|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種基于均值漂移的不同精度三維點(diǎn)云數(shù)據(jù)的融合方法
本發(fā)明公開了一種基于均值漂移的不同精度下的三維點(diǎn)云數(shù)據(jù) 的融合方法，針對兩組精度等級不同的三維點(diǎn)云數(shù)據(jù)，利用高精度點(diǎn) 云建立低精度點(diǎn)云的誤差分布，進(jìn)而對低精度點(diǎn)云進(jìn)行均值漂移，消 除低精度點(diǎn)云的漂移誤差，從而實(shí)現(xiàn)兩組數(shù)據(jù)信息的融合，該方法包 括：S1：建立低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息，包括每個(gè)樣點(diǎn)的鄰域點(diǎn)集 和單位法矢；S2：利用高精度點(diǎn)云對低精度點(diǎn)云進(jìn)行密度聚類，根據(jù) 聚類結(jié)果確定低精度點(diǎn)云每個(gè)樣點(diǎn)的漂移誤差；S3：利用低精度點(diǎn)云 的拓?fù)浣Y(jié)構(gòu)信息和所述漂移誤差確定低精度點(diǎn)云各樣點(diǎn)的漂移矢量， 根據(jù)該漂移矢量對低精度點(diǎn)云的各樣點(diǎn)進(jìn)行漂移，實(shí)現(xiàn)融合。本發(fā)明 的方法在消除低精度點(diǎn)云漂移誤差的同時(shí)，可實(shí)現(xiàn)小幅度噪聲的光順。
華中科技大學(xué)
2021-04-11
一種基于均值漂移的不同精度三維點(diǎn)云數(shù)據(jù)的融合方法
本發(fā)明公開了一種基于均值漂移的不同精度下的三維點(diǎn)云數(shù)據(jù)的融合方法，針對兩組精度等級不同的三維點(diǎn)云數(shù)據(jù)，利用高精度點(diǎn)云建立低精度點(diǎn)云的誤差分布，進(jìn)而對低精度點(diǎn)云進(jìn)行均值漂移，消除低精度點(diǎn)云的漂移誤差，從而實(shí)現(xiàn)兩組數(shù)據(jù)信息的融合，該方法包括：S1：建立低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息，包括每個(gè)樣點(diǎn)的鄰域點(diǎn)集和單位法矢；S2：利用高精度點(diǎn)云對低精度點(diǎn)云進(jìn)行密度聚類，根據(jù)聚類結(jié)果確定低精度點(diǎn)云每個(gè)樣點(diǎn)的漂移誤差；S3：利用低精度點(diǎn)云的拓?fù)浣Y(jié)構(gòu)信息和所述漂移誤差確定低精度點(diǎn)云各樣點(diǎn)的漂移矢量，根據(jù)該漂移矢量對低精度點(diǎn)
華中科技大學(xué)
2021-04-14
一種雙模非局部均值濾波方法
本發(fā)明公開了一種雙模非局部均值濾波方法，該方法首先利用目標(biāo)先驗(yàn)知識確定濾波模型參數(shù)，根據(jù)圖像中待處理像素，定位相似窗以及下一幀圖像中的干涉區(qū)域，然后遍歷干涉區(qū)域像素，定位匹配窗，對于每一個(gè)匹配窗，首先提取相似窗向量和匹配窗向量，分別計(jì)算相似窗和匹配窗的目標(biāo)模型相似度以及背景模型相似度，然后利用·752·目標(biāo)模型相似度和背景模型相似度計(jì)算高斯模型和復(fù)合指數(shù)模型權(quán)值，根據(jù)干涉區(qū)域內(nèi)所有雙模權(quán)值得到相似窗中心
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
互聯(lián)網(wǎng)文本內(nèi)容主題概念漂移檢測系統(tǒng)
