-
公开(公告)号：CN109191478A
公开(公告)日：2019-01-11
申请号：CN201810797828.2
申请日：2018-07-19
Applicant: 广东工业大学
Abstract: 本发明涉及一种基于区域生长与蚁群优化算法相结合的边缘检测方法，包括如下步骤：S1：采用区域生长方法，对图像进行处理，提取感兴趣区域；S2：对提取的感兴趣区域，采用蚁群优化方法产生信息素矩阵；S3：对于提取的感兴趣区域，采用蚁群优化方法产生的信息素矩阵，计算阈值，确定图像边缘。本发明克服现有技术的图像边缘不清晰、边缘不连续、受噪影响大等技术缺陷，改进了已有蚁群算法容易过早收敛提供了一种基于区域生长与蚁群优化算法相结合的边缘检测方法。
-
公开(公告)号：CN110365434B
公开(公告)日：2021-08-24
申请号：CN201910570384.3
申请日：2019-06-27
Applicant: 广东工业大学
IPC: H04B17/382 , G06K9/62
Abstract: 本发明公开了一种基于信息几何和差分进化聚类算法的多天线协作频谱感知方法，包括以下步骤：对接受信号Xj按照分簇方式分为两个簇，分别为和分别对和进行主成分分析处理，相应的得到和并构建和对应的协方差矩阵R1和R2；根据信息几何提取信号特征，在噪声环境中，对P个噪声信号矩阵进行分簇处理和主成份分析处理得到和并计算对应的黎曼均值和将步骤S2得到的协方差矩阵R1和R2映射到统计流形上，并分别以黎曼均值和作为参考点，分别分析点与点之间的距离d1和d2，得到信号特征T。本发明采用的技术方案无需计算门限，通过差分进化聚类算法判断主用户是否存在，有更高的判决精度。
-
Patent Agency Ranking
公开(公告)号：CN109215045A
公开(公告)日：2019-01-15
申请号：CN201810798726.2
申请日：2018-07-19
Applicant: 广东工业大学
Abstract: 本发明提供了基于区域生长与Laplace算子相结合边缘检测方法，该算法包括如下步骤：S1：采用区域生长算法，提取感兴趣区域；S2：对提取的感兴趣区域进行，进行过零检测；本发明克服了Laplace边缘检测算子的具有图像边缘不清晰、边缘不连续、边缘信息容易丢失、受噪声的影响大等缺点，提供了基于区域生长与Laplace相结合的边缘检测算法，能够很好的检测出图像的边缘，具有良好的抗噪性能，检测速度快等优点。
-
公开(公告)号：CN110460401A
公开(公告)日：2019-11-15
申请号：CN201910604407.8
申请日：2019-07-05
Applicant: 广东工业大学
IPC: H04B17/382 , H04B17/391
Abstract: 本发明公开了一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法，包括以下步骤：采集主用户信号并进行IQ分解得到信号的I分量和Q分量；分别构建I分量矩阵YI和Q分量矩阵YQ并计算其协方差矩阵RI和RQ；分别对协方差矩阵分解得到上三角矩阵LI和LQ；计算上三角矩阵元素和记为TI和TQ，构建特征二维向量；将若干次用户感知到的信号特征组成训练特征集，训练粒子群优化聚类算法得到分类器，将待感知信号的特征二维向量输入所述分类器完成频谱感知。本发明通过将主用户信号进行分解后计算协方差矩阵，利用Cholesky分解获取上三角矩阵保持了信号特征的完整性，降低了计算的复杂度，同时利用粒子群聚类算法对待感知信号特征进行分类，提高了频谱感知的精度。
-
公开(公告)号：CN109102514A
公开(公告)日：2018-12-28
申请号：CN201810935777.5
申请日：2018-08-16
Applicant: 广东工业大学
Abstract: 本发明实施例公开了一种图像分割方法、装置、设备及计算机可读存储介质。其中，方法包括对待分割图像进行ROI区域生长处理，以从待分割图像中提取感兴趣区域作为目标检测区域图像；利用混沌蚁群算法对目标检测区域图像进行边缘检测，得到待分割图像的边缘图像。本申请在利用混沌蚁群算法对图像边缘进行提取之前，先从待分割图像中提取感兴趣区域代替整副待分割图像用于后续处理，有效减少图像处理及真实环境中点的搜索工作量，从而提高图像分割方法的运行速度，满足实时性的现实需求；由于混沌蚁群算法通过更新信息素矩阵来计算图像阈值，从而获得图像边缘信息，能够更全面、迅速地找到图像的边缘，从而提高图像分割的速度和准确度。
-
公开(公告)号：CN110460401B
公开(公告)日：2022-02-11
申请号：CN201910604407.8
申请日：2019-07-05
Applicant: 广东工业大学
IPC: H04B17/382 , H04B17/391
Abstract: 本发明公开了一种基于矩阵分解和粒子群优化聚类的协作频谱感知方法，包括以下步骤：采集主用户信号并进行IQ分解得到信号的I分量和Q分量；分别构建I分量矩阵YI和Q分量矩阵YQ并计算其协方差矩阵RI和RQ；分别对协方差矩阵分解得到上三角矩阵LI和LQ；计算上三角矩阵元素和记为TI和TQ，构建特征二维向量；将若干次用户感知到的信号特征组成训练特征集，训练粒子群优化聚类算法得到分类器，将待感知信号的特征二维向量输入所述分类器完成频谱感知。本发明通过将主用户信号进行分解后计算协方差矩阵，利用Cholesky分解获取上三角矩阵保持了信号特征的完整性，降低了计算的复杂度，同时利用粒子群聚类算法对待感知信号特征进行分类，提高了频谱感知的精度。
-
公开(公告)号：CN110365434A
公开(公告)日：2019-10-22
申请号：CN201910570384.3
申请日：2019-06-27
Applicant: 广东工业大学
IPC: H04B17/382 , G06K9/62
Abstract: 本发明公开了一种基于信息几何和差分进化聚类算法的多天线协作频谱感知方法，包括以下步骤：对接受信号Xj按照分簇方式分为两个簇，分别为 和 分别对 和 进行主成分分析处理，相应的得到 和 并构建 和 对应的协方差矩阵R1和R2；根据信息几何提取信号特征，在噪声环境中，对P个噪声信号矩阵进行分簇处理和主成份分析处理得到 和 并计算对应的黎曼均值 和 将步骤S2得到的协方差矩阵R1和R2映射到统计流形上，并分别以黎曼均值 和 作为参考点，分别分析点与点之间的距离d1和d2，得到信号特征T。本发明采用的技术方案无需计算门限，通过差分进化聚类算法判断主用户是否存在，有更高的判决精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.026 seconds)
