-
公开(公告)号：CN119313567A
公开(公告)日：2025-01-14
申请号：CN202411360954.3
申请日：2024-09-27
Applicant: 湘潭大学
IPC: G06T3/4076 , G06T7/13 , G06T7/269
Abstract: 本发明涉及一种非参局部自适应超分辨率视频超分辨率重建方法，属于数字图像处理技术领域，特别适用于在复杂动态运动场景中从低分辨率视频序列重建高分辨率图像。该方法通过全局运动估计，结合局部灰度差异损失函数及BTV正则化项，建立了一个视频时空域的非参局部自适应超分重建模型。通过引入权重矩阵和自适应阈值参数，减少运动估计误差对重建结果的影响，并采用梯度下降法进行迭代优化。该方法能够在复杂运动场景下有效重建高分辨率图像，提高局部细节的重建精度，增强对运动误差的鲁棒性。
-
公开(公告)号：CN117723303B
公开(公告)日：2024-05-10
申请号：CN202410139624.5
申请日：2024-02-01
Applicant: 湘潭大学
IPC: G01M13/045 , F03D17/00
Abstract: 本发明属于风力发电机组故障检测技术领域，公开了一种风力发电机组轴承声学监测方法。方法包括构建风力发电机组轴承声学监测装置，设备启动触发模块、声学定位模块、声学信号采集模块、数据存储传输模块、声学信号分析处理模块、状态监测及故障诊断模块。通过分析采集的声学信号，过滤掉不相关信息，提取信号特征频率，实现故障定位；记录测点的基础信息以及不同时刻不同转速下的时域特征指标，进行趋势分析；根据部件尺寸参数计算理论特征频率，设定分级阈值并根据不同的阈值进行不同程度的故障预警，判定诊断结果。本发明适用于风力发电机组轴承结构的狭小空间的故障检测，可适用于检测出轴承的早期故障，利于在故障影响未扩大前及时得到处理。
-
公开(公告)号：CN119397817B
公开(公告)日：2025-04-01
申请号：CN202411975300.1
申请日：2024-12-31
Applicant: 湘潭大学 , 湖南韶峰应用数学研究院
IPC: G06F30/20 , G06T17/05 , G06F111/04
Abstract: 本发明公开无人机机场多目标约束规划选址方法、系统及电子设备，所述规划选址方法包括以下步骤：S1、获取目标选址区域的地理信息；S2、确定无人机的性能参数，结合地理信息获取无人机的飞行覆盖范围；S3、构建动态任务点模型，通过动态任务点模型确定无人机任务点集合；S4、获取机场选址的优化目标，根据优化目标建立目标函数，通过目标函数构建选址优化模型，并对选址优化模型设定约束条件；S5、采用启发式算法，基于选址优化模型进行多目标优化计算，获取无人机机场的目标布局。本发明公开的技术方案，其能够精准规划导航路径，实现无人机在通信受限或需保持静默环境下准确导航，提高导航的可靠性以及无人机的作业能力。
-
公开(公告)号：CN119946208A
公开(公告)日：2025-05-06
申请号：CN202510422685.7
申请日：2025-04-07
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于多源影像配准的多源卫星视频联合稳像方法，属于卫星视频影像序列稳像技术领域，包括以下步骤：1：将视频影像进行影像联合，2：采用多模态配准方法对联合后的视频帧进行特征提取，得到各影像帧间对应的同名特征点；3：运动估计；4：变换模型拟合；5：运动补偿。本发明提取同源视频帧间和多源视频帧间影像同名点；通过对同名点标记，实现同一特征点在同源和多源影像上位置的对应关系；将帧序列影像特征点坐标拟合出一个虚拟的平面，将所有视频帧重采样到这个虚拟平面上，实现多源卫星视频的接力稳像。
-
公开(公告)号：CN119886735A
公开(公告)日：2025-04-25
申请号：CN202510346085.7
申请日：2025-03-24
Applicant: 湘潭大学 , 湖南韶峰应用数学研究院
IPC: G06Q10/0631 , G01C21/20 , G06N3/092 , G06Q10/047 , G06N3/042 , G06N3/0464 , G06N3/045
Abstract: 本发明实施例提供了一种多无人机多目标任务规划方法、系统及电子设备，涉及无人驾驶飞行器领域，该方法包括：生成多无人机任务分配图；收集并预处理无人机的状态信息和环境信息；获取约束条件，并将约束条件集成至任务分配模型中；基于约束条件，使用图神经网络对多无人机任务分配图进行节点特征更新，生成每个无人机的第一任务分配策略；采用强化学习算法对第一任务分配策略进行优化，生成每个无人机的第二任务分配策略；根据每个无人机的任务执行情况及环境变化，对第一任务分配策略和/或第二任务分配策略进行实时调整，生成每个无人机的第三任务分配策略。采用本申请实施例，能够实现高效、灵活的多无人机任务规划。
-
Patent Agency Ranking
