-
公开(公告)号：CN113313000B
公开(公告)日：2022-04-29
申请号：CN202110546145.1
申请日：2021-05-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于光学图像的气液两相流智能识别方法，准备训练数据集和测试数据集；构建全卷积网络模型FCN；根据训练好的FCN全卷积网络模型识别气液两相流中的气泡：对于训练完成后的FCN全卷积网络模型，为模型输入一张气液两相流待识别的图片，通过网络可近乎精确识别图片中的气泡，计算并得到气泡识别的精确度。将基于深度监督学习和数据提取的FCN方法引入到气液两相流识别中，它可以通过多层卷积操作从像素级别自动提取信息，以提取抽象的语义概念，使用上采样层和多尺度融合技术来进一步优化结果，使高级子网多次融合了低级子网的特征，保持极高的分辨率，从而提高气泡识别的精度。
-
公开(公告)号：CN113838089A
公开(公告)日：2021-12-24
申请号：CN202111102543.0
申请日：2021-09-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于特征匹配算法的气泡轨迹跟踪方法。本发明基于ORB特征匹配算法，针对气液两相流图像序列数据，提出了一种去离子水中形状发生变化的气泡轨迹跟踪方法。在模型结构上，首先进行图像预处理，包括：图像切割、信号亮度增强、图像去噪；其次，进行图像二值化，识别并输出只含有气泡轮廓的图像。再者，对相邻两帧图像中的同一气泡进行匹配。运用ORB算法对气泡轮廓特征进行提取和匹配，并根据特征匹配的结果找到气泡在下一帧图像中的位置(以气泡的几何中心坐标记录气泡的位置信息)。最后，将每一帧图像与其相邻两帧图像的匹配得到的结果进行综合，得到识别出气泡轨迹。
-
公开(公告)号：CN113313000A
公开(公告)日：2021-08-27
申请号：CN202110546145.1
申请日：2021-05-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于光学图像的气液两相流智能识别方法，准备训练数据集和测试数据集；构建全卷积网络模型FCN；根据训练好的FCN全卷积网络模型识别气液两相流中的气泡：对于训练完成后的FCN全卷积网络模型，为模型输入一张气液两相流待识别的图片，通过网络可近乎精确识别图片中的气泡，计算并得到气泡识别的精确度。将基于深度监督学习和数据提取的FCN方法引入到气液两相流识别中，它可以通过多层卷积操作从像素级别自动提取信息，以提取抽象的语义概念，使用上采样层和多尺度融合技术来进一步优化结果，使高级子网多次融合了低级子网的特征，保持极高的分辨率，从而提高气泡识别的精度。
-
公开(公告)号：CN104156629A
公开(公告)日：2014-11-19
申请号：CN201410448618.4
申请日：2014-09-04
Applicant: 哈尔滨工程大学
CPC classification number: Y02A90/18
Abstract: 本发明的目的在于提供一种基于相对辐射校正的导航雷达图像反演海面风向方法，包含导航雷达图像序列采集、导航雷达图像预处理、导航雷达图像相对辐射较正和海面风向反演四个部分。本发明在应用风条纹反演风向中增添导航雷达图像相对辐射校正环节，有效消除了导航雷达回波强度径向衰减对风向反演造成的影响。导航雷达图像相对辐射校正采用一种自适应拉格朗日最小二乘分段拟合校正法，既保证校正后不会破坏海杂波图像特征，又提高了工程的适用性。
-
公开(公告)号：CN102621531B
公开(公告)日：2014-05-07
申请号：CN201210105517.8
申请日：2012-04-12
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于X波段雷达图像的降雨干扰抑制方法，属于遥感技术领域。所述的方法引入质量控制，确定存在问题的图像；接着引入三维表面参数来描述雷达回波图像的三维特性；然后结合信噪比及三维表面参数确定图像产生问题的原因，并确定降雨图像；最后利用频域滤波的方式处理被降雨影响较轻的图像。与现有降雨干扰抑制算法相比，本发明减少了需要进行识别判断的数据量，提高算法运行速度；比二维参数能提供更多的信息，描述更接近于真实表面，且能够给出所研究表面的直观图像以及与表面形态有关的足够信息；能更准确的确定雷达回波图像中受降雨影响的数据，以及影响的程度；能更准确地识别降雨资料；提高了海浪参数的反演精度。
-
Patent Agency Ranking
公开(公告)号：CN102662164A
