-
公开(公告)号：CN113923312B
公开(公告)日：2024-01-30
申请号：CN202111146369.X
申请日：2021-09-28
Applicant: 东南大学
IPC: H04N1/32
Abstract: 本发明公开了一种基于无线通信的数字图像编码层鲁棒可逆水印方法，首先发送端结合所使用的发送方式、编码方案、信道特征等进行秘密信息嵌入容量的分析反馈；随后其对待传输的载体和秘密信息进行信道编码，并通过编码重分块，伪随机加扰等操作进行预处理；在得到预处理后的载体和秘密信息后，发送端通过一轮随机位置嵌入和多轮近似均匀的循环移位嵌入将秘密信息隐藏在编码后的载体比特流中；接收端在收到伪装载体比特流后，一方面可以在解码前依据密钥从接收到的比特流中提取秘密信息，也可以直接进行逆预处理步骤和解码，恢复出原始的载体信息。
-
公开(公告)号：CN115758845A
公开(公告)日：2023-03-07
申请号：CN202211560168.9
申请日：2022-12-07
Applicant: 宿迁市高速铁路建设发展有限公司 , 中铁四局集团有限公司 , 东南大学
IPC: G06F30/23 , G06F30/27 , G06N3/044 , G06N3/0442 , G06N3/048 , G06N3/084 , G06F119/14 , G06F111/10
Abstract: 本发明涉及一种基于循环神经网络的多尺度软土地层单桩P‑Y曲线修正方法，可以准确预测单桩桩头受到水平荷载后的变形，特别是涉及到桩体水平荷载与变形计算领域。本发明通过数值模拟获取单桩微观P‑Y曲线、通过经验公式获取单桩力学P‑Y曲线，构建结合桩及地层环境变量的多尺度P‑Y曲线序列数据，相较于现有技术考虑了实际环境影响，提升了模型多因素分析能力。然后基于LSTM循环神经网络构建P‑YLSTM模型，该模型综合考虑多尺度力学推导结果和多模态经验数据影响，极大提高了P‑Y曲线预测的准确性，可以准确的计算软土地层中单桩桩头受到水平荷载后荷载与桩体变形的准确数值。
-
公开(公告)号：CN108734093A
公开(公告)日：2018-11-02
申请号：CN201810297035.4
申请日：2018-04-04
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种消除定点土地视频监控伪变化的方法，包括以下步骤：建立当地春耕秋收时间和耕地区域信息数据库；计算原始背景图像高明度区域占比；计算报警区域范围大小，如果区域范围大于阈值则触发伪变化检测机制：从“是否为下雨/雪”、“是否被积雪覆盖”及“是否处于农业生产”三个方面判断是否为伪变化触发的报警，当三个判断中的至少一个为“真”时，取消报警。本发明解决了传统人工进行识别和操作的低效和高成本的问题；显著提高了检测的准确性；减小了环境光照和其他环境因素带来的干扰。
-
公开(公告)号：CN108052917A
公开(公告)日：2018-05-18
申请号：CN201711419679.8
申请日：2017-12-25
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于新旧时相变化发现的违章建筑自动识别的方法，包括如下步骤：将采集到的大量视频信息经过跳帧处理，通过高斯混合模型得到新旧时相背景图像；对其设定灰度阈值，剔除雾天视频信息；配准新旧时相背景图片以获得差值图片，进行形态学的去噪处理得到新时相图像的多个变化区域，分析各变化区域的纹理确定是否存在违章建筑物空间结构特征，得到疑似违章建筑变化；检测挖掘机，排除常见运动物体停留造成的误判，并以此为先验知识进一步筛选建筑物；本发明解决了视频监控自动发现违章建筑过程中，违章建筑与合法建筑区分的困难，并去除了新旧时相背景图片差值后产生的各种干扰因素，大大提高了违章建筑的识别率和检测结果的鲁棒性。
-
公开(公告)号：CN105427739A
公开(公告)日：2016-03-23
申请号：CN201510995513.5
申请日：2015-12-24
Applicant: 东南大学
IPC: G09B29/00
CPC classification number: G09B29/004
Abstract: 本发明公开了一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法，本方法通过多传感器信息采集车辆，采集选定道路的位置信息、车辆信息；然后对采集到的道路位置信息进行初步处理，将经纬度坐标转化为平面坐标，并将转化后平面坐标表示的位置作为道路的节点；通过基于卡尔曼滤波的道路纵向坡度估计算法，估计出每个节点位置道路的纵向坡度；最后将道路的节点位置信息以及纵向坡度信息，利用数字地图制作软件制作成增强型数字地图。
-
Patent Agency Ranking
公开(公告)号：CN102305635B