公开(公告)号：CN119415951A
公开(公告)日：2025-02-11
申请号：CN202411452613.9
申请日：2024-10-17
Applicant: 湘潭大学
IPC: G06F18/214 , G06F18/15 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明实施例公开了一种基于两步损失微调的中长期电离层TEC组合预测方法，其整体步骤为：(1)获取深度学习训练样本，对数据进行预处理；(2)构建深度学习网络模型；(3)深度学习网络模型训练；(4)两步损失微调方法与组合预测方法优化模型；(5)SAR仿真实验。在模型训练完后，给定输入TEC，经过所训练模型，即可得到目标预测TEC，进而计算得到对应得SAR电离层延迟值。本发明提供了一种基于深度学习预测中长期电离层TEC的模型，该模型引入组合预测和两步损失微调方法，通过模型的最优化组合与对模型训练过程中损失的优化，实现对中长期电离层TEC的有效预测，进一步提升SAR实时定位精度。
-
公开(公告)号：CN119397817A
公开(公告)日：2025-02-07
申请号：CN202411975300.1
申请日：2024-12-31
Applicant: 湘潭大学 , 湖南韶峰应用数学研究院
IPC: G06F30/20 , G06T17/05 , G06F111/04
Abstract: 本发明公开无人机机场多目标约束规划选址方法、系统及电子设备，所述规划选址方法包括以下步骤：S1、获取目标选址区域的地理信息；S2、确定无人机的性能参数，结合地理信息获取无人机的飞行覆盖范围；S3、构建动态任务点模型，通过动态任务点模型确定无人机任务点集合；S4、获取机场选址的优化目标，根据优化目标建立目标函数，通过目标函数构建选址优化模型，并对选址优化模型设定约束条件；S5、采用启发式算法，基于选址优化模型进行多目标优化计算，获取无人机机场的目标布局。本发明公开的技术方案，其能够精准规划导航路径，实现无人机在通信受限或需保持静默环境下准确导航，提高导航的可靠性以及无人机的作业能力。
-
公开(公告)号：CN117723303A
公开(公告)日：2024-03-19
申请号：CN202410139624.5
申请日：2024-02-01
Applicant: 湘潭大学
IPC: G01M13/045 , F03D17/00
Abstract: 本发明属于风力发电机组故障检测技术领域，公开了一种风力发电机组轴承声学监测方法。方法包括构建风力发电机组轴承声学监测装置，设备启动触发模块、声学定位模块、声学信号采集模块、数据存储传输模块、声学信号分析处理模块、状态监测及故障诊断模块。通过分析采集的声学信号，过滤掉不相关信息，提取信号特征频率，实现故障定位；记录测点的基础信息以及不同时刻不同转速下的时域特征指标，进行趋势分析；根据部件尺寸参数计算理论特征频率，设定分级阈值并根据不同的阈值进行不同程度的故障预警，判定诊断结果。本发明适用于风力发电机组轴承结构的狭小空间的故障检测，可适用于检测出轴承的早期故障，利于在故障影响未扩大前及时得到处理。
-
公开(公告)号：CN119919323A
公开(公告)日：2025-05-02
申请号：CN202510422906.0
申请日：2025-04-07
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于多源影像配准的无人机影像几何纠正系统和方法，属于无人机影像处理技术领域，所述方法包括步骤：1：将基准影像和待纠正影像转换至同一地理坐标系；2：将同一地理坐标系下的待纠正影像重采样至与基准影像分辨率一致；3：在重叠区域对两幅影像进行切片、配准及获取经纬坐标格式控制点；4：将获得的所有同名特征点合并，构建控制点集合；5：对地理坐标系的待纠正影像实施基于控制点的几何信息纠正；6：进行原始投影坐标系的反变换。所述系统包括实现各步骤的功能模块。本发明可实现不同传感器类型影像之间的快速几何纠正，不需要处理整幅影像，大大提升了无人机影像的处理效率。不限制无人机影像和卫星影像的传感器类型。
-
公开(公告)号：CN119580271A
公开(公告)日：2025-03-07
申请号：CN202411026888.6
申请日：2024-07-30
Applicant: 湘潭大学
Abstract: 本发明公开了一种图像综合增强与双模型融合的快速手写数字识别方法，属于图像识别与分类技术领域。该方法首先对数据集进行制作与划分，并在模型训练前对训练数据集进行多步骤图像增强预处理；然后搭建双模型融合的训练模型，具体的包括不同k值下的k‑最近邻与单隐含层的多层感知机模型，并再对双模型进行求解、多指标评估并择优融合；最后进行模型训练实现手写数字的快速识别。该方法采用多步骤综合图像预处理与机器学习双模型融合相结合的策略，有效提高了手写数字识别的准确性与有效性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