公开(公告)日：2012-09-12
申请号：CN201210073712.7
申请日：2012-03-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于X波段雷达图像和粒子群优化的海表面流信息提取方法，属于海浪参数反演技术领域。本方法首先初始化粒子的位置、速度等参数，并提供了船速初始化法和估流初始化法来确定粒子的初始位置，然后将初始的位置作为粒子所经的最佳位置，通过计算各粒子的适应度函数的值，选取值最小的粒子的位置作为种群的当前最佳位置，然后更新粒子在下一代的速度和位置，并计算更新后的位置的适应度函数的值，根据该值更新各粒子的最佳位置以及种群的最佳位置，不停迭代，直到达到了停止条件结束。本方法提高了海流信息估计的准确性，大大降低了海流反演过程中陷入局部最优的可能性。
-
公开(公告)号：CN102163322A
公开(公告)日：2011-08-24
申请号：CN201110063450.1
申请日：2011-03-16
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供基于拉普拉斯算子的雷达图像中同频干扰的抑制方法，首先读取原始雷达回波图像，用改进的拉普拉斯算子来检测图像中的同频干扰，得到雷达图像各点的二阶微分值，区分开灰度突变的区域及灰度慢变的区域，确定噪声点的位置，采用线性插值的方法将噪声点信息剔除，并用图像中的非噪声的灰度值插补噪声点的灰度值，对每个噪声点重复上面的步骤，直至达到抑制同频干扰的目的。本发明能较好的检测、去除同频干扰噪声点，最大程度地保留原来海浪的回波信息，为后续的海流反演等提供较高质量的海浪回波数据。
-
公开(公告)号：CN102103708A
公开(公告)日：2011-06-22
申请号：CN201110031278.1
申请日：2011-01-28
Applicant: 哈尔滨工程大学
IPC: G06N3/08
Abstract: 本发明提出一种基于径向基神经网络的海浪有效波高反演模型建模方法，包括：步骤1、利用径向基神经网络建立海浪有效波高反演模型基本结构；步骤2、将学习样本数据的野值点剔除；步骤3、确定海浪有效波高反演模型中网络第二层的隐层节点数量H以及选取各隐节点数据中心值；步骤4、利用有效学习样本集合Sn进行网络训练。本发明利用径向基神经网络这种非线性建模方法进行建模，与传统的线性模型建模方法相比其模型表示能力更强，并且本发明采用的径向基神经网络具有万能逼近特性，与传统建模方法相比具有更高的建模精度。
-
公开(公告)号：CN113591954B
公开(公告)日：2023-10-27
申请号：CN202110818499.7
申请日：2021-07-20
Applicant: 哈尔滨工程大学
IPC: G06F18/213 , G06F18/241 , G06N3/0464
Abstract: 本发明公开了一种工业系统中缺失的时序数据的填充方法，包括步骤一：数据预处理；步骤二：针对缺失的多元时序数据，以边界平衡生成对抗网络BEGAN模型为基础，构建生成对抗网络模型BiGRU‑BEGAN；步骤三：训练BiGRU‑BEGAN网络模型；步骤四：用训练好的BiGRU‑BEGAN模型生成完整的人工数据并填充原始缺失数据。本发明通过生成对抗网络与双向循环神经网络结合的模型，最大化利用真实存在的数据信息，生成符合原始缺失数据特征分布规律的完整人工数据，再将缺失数据填充完整。利用填充好的完整数据进行后续的故障分类任务，增加缺失数据的分类准确率。
-
公开(公告)号：CN116245918A
公开(公告)日：2023-06-09
申请号：CN202310236688.2
申请日：2023-03-13
Applicant: 哈尔滨工程大学
IPC: G06T7/277 , G06N3/08 , G06V10/74 , G06N3/0464
Abstract: 本发明提供一种液体中气泡的轨迹跟踪与检验方法，步骤一：获取气泡流数据；步骤二：训练YOLOv5检测算法模型；步骤三：训练DeepSort跟踪算法模型；步骤四：获得跟踪轨迹；基于YOLOv5算法训练所得检测模型，结合DeepSort算法训练所得跟踪模型，对气泡流数据进行跟踪，得到跟踪轨迹；步骤五：利用相似度指标，提升算法性能；本发明对液体中的运动气泡，运用基于目标检测算法的多目标跟踪算法，考虑目标外观及运动信息，实现对形状可能发生改变的气泡进行持续跟踪。此外，以轨迹相似度作为检验指标，优化多目标跟踪算法，得到一个跟踪性能更好的算法模型，为后续研究提供具有可靠性的轨迹数据。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
