公开(公告)号：CN111025898B

公开(公告)日：2021-08-24

申请号：CN201911079525.8

申请日：2019-11-07

Applicant: 江南大学

Inventor： 陈晶 ,  曹俊峰 ,  过榴晓

IPC: G05B13/04

Abstract: 本发明提供一种用于流程工业大规模过程控制的降维辨识方法，其计算过程通无需人工参与，可以在确保计算精度的基础上，以很低的计算量实现高阶系统的参数辨识。本发明的技术方案中，进行系统参数辨识的过程中，将待辨识的2n维的参数利用Arnoldi方法构建Krylov子空间，实现了由2n维降低到k维，降低了系统的计算量；随后通过Givens变换方法求解参数寻优步长，确保了本发明的计算方法是收敛的；通过预先设置的阈值以及迭代的方法，提高系统参数的辨识精度。

公开(公告)号：CN116128900A

公开(公告)日：2023-05-16

申请号：CN202211355563.3

申请日：2022-11-01

Applicant: 江南大学

Inventor： 曹俊峰 ,  卢雨蘅 ,  于天恩

IPC: G06T7/12 ,  G06T7/143

Abstract: 本发明公开了一种变指数拉普拉斯方程的图像分割方法，包括：获取目标图像，提供图像的水平集函数；计算水平集函数内外的像素的二阶统计值，并利用变差系数构建区域能量泛函；计算拉普拉斯方程指数，并构建变指数拉普拉斯方程能量泛函；利用增广拉格朗日函数构建正则化的能量泛函；将区域能量泛函、变指数拉普拉斯方程和正则项相加以构建总的能量泛函；利用变分法和梯度下降流构建总的能量泛函的欧拉‑拉格朗日方程；利用增广拉格朗日算法求解欧拉‑拉格朗日方程，得到最终水平集函数，以得到目标图像的边界。本发明可以准确地找到复杂背景中目标的边界，提高图像分割准确率和图像分割效率。

公开(公告)号：CN119579628A

公开(公告)日：2025-03-07

申请号：CN202510015874.2

申请日：2025-01-06

Applicant: 江南大学

Inventor： 李雨宣 ,  曹俊峰 ,  董文华

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/143

Abstract: 本发明涉及图像分割技术领域，尤其是指一种基于p范数的距离正则化的水平集的图像分割方法，所述方法包括：S1：获取目标图像，提供水平集函数；S2：利用Lp范数构建外部数据保真度的区域能量泛函，以及利用势函数构建基于所述水平集函数的正则化能量泛函；S3：基于所述区域能量泛函和所述正则化能量泛函，构建总能量泛函模型；S4：利用变分法和梯度下降流构建所述总能量泛函模型的欧拉‑拉格朗日方程；S5：利用交替方向乘子算法求解所述欧拉‑拉格朗日方程，得到最终水平集函数，以得到目标图像的边界。本发明适用于例如医学影像分割、自然场景分割等不同类型的图像分割任务，并且具有较高的分割精度。

公开(公告)号：CN119444782A

公开(公告)日：2025-02-14

申请号：CN202510029866.3

申请日：2025-01-08

Applicant: 江南大学

Inventor： 郭墨宝 ,  曹俊峰 ,  董文华

IPC: G06T7/12 ,  G06T5/70 ,  G06T7/136 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及图像分割技术领域，尤其是指一种分数阶的低对比度图像分割方法及系统，所述方法包括：获取待检测图像的图像表征信息；计算所述图像表征信息的保真度、L2正则化项和分数阶正则化项，根据所述保真度、所述L2正则化项和所述分数阶正则化项，构建能量泛函模型；以最小化所述能量泛函模型为目标，对所述能量泛函模型进行数值求解，得到平滑近似图像；对所述平滑近似图像进行聚类分割，得到所述待检测图像的目标边界。本发明在图像分割领域具有显著的优势，为低对比度图像的精确分割提供了新的解决方案。

公开(公告)号：CN116754954A

公开(公告)日：2023-09-15

申请号：CN202310600789.3

申请日：2023-05-25

Applicant: 江南大学

Inventor： 陈晶 ,  浦琰 ,  曹俊峰

IPC: G01R31/367 ,  G01R31/388 ,  G06F18/241 ,  G06N3/0499 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了基于自适应核的极限学习机锂电池状态辨识方法及系统包括，收集电池电路每一时刻的电流电压与SOC的准确值；初始化正则化极限学习机参数，计算隐含层输出H；通过输出SOC与隐含层输出H，利用核方法计算输出层权重矩阵；对应不同环境使用不同的核矩阵；利用贪婪算法计算自适应核矩阵得到协方差矩阵，避免选取超参数。本发明方法可以得到SOC的估计，具有极高的准确度，适用于任何情况的SOC估计中，对外界环境的要求低，对设备一起的要求低，易于实际工程实践中，易于复杂的、多变的SOC辨识问题下，相比较传统的方法，该方法的鲁棒性高并具有极高的准确度。

公开(公告)号：CN111025898A

公开(公告)日：2020-04-17

申请号：CN201911079525.8

申请日：2019-11-07

Applicant: 江南大学

Inventor： 陈晶 ,  曹俊峰 ,  过榴晓

IPC: G05B13/04

Abstract: 本发明提供一种用于流程工业大规模过程控制的降维辨识方法，其计算过程通无需人工参与，可以在确保计算精度的基础上，以很低的计算量实现高阶系统的参数辨识。本发明的技术方案中，进行系统参数辨识的过程中，将待辨识的2n维的参数利用Arnoldi方法构建Krylov子空间，实现了由2n维降低到k维，降低了系统的计算量；随后通过Givens变换方法求解参数寻优步长，确保了本发明的计算方法是收敛的；通过预先设置的阈值以及迭代的方法，提高系统参数的辨识精度。