-
公开(公告)号：CN117492029A
公开(公告)日：2024-02-02
申请号：CN202311455541.9
申请日：2023-11-03
Applicant: 重庆邮电大学
IPC: G01S17/90
Abstract: 本发明涉及一种无编码CUP‑VISAR系统及数据重构方法，属于以采用光学方法为特征的计量设备领域。本发明根据积分相机上采集到的空间混叠二维数据和条纹相机上采集到的时间维度数据构建数学模型，使用适配的最优化方法求解，结合行锚定降噪方法，实现数据在空间和时间上的高质量重构。本发明通过积分相机将干涉仪产生的动态条纹在时间维度上积分，得到高空间分辨率的采样数据，作为第一保真项，同时结合从条纹相机采集的时间维度数据作为第二保真项，共同来构建数学模型；然后使用混合整数非线性规划方法或整数规划方法，完整地重构出三维动态条纹数据；最后使用行锚定降噪方法，得到高质量的重构数据。
-
公开(公告)号：CN111210085A
公开(公告)日：2020-05-29
申请号：CN202010039863.5
申请日：2020-01-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及数据挖掘技术领域，具体涉及一种基于多视图集成学习的煤矿瓦斯浓度预警方法，检测当前煤矿瓦斯浓度风险等级，若当前煤矿瓦斯浓度风险等级大于事故阈值，则进行预警提示，包括：读取煤矿瓦斯浓度数据集，进行预处理后分成训练集和测试集；计算特征间的互信息和特征与标签之间的互信息，得到关联矩阵；利用视图内特征间互信息之和分析视图的充分冗余性，利用典型相关分析技术分析视图间条件独立性，利用二者通过有监督的方式将单视图数据构造为多视图数据；在多视图构造结果上利用多视图集成学习算法融合各个视图上的结果，得到煤矿瓦斯浓度风险等级。本发明能够综合利用当前煤矿瓦斯浓度监测数据，提高预警准确度。
-
公开(公告)号：CN109934304A
公开(公告)日：2019-06-25
申请号：CN201910228715.5
申请日：2019-03-25
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM-AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM-AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。
-
公开(公告)号：CN107909032A
公开(公告)日：2018-04-13
申请号：CN201711128829.X
申请日：2017-11-15
Applicant: 重庆邮电大学
Abstract: 本文提出了一种基于单样本的行为检测与识别方法能够对视频中是否出现该类行为做出快速的判断。方法通过匹配运动目标身上的特征点并将其对应的位移信息进行投票产生位移直方图对行为进行表征，紧接着采用矩阵余弦相似度的方法来判别行为。实验表明，在摄像头固定的静态场景下，所提的方法能够快速有效的对视频中的行为进行检测与识别。
-
公开(公告)号：CN116563606A
公开(公告)日：2023-08-08
申请号：CN202310380529.X
申请日：2023-04-11
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/42 , G06V10/58 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于双分支空谱全局特征提取网络的高光谱图像分类方法。该方法通过分别学习高光谱图像的空间特征和光谱特征。其特点在于学习空间特征的空间子网络主体部分为编码解码结构，并利用跳跃连接，空间注意力和通道注意力增强特征表示。此外，设计了一个空间全局特征表示模块用于学习编码后的空间特征，并利用该模块表达全局空间特征。学习光谱特征的光谱子网络采用了渐进式特征学习的思想，并利用视角注意力强化渐进学习到的特征。最后，再利用自适应加权方法，融合两个子网络的结果。在多个真实高光谱遥感图像数据集上的实验结果显示，本发明所提出的双分支空谱全局特征提取网络能够取得优异的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN115866219A
公开(公告)日：2023-03-28
申请号：CN202211424236.9
