检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2023年第8期35卷 1229-1238页

作者：赵蓝飞魏莲莲刘赫哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080

为了解决现有色阶重建算法存在的明暗对比欠佳以及细节弱化问题,提出一种基于局部对比度保持的色阶重建算法.首先利用二阶范数构建聚类准则,通过动态规划对聚类准则进行最优化,实现全局色阶重建;然后通过局部边缘保持滤波对局部对比度... 详细信息

为了解决现有色阶重建算法存在的明暗对比欠佳以及细节弱化问题,提出一种基于局部对比度保持的色阶重建算法.首先利用二阶范数构建聚类准则,通过动态规划对聚类准则进行最优化,实现全局色阶重建;然后通过局部边缘保持滤波对局部对比度进行估计,根据局部对比度一致性构建线性方程组,方程组的解是保证局部细节特征的重建图像.在TMQI数据库上的实验结果表明,所提算法对应的主观打分均值达到0.898,色阶映射图像质量测度达到0.896,局部均值韦伯对比度达到1.645,均高于现有的色阶重建算法;该算法可以有效地保证重建图像整体明暗效果,重建图像的局部细节较为丰富.

关键词：高动态范围图像色阶重建色阶聚类动态规划局部对比度保持

来源：评论

学校读者我要写书评

暂无评论

基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络

引用

电子与信息学报 2024年第12期46卷 4563-4574页

作者：韩玉兰崔玉杰罗轶宏兰朝凤哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室哈尔滨150080

生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差... 详细信息

生成对抗网络因其为盲超分辨率重构提供了新的思路而备受关注。针对现有方法未充分考虑图像退化过程中的低频保留特性而对高低频成分采用相同的处理方式,缺乏对频率细节有效利用,难以获得较好重构效果的问题,该文提出一种基于密集残差和质量评估引导的频率分离生成对抗超分辨率重构网络。该网络采用频率分离思想,对图像的高频和低频信息分开处理,从而提高高频信息捕捉能力,简化低频特征处理。该文对生成器中的基础块进行设计,将空间特征变换层融入密集宽激活残差中,增强深层特征表征能力的同时对局部信息差异化处理。此外,利用视觉几何组网络(VGG)设计了专门针对超分辨率重构图像的无参考质量评估网络,为重构网络提供全新的质量评估损失,进一步提高重构图像的视觉效果。实验结果表明,同当前先进的同类方法比,该方法在多个数据集上具有更佳的重构效果。由此表明,采用频率分离思想的生成对抗网络进行超分辨率重构,可以有效利用图像频率成分,提高重构效果。

关键词：超分辨率生成对抗网络频率分离质量评估密集残差

来源：评论

学校读者我要写书评

暂无评论

LGDNet:结合局部和全局特征的表格检测网络

引用

电子与信息学报 2024年第12期46卷 4553-4562页

作者：卢迪袁璇哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室哈尔滨150080

在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型... 详细信息

在大数据时代,表格广泛存在于各类文档图像中,进行表格检测对于表格信息再利用具有重要意义。针对现有的基于卷积神经网络的表格检测算法存在感受野受限、依赖于预设的候选区域以及表格边界定位不准确等问题,该文提出一种基于DINO模型的表格检测网络。首先,设计一种图像预处理方法,旨在增强表格的角点和线特征,以更好地区分表格与文本等其他文档元素。其次,设计一种主干网络SwTNet-50,通过在ResNet中引入Swin Transformer Blocks (STB),有效地进行局部-全局特征信息的提取,提高模型的特征提取能力以及对表格边界的检测准确性。最后,为了弥补DINO模型在1对1匹配中编码器特征学习不足问题,采用协同混合匹配训练策略,提高编码器的特征学习能力,提升模型检测精度。与多种基于深度学习的表格检测方法进行对比,该文模型在表格检测数据集TNCR上优于对比算法,在IoU阈值为0.5, 0.75和0.9时F1-Score分别达到98.2%, 97.4%和93.3%。在IIIT-AR-13K数据集上,IoU阈值为0.5时F1-Score为98.6%。

关键词：表格检测卷积神经网络 Transformer 特征提取

来源：评论

学校读者我要写书评

暂无评论

欠驱动无人船非奇异固定时间鲁棒包容控制

引用

控制与决策 2023年第5期38卷 1286-1294页

作者：马俊达谭冲刘可哈尔滨理工大学自动化学院哈尔滨150000 哈尔滨理工大学测控技术与通信工程学院哈尔滨150000 省级复杂智能系统与集成重点实验室哈尔滨150000

针对外界干扰下的欠驱动无人船包容控制问题,提出一种新型非奇异固定时间滑模控制策略.整个控制器设计过程分为运动学回路设计和动力学回路设计.在运动学回路设计中,利用图论知识和固定时间稳定性理论设计非奇异固定时间分布式虚拟控制... 详细信息

针对外界干扰下的欠驱动无人船包容控制问题,提出一种新型非奇异固定时间滑模控制策略.整个控制器设计过程分为运动学回路设计和动力学回路设计.在运动学回路设计中,利用图论知识和固定时间稳定性理论设计非奇异固定时间分布式虚拟控制律,使得所有跟随船在固定时间内收敛于领导船张成的凸包内;在动力学回路设计中,为实现对虚拟控制律的跟踪控制,利用固定时间滑模控制法设计鲁棒包容控制律.最后,证明系统跟踪误差在固定时间收敛于平衡点,且与船舶的初始状态无关.仿真结果验证了所提出控制策略的有效性.

