-
公开(公告)号：CN108537869A
公开(公告)日：2018-09-14
申请号：CN201810188697.8
申请日：2018-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于级联纹理的圆锥追踪动态全局光照方法，属于图形实时渲染领域。具体包括：(1)构建级联纹理与稀疏八叉树结合的结构，并将场景体素化，将场景根据视角范围内远近距离关系划分等级，对于不同等级选取不同的存储结构分批体素化；(2)使用改进的圆锥滤波器为每个体素注入光信息；(3)在屏幕空间内通过圆锥追踪采样，将照明信息填充了直接照明缓冲区，然后利用改进的圆锥滤波器，从每个像素的世界空间位置进行几次圆锥追踪，获得间接照明；(4)采用一种有针对性的动态体素更新方法更新级联纹理。提出一种有针对性的动态体素更新方法，有效地实现图形渲染的真实感需求，极大的提高渲染效率，达到实时性。
-
公开(公告)号：CN108416801A
公开(公告)日：2018-08-17
申请号：CN201810165099.9
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向立体视觉三维重建的Har-SURF-RAN特征点匹配方法，属于数字图像处理领域，包含如下步骤：步骤(1)：对图像中的像素点进行高斯差分预处理，筛选出候选特征点，再利用权重系数筛选，获得特征点。步骤(2)：对特征点数据集进行处理，得到特征点的特征描述子；步骤(3)：利用最近邻特征匹配对检测到的特征点进行匹配；步骤(4)：对特征匹配点对中的误判点初步剔除，利用PROSAC的思想将数据集进行排序，对RANSAC选取模型及评价部分进行改进，利用局部最优化的思想对RANSAC进行改进，引入优化参数K对模型局部进行进一步优化。本发明减少了计算量，提高了速度，改进算法产生的冗余点较少，精确度较高。
-
公开(公告)号：CN104021171A
公开(公告)日：2014-09-03
申请号：CN201410239322.1
申请日：2014-06-03
Applicant: 哈尔滨工程大学
CPC classification number: G06F17/30244 , G06F17/3028 , G06K9/6218 , H04M1/72522
Abstract: 本发明属于图像库的组织和搜索领域，主要涉及一种基于GMM的手机内图像的组织和搜索方法。本发明包括：对手机内photo文件夹下的所有图像按高斯混合模型进行聚类；对全部图像进行聚类的K幅聚类中心图像；将每幅最上一层图像所对应的该类别下的所有图像继续按高斯混合模型进行聚类；从第二层图像开始重复步骤3；图像索引结构建立好后，用户开始搜索图像；点选图像后进入图像索引结构的下一层。本发明提供给手机用户按图像语义的不同进行搜索和查找的方式，极大地方便了手机图像管理和使用上的智能化。考虑到手机内图像的数量要比大型图像库要小得多，因此经典的图像聚类技术就可以满足其实时性的要求。
-
公开(公告)号：CN101436230B
公开(公告)日：2010-12-01
申请号：CN200810209785.8
申请日：2008-12-25
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明提供的是一种蛋白质折叠仿真中的模蛇方法。(1)初始状态：是一条直线蛋白质序列；(2)开始折叠时：做波浪运动，用函数sin(t)来表示；(3)折叠后期：做短暂的直线运动，用函数x＝x+t来表示；(4)完成折叠：做盘绕运动，用下面函数表示，x(t)＝(C1cos(ωt)+C2sin(ωt))，其中，C和ω是系数，与蛋白质本身的性质有关。对于未知空间结构的蛋白质，可以通过本发明的拟蛇算法对蛋白质链进行中间体和最终空间结构进行预测，从而减少蛋白质空间结构测定过程中所耗费的人力，物力，同时也可以提供折叠分析供理论研究人员参考。
-
公开(公告)号：CN101098465A
公开(公告)日：2008-01-02
申请号：CN200710072546.8
申请日：2007-07-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种视频监控中运动目标检测与跟踪方法，方法步骤为：首先输入视频数据，对视频数据中的序列图像进行采集，并对图像进行预处理；在序列图像中检测运动目标，重建背景模型并提取运动物体；然后对运动目标进行特征提取和特征匹配，跟踪序列图像中检测到的运动目标；将跟踪结果输出，即表达运动过程并预测运动趋势；最后根据运动趋势和相对运动判断监控事件是否发生，如果发生，则对目标的该行为做出反应，提示目标行为异常，如果没有发生该行为，则继续进行跟踪。本方法对视频监控中运动目标的图像检测与跟踪结果准确而可靠，满足对超市等具体的环境进行运动目标的监控的需求，为视频监控的应用研究奠定了基础。
