基于鲁棒性背景先验和全局信息的显著性目标检测方法

    公开(公告)号:CN111310768B

    公开(公告)日:2023-04-18

    申请号:CN202010063895.9

    申请日:2020-01-20

    Applicant: 安徽大学

    Abstract: 本发明属于图像处理技术领域,具体涉及基于鲁棒性背景先验和全局信息的显著性目标检测方法。该方法包括以下步骤:构建待检测图像的超像素标签矩阵;构建待检测图像的超像素权重矩阵;筛选瞬态节点和吸收节点;构建待检测图像的马尔科夫转移矩阵,并计算瞬态节点吸收时间;构建马尔科夫转移矩阵的显著性特征图;根据权重矩阵,计算超像素点的前背景概率;构建鲁棒性背景先验显著特征图;将马尔科夫转移矩阵的显著性特征图和鲁棒性背景先验显著特征图进行叠加整合,并利用所有超像素点的显著性值,生成超像素点的综合显著性检测图。本发明整合了鲁棒性背景先验方法和全局信息,得到的显著性目标更均匀,能更有效地计算图像的显著性值。

    一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法

    公开(公告)号:CN119002275B

    公开(公告)日:2025-02-28

    申请号:CN202411104675.0

    申请日:2024-08-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法,包括以下步骤:建立含有参数不确定性和输入时延的离散线性系统;建立针对无穷时域优化控制问题;基于估计系统、误差传递系统,建立基于时变更新率的自适应更新律并在线更新系统的估计参数;基于在线更新的系统的估计参数,针对无穷时域优化控制问题,采用椭球体参数化法简化优化过程,使用Tube‑MPC设计控制器,得到离线优化问题和在线优化问题;求解离线优化问题和在线优化问题,得到优化结果。本发明提出的控制方法具有计算效率高、适应性强和鲁棒性好的优点,可广泛应用于自动控制、工业过程控制等领域,尤其适用于存在参数不确定性和输入时延的复杂系统。

    基于加权直方图分布伽玛校正的奇异值均衡图像增强算法

    公开(公告)号:CN112785532B

    公开(公告)日:2022-11-18

    申请号:CN202110037140.6

    申请日:2021-01-12

    Applicant: 安徽大学

    Inventor: 徐超 李凯 李正平

    Abstract: 本发明涉及图像处理领域,公开了一种基于加权直方图分布伽玛校正的奇异值均衡图像增强算法。根据内窥镜图像亮度的不同,将图像分成暗图像、中等亮度图像和亮图像。对于暗图像,采用截断伽玛值的加权直方图分布伽玛校正;中等亮度图像将图像分成低对比度和中等对比度,根据对比度不同确定伽玛值;对于亮度图像,采用基于负像的加权直方图分布伽玛校正;同时提出了一种加权自适应奇异值均衡方法,自适应确定加权参数。然后将提出的自适应伽玛校正用于基于小波变换的加权自适应奇异值均衡。针对不同亮度采用相对应的伽玛校正方法,有效避免了图像的细节和边缘的丢失、对直方图进行剪切,避免了图像的过度增强、图像亮度保持较好,颜色不失真。

    基于加权直方图分布伽玛校正的奇异值均衡图像增强算法

    公开(公告)号:CN112785532A

    公开(公告)日:2021-05-11

    申请号:CN202110037140.6

    申请日:2021-01-12

    Applicant: 安徽大学

    Inventor: 徐超 李凯 李正平

    Abstract: 本发明涉及图像处理领域,公开了一种基于加权直方图分布伽玛校正的奇异值均衡图像增强算法。根据内窥镜图像亮度的不同,将图像分成暗图像、中等亮度图像和亮图像。对于暗图像,采用截断伽玛值的加权直方图分布伽玛校正;中等亮度图像将图像分成低对比度和中等对比度,根据对比度不同确定伽玛值;对于亮度图像,采用基于负像的加权直方图分布伽玛校正;同时提出了一种加权自适应奇异值均衡方法,自适应确定加权参数。然后将提出的自适应伽玛校正用于基于小波变换的加权自适应奇异值均衡。针对不同亮度采用相对应的伽玛校正方法,有效避免了图像的细节和边缘的丢失、对直方图进行剪切,避免了图像的过度增强、图像亮度保持较好,颜色不失真。

    一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法

    公开(公告)号:CN119002275A

    公开(公告)日:2024-11-22

    申请号:CN202411104675.0

    申请日:2024-08-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法,包括以下步骤:建立含有参数不确定性和输入时延的离散线性系统;建立针对无穷时域优化控制问题;基于估计系统、误差传递系统,建立基于时变更新率的自适应更新律并在线更新系统的估计参数;基于在线更新的系统的估计参数,针对无穷时域优化控制问题,采用椭球体参数化法简化优化过程,使用Tube‑MPC设计控制器,得到离线优化问题和在线优化问题;求解离线优化问题和在线优化问题,得到优化结果。本发明提出的控制方法具有计算效率高、适应性强和鲁棒性好的优点,可广泛应用于自动控制、工业过程控制等领域,尤其适用于存在参数不确定性和输入时延的复杂系统。

    基于鲁棒性背景先验和全局信息的显著性目标检测方法

    公开(公告)号:CN111310768A

    公开(公告)日:2020-06-19

    申请号:CN202010063895.9

    申请日:2020-01-20

    Applicant: 安徽大学

    Abstract: 本发明属于图像处理技术领域,具体涉及基于鲁棒性背景先验和全局信息的显著性目标检测方法。该方法包括以下步骤:构建待检测图像的超像素标签矩阵;构建待检测图像的超像素权重矩阵;筛选瞬态节点和吸收节点;构建待检测图像的马尔科夫转移矩阵,并计算瞬态节点吸收时间;构建马尔科夫转移矩阵的显著性特征图;根据权重矩阵,计算超像素点的前背景概率;构建鲁棒性背景先验显著特征图;将马尔科夫转移矩阵的显著性特征图和鲁棒性背景先验显著特征图进行叠加整合,并利用所有超像素点的显著性值,生成超像素点的综合显著性检测图。本发明整合了鲁棒性背景先验方法和全局信息,得到的显著性目标更均匀,能更有效地计算图像的显著性值。

Patent Agency Ranking