成果描述：互聯(lián)網(wǎng)文本內(nèi)容主題 概念漂移檢測系統(tǒng)， 通過分析數(shù)據(jù)集中的 所有文檔數(shù)據(jù)的潛在 語義關(guān)系，提取出它 們之間的潛在語義主 題標(biāo)示，通過評估參 數(shù)的方法，將生成的 主題時(shí)序關(guān)系用數(shù)據(jù) 的形式表示出來，并 以此為依據(jù)主動(dòng)發(fā)現(xiàn) 待預(yù)測數(shù)據(jù)集中主題 的轉(zhuǎn)變與轉(zhuǎn)化現(xiàn)象， 并提供給用戶這一主 題轉(zhuǎn)移過程。市場前景分析：點(diǎn)。基于這些特點(diǎn)， 流數(shù)據(jù)的處理和分析 面臨巨大的挑戰(zhàn)，是 當(dāng)前數(shù)據(jù)挖掘領(lǐng)域研 究的熱點(diǎn)。 分類是數(shù)據(jù)挖掘領(lǐng)域 的重要課題，當(dāng)前流 數(shù)據(jù)分類問題面臨的 主要挑戰(zhàn)之一就是概 念漂移問題，即數(shù)據(jù) 中學(xué)習(xí)的概念（從屬 性到類別的映射）是 隨時(shí)變化的。 通過對互聯(lián)網(wǎng)中文本 內(nèi)容的主題概念漂移 進(jìn)行檢測，對于正確 分類互聯(lián)網(wǎng)文本等方 面具有重要的意義。與同類成果相比的優(yōu)勢分析：能夠?qū)⑸傻闹黝}時(shí) 序關(guān)系用數(shù)據(jù)的形式 表示出來，方便用戶 查看； 可以動(dòng)態(tài)調(diào)整評估參 數(shù)，以實(shí)現(xiàn)對不同數(shù) 據(jù)集的自適應(yīng)性分析； 可以將評估參數(shù)值與 發(fā)生概念漂移的主題 中心相關(guān)聯(lián)，主動(dòng)探 測出主題發(fā)生變化的 過程。
電子科技大學(xué)
2021-04-10
互聯(lián)網(wǎng)文本內(nèi)容主題概念漂移檢測系統(tǒng)
互聯(lián)網(wǎng)文本內(nèi)容主題 概念漂移檢測系統(tǒng)， 通過分析數(shù)據(jù)集中的 所有文檔數(shù)據(jù)的潛在 語義關(guān)系，提取出它 們之間的潛在語義主 題標(biāo)示，通過評估參 數(shù)的方法，將生成的 主題時(shí)序關(guān)系用數(shù)據(jù) 的形式表示出來，并 以此為依據(jù)主動(dòng)發(fā)現(xiàn) 待預(yù)測數(shù)據(jù)集中主題 的轉(zhuǎn)變與轉(zhuǎn)化現(xiàn)象， 并提供給用戶這一主 題轉(zhuǎn)移過程。
電子科技大學(xué)
2015-02-12
一種三維超聲圖像非局部均值濾波方法
本發(fā)明公開了一種三維超聲圖像濾波方法，屬于三維圖像處理領(lǐng)域。本發(fā)明首先載入待濾波的三維超聲圖像，并將待濾波的目標(biāo)三維超聲圖像拆分成基準(zhǔn)塊，給每個(gè)基準(zhǔn)塊指定搜索區(qū)域；然后將搜索區(qū)域中的所有與基準(zhǔn)塊大小相同的圖像塊作為相似塊，并且計(jì)算每一相似塊與基準(zhǔn)塊之間相似度；接下來以相似塊的加權(quán)平均值作為基準(zhǔn)塊濾波結(jié)果，權(quán)重為相似度；最后將基準(zhǔn)塊的濾波結(jié)果進(jìn)行整合得到三維超聲圖像最終濾波結(jié)果。與現(xiàn)有技術(shù)相比，本發(fā)明采用三維圖像直接濾波，不拆分成二維圖像幀濾波，利用幀與幀之間的灰度信息，能顯著提高濾波效果并能更好的保
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于同質(zhì)塊均值核類內(nèi)協(xié)同表示的高光譜圖像分類
該成果提出了一種基于同質(zhì)塊均值核類內(nèi)協(xié)同表示分類方法。同質(zhì)塊均值核能夠有效地為目標(biāo)樣本確定其鄰域區(qū)域內(nèi)的同質(zhì)樣本，并將目標(biāo)樣本和同質(zhì)塊內(nèi)的樣本與訓(xùn)練樣本之間的相似度作為新的特征向量，在有效提高類別區(qū)分度和空間表征能力的同時(shí)，提升了特征生成的效率。其后在分類過程中，利用類內(nèi)協(xié)同表示分類中的吉洪諾夫正則項(xiàng)加強(qiáng)測試樣本和各個(gè)類別訓(xùn)練樣本之間的相關(guān)性的同時(shí)進(jìn)一步提高分類效率。
主要技術(shù)指標(biāo)
不同數(shù)據(jù)集下的訓(xùn)練樣本與測試樣本數(shù)與在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參閱表 1。
