-
公开(公告)号：CN110110711A
公开(公告)日：2019-08-09
申请号：CN201910491159.0
申请日：2019-06-06
Applicant: 郑州轻工业学院
IPC: G06K9/00 , G06F17/16 , H04B17/373
Abstract: 本发明提出了一种噪声信道下的迭代学习控制系统输入信号估计方法，用于解决在测量信号和控制信号无线传输时受到信道噪声干扰，不能实现精确追踪的问题。本发明的步骤为：分别获取控制器端和执行器端的输入信号迭代差值和噪声迭代差值的关系表达式，然后用两个关系表达式构建用于输入信号迭代差值估计的滤波方程，最后用估计得到的输入信号迭代差值得到执行器端用于驱动执行器的输入信号。本发明通过在执行器端对接收到的控制信号进行滤波，有效改善了存在信道噪声情况下的迭代学习控制系统输出的跟踪精度。
-
公开(公告)号：CN105187826B
公开(公告)日：2018-11-16
申请号：CN201510466203.4
申请日：2015-07-31
Applicant: 郑州轻工业学院
IPC: H04N19/11
Abstract: 一种针对高效率视频编码标准的快速帧内模式判决方法，其步骤如下：(1)选取大小为N×N的预测单元PU；(2)利用Sobel算子计算预测单元PU内像素点的平均梯度值；(3)确定判定帧内预测模式的阈值；(4)根据预测单元PU内像素点的平均梯度值、判定帧内预测模式的阈值初步判定帧内预测模式；(5)根据Sobel算子计算的预测单元PU内各个像素点的梯度值，计算预测单元PU像素点的梯度方向；(6)根据预测单元PU像素点的梯度方向，查表确定帧内预测模式。本发明采用了Sobel边缘检测算子，在方向模式的判决准确度保持不变的情况，帧内判决速度得到了提升，其复杂度较低，计算量较小，只增加少量的码率，节省了大量的编码时间。
-
公开(公告)号：CN107274393A
公开(公告)日：2017-10-20
申请号：CN201710438495.X
申请日：2017-06-12
Applicant: 郑州轻工业学院
CPC classification number: G06T7/0008 , G06T3/40 , G06T7/136
Abstract: 本发明提出了一种基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法，其步骤如下：首先，采用图像缩放和中值滤波对单晶硅太阳能电池片表面图像进行预处理；其次，提出一种栅线检测方法，用于删除单晶硅太阳能电池片表面图像中的主栅线和副栅线；随后，提出一种超像素分割和自适应阈值处理相结合的方法，用于在无栅线图像中检测缺陷区域，得到初始的检测结果图；最后，通过图像缩放对初始检测结果图进行后处理，得到最终的检测结果图。本发明不仅对单晶硅太阳能电池片表面图像的采集质量要求相对较低，而且在保持较高检测准确率的同时具有较快的检测速度，对提高单晶硅太阳能电池片的质检效率和出厂合格率具有重要意义。
-
公开(公告)号：CN106529549A
公开(公告)日：2017-03-22
申请号：CN201610927514.0
申请日：2016-10-31
Applicant: 郑州轻工业学院
Inventor： 钱晓亮 , 李清波 , 耿盛涛 , 曾黎 , 刁智华 , 毋媛媛 , 张鹤庆 , 吴青娥 , 贺振东 , 陈虎 , 过金超 , 张焕龙 , 刘玉翠 , 王延峰 , 杨存祥 , 张秋闻
IPC: G06K9/46
CPC classification number: G06K9/4671
Abstract: 本发明提出了一种基于自适应特征和离散余弦变换的视觉显著性检测方法，步骤如下：根据输入图像的原始数据学习出滤波器模板，滤波器模板对图像进行滤波得到特征矩阵，再对图像的子特征进行自适应处理，将每个子特征的重要性进行量化，得到自适应特征矩阵；对自适应特征矩阵进行离散余弦变换，求其符号信息后进行离散余弦反变换，得到初始的视觉显著性图像；对初始的视觉显著性图像进行亮度值平方和高斯模糊，得到最终的视觉显著性检测结果。本发明对输入图像先缩放再计算，运算量小、检测效率高，同时又具有很高的检测正确率，得到的显著区域对计算机视觉领域的常见任务，如：场景理解、物体识别，目标跟踪等都具有重要意义。
-
公开(公告)号：CN109862372A
公开(公告)日：2019-06-07
申请号：CN201910108297.6
申请日：2019-01-18
Applicant: 郑州轻工业学院
IPC: H04N19/597 , H04N19/96 , H04N13/161
Abstract: 本发明提供了一种针对3D-HEVC中深度图编码的复杂度降低方法，包括：对深度图编码中的每个树块进行模式决策；获取预测因子π中时空的和相应纹理视频的树块的编码信息；基于获取到的编码信息，判断预测因子π中相关联树块的模式是否全为SKIP模式；若预测因子π中相关联树块的模式全为SKIP模式，则跳过不同大小ME和DE，并将SKIP模式作为最佳帧内模式；若预测因子π中相关联树块的模式不全为SKIP模式，则根据当前深度图树块的帧内模式的复杂度参数IMP，对当前深度图树块进行分类，当前深度图树块的分类包括简单区域、普通区域和复杂区域；根据当前深度图树块所属的类别，自适应确定出候选帧内模式；从所述候选帧内模式中筛选最佳帧内模式。
-