公开(公告)日：2013-12-25
申请号：CN201110225420.6
申请日：2011-08-08
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明提供的是一种光纤捷联罗经系统的对准方法。步骤包括：根据基于双积分重力矢量的并行解析粗对准算法，利用光纤捷联罗经系统采集的光纤陀螺和石英加速度计数据，以及地球自转角速率、重力加速度、纬度等信息，完成光纤捷联罗经系统的粗对准；根据基于比力的精对准方法，建立以失准角为系统状态，以比力信息为系统量测的光纤捷联罗经系统精对准的卡尔曼滤波模型；利用滤波估计的失准角信息闭环修正姿态矩阵，完成光纤捷联罗经系统的精对准。本发明的方法具有如下优点：(1)粗对准算法通过重力矢量的双积分运算和并行融合运算，对系统随机误差进行了平滑抑制，提高了粗对准的精度和可靠性；(2)精对准算法的滤波模型简单。
-
公开(公告)号：CN114418066B
公开(公告)日：2024-07-23
申请号：CN202210022712.8
申请日：2022-01-10
Applicant: 东南大学
IPC: G06N3/043 , G06N3/0464 , H04L9/00
Abstract: 本发明公开了基于混沌神经网络和增强迭代结构的带密钥哈希函数构建方法，包括耦合映射格子生成混沌序列对明文进行填充；混沌神经网络作为压缩函数处理分组数据；增强的迭代结构处理各个分组数据生成哈希值。本发明的有益效果：可以提高哈希函数抵抗中间相遇攻击、多碰撞攻击、长度扩展攻击以及针对长信息的第二原像攻击的能力，使哈希函数具有更好的抗碰撞性和映射均匀性，可应用于数字签名、密钥生成、基于哈希的消息认证码、确定性随机比特发生器等密码领域。
-
公开(公告)号：CN117996040A
公开(公告)日：2024-05-07
申请号：CN202410264376.7
申请日：2024-03-08
Applicant: 东南大学
IPC: H01M4/36 , H01M4/58 , H01M4/583 , H01M10/054 , C01B19/00
Abstract: 本发明公开了一种钾离子电池负极材料、其制备方法及应用，属于电池材料技术领域。其中，负极材料为GO‑MoSe2‑CoSe2复合材料(G/MS‑CS)，其制备方法为水热法。本发明集成了氧化石墨烯(GO)、MoSe2和CoSe2复合材料。G/MS‑CS是通过简单的水热法制备的。该化合物作为钾离子电池负极材料，GO能够有效降低MoSe2‑CoSe2(MS‑CS)在嵌入钾离子时的体积膨胀并提高电导率，减少了在重复充放电过程中电极材料的粉碎，进而显著提高了电池的比容量和循环性能，很好地弥补了MoSe2‑CoSe2材料的不足。此外，嵌入GO中的MoSe2‑CoSe2材料旨在有效抑制钾离子嵌入、脱出过程中材料结构的破坏，维持结构稳定性并提高了反应动力学。本发明设计的G/MS‑CS具有层间距离大、高导电性和结构稳定等优势，可以促进离子扩散并提供高循环稳定性。
-
公开(公告)号：CN114418066A
公开(公告)日：2022-04-29
申请号：CN202210022712.8
申请日：2022-01-10
Applicant: 东南大学
Abstract: 本发明公开了基于混沌神经网络和增强迭代结构的带密钥哈希函数构建方法，包括耦合映射格子生成混沌序列对明文进行填充；混沌神经网络作为压缩函数处理分组数据；增强的迭代结构处理各个分组数据生成哈希值。本发明的有益效果：可以提高哈希函数抵抗中间相遇攻击、多碰撞攻击、长度扩展攻击以及针对长信息的第二原像攻击的能力，使哈希函数具有更好的抗碰撞性和映射均匀性，可应用于数字签名、密钥生成、基于哈希的消息认证码、确定性随机比特发生器等密码领域。
-
公开(公告)号：CN107909081B
公开(公告)日：2022-04-08
申请号：CN201711027026.5
申请日：2017-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种深度学习中图像数据集的快速获取和快速标定方法，将采集的视频经过电子稳像处理后，经中值滤波进行消噪和平滑处理，然后用高斯混合模型进行前景提取；根据提取出的前景的外轮廓的位置定位到原视频帧中对应的位置信息，以实现自动获取特定目标的最小包围盒；基于hog特征的局部模板匹配算法进行视频帧前景目标的分类；利用帧间匹配算法，将相邻帧中的对应连通区域进行同类别标记；得到了前景的位置信息和类别信息就实现了图像数据集的快速标定。本发明解决了深度学习中带标签数据数量非常少且获得新的带标签数据非常困难代价昂贵的问题，为特定类别的图像数据的训练和识别提供了很大的便利。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.076 seconds)