（1）相比于傳統(tǒng)分類器 SVM，OA 提高了約 15%；相比于 JCR 方法，OA 提高了約 2-4%。
（2）該成果無需使用 GPU 資源在保證精度的同時(shí)有效提升了分類的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。同時(shí)有效降低了離散錯(cuò)分樣本的數(shù)量，改善了過平滑的分類效果。參見表 1 與圖 1。
（3）同時(shí)該成果特征提取方法有效提高了特征提取效率，參見表 2。
表 1.PaviaU 大學(xué)數(shù)據(jù)的訓(xùn)練樣本選取與分類結(jié)果
表 2. 不同窗口大小下的特征生成時(shí)間比較
西安電子科技大學(xué)
2023-04-19
一種無衍射光束漂移的二維探測裝置
本發(fā)明公開了一種無衍射光束漂移的二維探測裝置，包括兩個(gè)45o分光鏡、兩個(gè)成像透鏡組、兩個(gè)高速圖像探測器和連接所述兩個(gè)圖像探測器的計(jì)算機(jī)處理系統(tǒng)；無衍射光束發(fā)生器發(fā)射的無衍射光首先入射到第一個(gè) 45o分光鏡，經(jīng)分光為一路反射光和一路透射光，該一路反射光經(jīng)其中一個(gè)成像透鏡組后成像在其中一個(gè)高速圖像探測器上；另一路透射光入射到另一個(gè) 45o分光鏡，經(jīng)分光后的一路反射光經(jīng)另一成像透鏡組后成像在另一個(gè)高速圖像探測器上，兩個(gè)圖像探測器同步探測出光束截面圖像，并輸入到計(jì)算機(jī)處理系統(tǒng)進(jìn)行比較處理，探測出無衍射光的光
華中科技大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于亮度基準(zhǔn)漂移的全天候交通圖像增強(qiáng)方法
本發(fā)明公開了一種基于亮度基準(zhǔn)漂移的全天候交通圖像增強(qiáng)方法，充分考慮監(jiān)控圖像與光照強(qiáng)度和 拍攝時(shí)間之間的相互關(guān)系，分析光照的總體變化和實(shí)時(shí)變化，分別得到亮度基準(zhǔn)曲線和亮度實(shí)時(shí)反饋， 并加權(quán)得到當(dāng)前時(shí)刻的亮度基準(zhǔn)值，在對交通監(jiān)控圖像增強(qiáng)之前，先把圖像從 RGB 色彩空間轉(zhuǎn)換到 HSV 色彩空間，在保持圖像色度信息不變的基礎(chǔ)上，運(yùn)用亮度基準(zhǔn)值對亮度分量分割，得到低亮度區(qū)和高亮 度區(qū)，并分別求取每個(gè)亮度級的漂移參數(shù)，每個(gè)亮度級乘以對應(yīng)亮度級的漂移參數(shù)得到增強(qiáng)后的亮度級， 最后圖像轉(zhuǎn)換到 RGB 色彩空間得到增強(qiáng)后的圖片。利用本發(fā)明對全天候?qū)崟r(shí)監(jiān)控圖像尤其是順逆光情 況下圖像進(jìn)行處理，可以為用戶提供對比度更清晰，有用信息更突出的圖像。
武漢大學(xué)
2021-04-13
一種系統(tǒng)糾正熱電偶熱慣性漂移的動(dòng)態(tài)測溫方法
本發(fā)明涉及一種系統(tǒng)糾正熱電偶熱慣性漂移的動(dòng)態(tài)測溫方法。 本發(fā)明采用數(shù)值計(jì)算的方式模擬和分析不同偶絲/結(jié)點(diǎn)直徑的熱電偶， 在火焰中的溫度響應(yīng)過程，篩選出熱慣性穩(wěn)定性最優(yōu)的偶絲-結(jié)點(diǎn)匹 配，按照這種匹配的要求定制熱電偶，從而達(dá)到糾正熱慣性漂移的目 的。在測量時(shí)，將熱電偶結(jié)點(diǎn)快速移入火焰內(nèi)指定的測點(diǎn)，利用數(shù)據(jù) 采集模塊和計(jì)算機(jī)記錄和分析熱電偶的溫度-時(shí)間數(shù)據(jù)，通過熱電偶溫 度-時(shí)間序列的二階差商特性，篩選出熱慣性穩(wěn)定的時(shí)間區(qū)間，然后在 該區(qū)間內(nèi)進(jìn)行一階系統(tǒng)響應(yīng)方程的數(shù)據(jù)處理，獲得熱慣性系數(shù)和火焰 溫度。該發(fā)明與傳統(tǒng)的熱電偶測溫相比具有更廣泛的適用性和更高的 準(zhǔn)確度。
華中科技大學(xué)
2021-04-13