Patent Agency Ranking
公开(公告)号：CN109145808A
公开(公告)日：2019-01-04
申请号：CN201810940039.X
申请日：2018-08-17
Applicant: 郑州轻工业学院
CPC classification number: G06K9/00724 , G06F17/5009 , G06K9/4652
Abstract: 本发明提出了一种基于自适应鱼体弯曲模型的金枪鱼识别方法，通过搭建视频图像采集平台；并对获取的自然条件下的水下的视频进行采样，是由于相邻帧之间的采集时间较短，需要通过采样来减小数据冗余；然后将采样后的各帧进行图像处理，标记为不同斑块用于后续判断是否为单条完整的好鱼；接着去除不满足要求的斑块，然后计算剩余候选斑块的特征，获得自适应鱼体弯曲的初始模型M；再计算候选斑块的边界点和与其对应的初始模型M的标记点的匹配情况，如果找到至少35个边界点和标记点相匹配，并且拟合误差指数FEI≤2.23，则判定候选斑块为单条完整的好鱼，否则判定为坏鱼。本发明能够自动识别复杂环境图像中的金枪鱼个体，无需人工干预，成功率高，有助于自动计算金枪鱼的生物量。
-
公开(公告)号：CN106021999A
公开(公告)日：2016-10-12
申请号：CN201610327347.6
申请日：2016-05-17
Applicant: 郑州轻工业学院
Abstract: 本发明属于生物信息学领域，涉及一种多功能抗微生物肽的最优多标记集成预测方法。其步骤如下：基于抗微生物肽的氨基酸序列信息，采用伪氨基酸组成向量化方法，抽取抗微生物肽的多种不同维度的伪氨基酸组成特征向量；应用多标记分类算法在生成的所有不同维度的伪氨基酸组成特征向量上，训练出多个不同的多标记分类器；从所得的多标记分类器中，分别为抗微生物肽的每种功能类型筛选出最优多标记分类器子集；把待预测肽序列输入分类器子集中，执行加权多数投票融合策略，获得该肽序列的N种功能类型的归属。本发明不需要事先确定最优的特征参数组合，避免建模时通过大量遍历实验选取最优特征参数组合，既增加预测方法的实用性，又提高建模的效率。
-
公开(公告)号：CN104703294A
公开(公告)日：2015-06-10
申请号：CN201410772722.9
申请日：2014-12-16
Applicant: 郑州轻工业学院
Abstract: 本发明实施例提供一种网络访问方法、装置及手机。方法包括：在接收到乙手机发送的请求消息时，建立与乙手机之间的无线局域网连接，同时启动一计时器并开始监视乙手机通过该无线局域网连接发送的消息；在该计时器计时结束之前监视到乙手机发送的包括第一微信号的通知消息时，判断该第一微信号与甲手机上安装的微信应用程序的登录用户微信号是否互为微信好友，如果是，则使用该无线局域网连接与乙手机交互，使得乙手机能够通过该便携式无线局域网热点来访问运营商为甲手机提供的蜂窝移动网络；否则，断开该无线局域网连接；在该计时器计时结束且该计时器计时结束之前没有监视到该通知消息时，断开该无线局域网连接。本发明实施例能提升用户体验。
-
公开(公告)号：CN106529549B
公开(公告)日：2018-05-11
申请号：CN201610927514.0
申请日：2016-10-31
Applicant: 郑州轻工业学院
Inventor： 钱晓亮 , 耿盛涛 , 李祖贺 , 曾黎 , 王延峰 , 杨存祥 , 张鹤庆 , 刁智华 , 毋媛媛 , 吴青娥 , 贺振东 , 陈虎 , 过金超 , 张焕龙 , 刘玉翠 , 张秋闻 , 李清波
IPC: G06K9/46
Abstract: 本发明提出了一种基于自适应特征和离散余弦变换的视觉显著性检测方法，步骤如下：根据输入图像的原始数据学习出滤波器模板，滤波器模板对图像进行滤波得到特征矩阵，再对图像的子特征进行自适应处理，将每个子特征的重要性进行量化，得到自适应特征矩阵；对自适应特征矩阵进行离散余弦变换，求其符号信息后进行离散余弦反变换，得到初始的视觉显著性图像；对初始的视觉显著性图像进行亮度值平方和高斯模糊，得到最终的视觉显著性检测结果。本发明对输入图像先缩放再计算，运算量小、检测效率高，同时又具有很高的检测正确率，得到的显著区域对计算机视觉领域的常见任务，如：场景理解、物体识别，目标跟踪等都具有重要意义。
-
公开(公告)号：CN106021999B
公开(公告)日：2018-02-27
申请号：CN201610327347.6
申请日：2016-05-17
Applicant: 郑州轻工业学院
Abstract: 本发明属于生物信息学领域，涉及一种多功能抗微生物肽的最优多标记集成预测方法。其步骤如下：基于抗微生物肽的氨基酸序列信息，采用伪氨基酸组成向量化方法，抽取抗微生物肽的多种不同维度的伪氨基酸组成特征向量；应用多标记分类算法在生成的所有不同维度的伪氨基酸组成特征向量上，训练出多个不同的多标记分类器；从所得的多标记分类器中，分别为抗微生物肽的每种功能类型筛选出最优多标记分类器子集；把待预测肽序列输入分类器子集中，执行加权多数投票融合策略，获得该肽序列的N种功能类型的归属。本发明不需要事先确定最优的特征参数组合，避免建模时通过大量遍历实验选取最优特征参数组合，既增加预测方法的实用性，又提高建模的效率。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.027 seconds)