申请日：2022-11-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于平滑投影Landweber算法的差分单像素成像方法及系统，属于光学成像系统及图像处理领域。该成像方法具体如下：S1、获取原始图像，并生成观测矩阵；S2、变换观测矩阵以满足数字微镜阵列的要求；S3、采用数字微镜阵列完成连续两次投影以得到差分测量值；S4、对观测矩阵和差分测量值进行处理；S5、采用平滑投影Landweber算法对步骤S4得到的处理结果进行计算，得到复原图像。本发明采用差分单像素成像系统获取目标场景的图像，采用平滑投影Landweber算法对目标场景图像进行复原，可以在无准直、高背景噪声、低采样率条件下对目标场景进行高质量成像。
-
公开(公告)号：CN112039965B
公开(公告)日：2022-07-12
申请号：CN202010856199.3
申请日：2020-08-24
Applicant: 重庆邮电大学
IPC: H04L67/1023
Abstract: 本发明属于边缘计算与时间敏感网络技术领域，提出了一种时间敏感网络中的多任务卸载方法及系统，所述方法包括将所需卸载的任务按照其属性建立任务模型，属性至少包括任务的代码量，任务输入的数据量和代码计算密度；在任务模型中，按照卸载决策依据，求解出任务在各个决策下所耗费的总时间，以最小化所耗费的总时间为目标，构建出每个任务的最优决策函数；按照博弈算法，在多任务的场景下，对每个任务的最优决策函数进行有限次的迭代计算，并计算出多任务达到纳什均衡的决策结果；本发明技术方案可以缓解计算资源不足，同时不影响任务的实时性，甚至在一定程度上提高任务交付的实时性，使计算节点之间负载均衡，具有良好的实际意义和应用价值。
-
公开(公告)号：CN112258144A
公开(公告)日：2021-01-22
申请号：CN202011033563.2
申请日：2020-09-27
IPC: G06Q10/10 , G06Q50/26 , G06F40/295 , G06K9/62
Abstract: 本发明提供了一种基于自动构建目标实体集的政策文件信息匹配和推送方法，包括扫描待推送政策文件，获取主送抄送实体集以及发布层次；提取待推送政策文件中的主题和关键信息，生成与其领域相关的应推送实体集；比较应推送实体集与获取的主送抄送实体集之间是否存在相同实体，对相同实体重点标记，并将应推送实体集中含有而主送抄送实体集中不含有的实体加入主送抄送实体集组合为初推送实体集；确定初推送实体集是否均符合发布层次；将待推送实体集与推送系统中已存储的推送实体进行匹配，向匹配成功的推送实体直接推送政策文件。本发明能够实现政策文件自动推送，工作效率得到显著提高。
-
公开(公告)号：CN116681783A
公开(公告)日：2023-09-01
申请号：CN202310576645.9
申请日：2023-05-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种冲击波诊断条纹数据快速重构方法，属于冲击波诊断条纹数据重构领域。该方法采用CUP‑VISAR系统进行数据采样，采样过程中将f帧(m‑f+1)×n的编码矩阵与每帧冲击波干涉条纹原始图像进行哈达玛相乘，得到大小为m×n的采样数据；再采用所构建的基于哈达玛积运算的TVAL3H重构模型对冲击波速度场采样数据进行重构：构建基于条纹分布特点的全变分正则化的重构模型；引入增强型拉格朗日函数，形成凸优化问题；将凸优化问题转化为两个子问题，通过最小化迭代的方式求解完成数据的重构。本发明能够实现CUP‑VISAR冲击波速度场的二维采样数据有效地重建为三维数据，保证重构质量的同时显著提高了算法重构速度。
-
公开(公告)号：CN115695977A
公开(公告)日：2023-02-03
申请号：CN202211333864.6
申请日：2022-10-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种曝光时间不受限的压缩超快成像系统及方法，属于计算成像领域。通过互补式轮流采样方式，将长时间曝光的采集过程，按时间交替分配到两个或多个条纹相机和积分相机的组合上，同时利用一个额外的积分相机来记录轮次切换中可能遗漏的信息，这样每个条纹相机上得到采样帧数就可以控制在较低水平。而目前的主流重构算法，即使在具有SI辅助的条件下，当压缩帧率大于50帧时，重构图像的PSNR也难以超过30dB。这种成像方式不受采样帧率的影响，并且切换过程也不会丢失信息，还可以进行长时间曝光，当每组帧数控制在10帧以内时，重构图像的PSNR可以优于30dB，这样的图像质量从视觉上已经难以察觉其与原始图像的差别。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.036 seconds)
