准确率，进而提高了齿轮箱故障诊断的可靠性。
-
公开(公告)号：CN108537832B
公开(公告)日：2021-11-26
申请号：CN201810316415.8
申请日：2018-04-10
Applicant: 安徽大学
Abstract: 本发明属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。
-
公开(公告)号：CN110631827A
公开(公告)日：2019-12-31
申请号：CN201910795937.5
申请日：2019-08-27
Applicant: 安徽大学
IPC: G01M13/021 , G01M13/028 , G06K9/62
Abstract: 本发明公开了一种基于改进协同表示分类的齿轮箱故障诊断方法，首先利用传统傅里叶变换将齿轮箱的原始振动信号进行频域变换，提取频域特征，并利用主成分分析降低所得到的特征矩阵的维度；基于降维后的相似特征矩阵，利用不同故障类别的特征矩阵进行训练得到不同的子字典，再将子字典进行合并形成过完备字典；根据所得到的过完备字典，通过协同表示分类来计算每个故障类别的残差，残差最小的故障类别就是查询样本所属的类别，以此来实现故障的分类。上述方法能在快速分类的同时，提高故障分类的准确率，进而提高了齿轮箱故障诊断的可靠性。
-
公开(公告)号：CN108629798A
公开(公告)日：2018-10-09
申请号：CN201810398362.9
申请日：2018-04-28
Applicant: 安徽大学
Abstract: 本发明公开了一种基于GPU的图像快速配准方法，该方法利用CUDA架构在GPU上运行实现并行图像特征点匹配，通过多个CUDA内核将顺序算法转换为并行版本，使用不同类型的内存进而实现了并行优化算法，将GPU的性能与CPU的性能进行了比较，实现了27.6的加速比。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