-
Patent Agency Ranking
公开(公告)号：CN101082944A
公开(公告)日：2007-12-05
申请号：CN200710072292.X
申请日：2007-06-01
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明提供的是一种基于综合算法的蛋白质折叠过程的计算机模拟方法。它包括选择非格点的蛋白质模型、确定能量函数、搜索自由能最小的蛋白质三维结构、模拟折叠过程和数据分析与改进等步骤。本发明主要采用理论研究预测方法，将基于知识的预测与基于模拟的预测相结合，以突破各自的局限性而达到更高的准确度。从计算机运算速度和存储容量出发，在保留折叠主要原因的情况下，忽略了折叠过程中的大量具体细节，从而大大提高了运算速度，成为适用于普通计算机的有效方法。
-
公开(公告)号：CN109509246B
公开(公告)日：2022-08-02
申请号：CN201910041758.2
申请日：2019-01-16
Applicant: 哈尔滨工程大学
IPC: G06T15/00 , G06T15/50 , G06T15/55 , G06V10/762 , G06K9/62
Abstract: 本发明一种基于自适应视线划分的光子图聚类方法提出预缓存和聚集替换的光子映射光线计算方法和自适应视线划分的光子图聚类方法相结合来达到优化光子映射算法的目的，具体采用如下步骤：(1)光线追踪阶段，获取场景，得到光线追踪阶段的光子图；(2)自适应视线划分阶段，由光子密集区自适应视线划分三个等级对光子进行聚类；(3)预缓存阶段，对聚类后的光子进行采样，得到其辐射度估计值进行预缓存到文件中；(4)聚焦渲染阶段，对交点值、焦散光子值和直接光照值进聚集渲染，优化光子映射，提升图像渲染效率和真实感。
-
公开(公告)号：CN108537869B
公开(公告)日：2022-03-18
申请号：CN201810188697.8
申请日：2018-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于级联纹理的圆锥追踪动态全局光照方法，属于图形实时渲染领域。具体包括：(1)构建级联纹理与稀疏八叉树结合的结构，并将场景体素化，将场景根据视角范围内远近距离关系划分等级，对于不同等级选取不同的存储结构分批体素化；(2)使用改进的圆锥滤波器为每个体素注入光信息；(3)在屏幕空间内通过圆锥追踪采样，将照明信息填充了直接照明缓冲区，然后利用改进的圆锥滤波器，从每个像素的世界空间位置进行几次圆锥追踪，获得间接照明；(4)采用一种有针对性的动态体素更新方法更新级联纹理。提出一种有针对性的动态体素更新方法，有效地实现图形渲染的真实感需求，极大的提高渲染效率，达到实时性。
-
公开(公告)号：CN110937082A
公开(公告)日：2020-03-31
申请号：CN201911192235.4
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶倾覆仿真测试技术领域，具体涉及一种基于随机风场和海浪的船舶倾覆风险测试方法。本发明采用改进的随机风场和海浪的同频叠加模拟算法，该方法在选取频率区间时，将随机风与海浪同时考虑，忽略低频与高频，集中选取风谱与海浪谱的同频部分。为得到具有随机性的风和海浪模拟结果，在选取离散点时，采用两次随机过程选取离散区间与离散点，从而使算法输出具有随机性与准确性的模拟结果。本发明采用改进的恢复力臂计算模型，将时间与侧倾角引入恢复力臂的计算，使恢复力臂值随时间与侧倾角变化，大幅度提高力臂的精确度，从而精确计算船舶发生倾覆的时间。
-
公开(公告)号：CN109509246A
公开(公告)日：2019-03-22
申请号：CN201910041758.2
申请日：2019-01-16
Applicant: 哈尔滨工程大学
Abstract: 本发明一种基于自适应视线划分的光子图聚类方法提出预缓存和聚集替换的光子映射光线计算方法和自适应视线划分的光子图聚类方法相结合来达到优化光子映射算法的目的，具体采用如下步骤：(1)光线追踪阶段，获取场景，得到光线追踪阶段的光子图；(2)自适应视线划分阶段，由光子密集区自适应视线划分三个等级对光子进行聚类；(3)预缓存阶段，对聚类后的光子进行采样，得到其辐射度估计值进行预缓存到文件中；(4)聚焦渲染阶段，对交点值、焦散光子值和直接光照值进聚集渲染，优化光子映射，提升图像渲染效率和真实感。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.034 seconds)