关键词：无人船多船编队系统包容控制固定时间控制

来源：评论

学校读者我要写书评

暂无评论

用于颈部超声图像的SED-UNet分割方法研究

引用

哈尔滨理工大学学报 2024年第2期29卷 7-15页

作者：刘明珠付聪宋诗杰赵首博哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080

超声图像作为目前常用的医疗诊断手段之一,人工判读超声图像很大程度上依赖于医生主观经验知识,耗时耗力,难以满足快速、批量的临床诊断需求,因此提出了一种基于深度学习和可变形卷积U-Net的图像分割模型SED-UNet。用可变形卷积结合BN和... 详细信息

超声图像作为目前常用的医疗诊断手段之一,人工判读超声图像很大程度上依赖于医生主观经验知识,耗时耗力,难以满足快速、批量的临床诊断需求,因此提出了一种基于深度学习和可变形卷积U-Net的图像分割模型SED-UNet。用可变形卷积结合BN和Dropout层对原网络的卷积运算进行优化改进,提升网络收敛性、增加网络模型的鲁棒性、提升模型的训练效率,用SENet模块在解码阶段的跳跃连接处进行优化改进,提升分割准确率,进而构建适用于颈部超声图像分割的卷积神经网络模型。测试结果表明,提出的SED-UNet模型在颈部超声图像的自动分割方面性能良好,F1系数、精确率、MIoU参数相比传统U-Net结构分别提升了3.94%、7.61%、7.15%,从客观评价指标上达到了较好的分割效果。

关键词： SENet模块 U-Net 可变形卷积图像分割

来源：评论

学校读者我要写书评

暂无评论

基于互质阵列孔洞分析的稀疏阵列设计方法

引用

电子与信息学报 2022年第1期44卷 372-379页

作者：刘可朱泽政于军马俊达哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080 哈尔滨理工大学自动化学院哈尔滨150080

针对互质阵列产生连续延迟较少且冗余度高的问题,该文提出了两种基于互质阵列的稀疏设计方法。首先,通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响,得出互质阵列在去掉特定阵元后,将不改变连续延迟拓扑。然后,优化传感器阵... 详细信息

针对互质阵列产生连续延迟较少且冗余度高的问题,该文提出了两种基于互质阵列的稀疏设计方法。首先,通过分析阵元位置对互质阵列差分共阵总延迟和连续延迟影响,得出互质阵列在去掉特定阵元后,将不改变连续延迟拓扑。然后,优化传感器阵列布局,在保持整个阵列的阵元数不变的条件下,增加阵列连续延迟数量。其后,分别推得了两种提出阵列设计方法的连续延迟和自由度相关的数学表达式。最后,以相同物理传感器和相同估计方法开展对比仿真,验证提出稀疏阵列设计的DOA估计性能。

关键词：互质阵列稀疏阵列相关延迟 DOA估计

来源：评论

学校读者我要写书评

暂无评论

空间分组内卷积轻量级目标检测算法

引用

控制与决策 2025年

作者：卢迪赵庆哈尔滨理工大学测控技术与通信工程学院哈尔滨理工大学模式识别与信息感知黑龙江省重点实验室

针对现有轻量级目标检测算法存在检测精度不足、特征融合能力较弱及检测速度较慢等问题,本文在YOLOv8n基础上提出基于空间分组内卷积的轻量级目标检测算法.首先,在内卷积基础上提出一种新型空间分组内卷积(Spatial Group-Wise Involutio... 详细信息

针对现有轻量级目标检测算法存在检测精度不足、特征融合能力较弱及检测速度较慢等问题,本文在YOLOv8n基础上提出基于空间分组内卷积的轻量级目标检测算法.首先,在内卷积基础上提出一种新型空间分组内卷积(Spatial Group-Wise Involution, SGWInvo),克服内卷积空间信息建模方面的不足.基于SGWInvo进一步设计一种轻量化主干网络SCNet替换YOLOv8n主干网络.其次,提出一种双向路径聚合网络,提高多尺度目标的特征融合能力.最后,采用深度可分离卷积对检测头进行轻量化,结合YOLO2YOLO分步训练策略,消除NMS带来的推理时延.本文包括两种检测方法:一对多匹配的SGWInvo-YOLO和一对一匹配的SGWInvoYOYO.在COCO数据集上的实验表明,与YOLOv8n相比,两种算法参数量均降低23.3%, SGWInvo-YOLO与之推理速度相当,mAP0.5精度提升3.0%. SGWInvo-YOYO推理时延减少10.5%, mAP0.5精度提升2.3%.

关键词：空间分组内卷积双向路径聚合网络分步训练 YOLOv8n 轻量化目标检测

来源：评论

学校读者我要写书评

暂无评论

二值编码相位掩模交替迭代优化的无干涉非相干全息术

引用

光学学报 2024年第9期44卷 45-53页

作者：潘立辉于雪莲程绪坤孙彦乾李秀芳哈尔滨理工大学测控技术与通信工程学院黑龙江省量子调控重点实验室黑龙江哈尔滨150080 哈尔滨理工大学测控技术与通信工程学院黑龙江省激光光谱技术及应用重点实验室黑龙江哈尔滨150080 大恒新纪元科技股份有限公司北京光电技术研究所北京100085

提出基于交替策略的随机轨迹直接二进制搜索法。数值仿真结果表明,该方法有效抑制了迭代过程中直流偏置的增加并提高迭代速度。实验结果证明,在同样的迭代次数下,该方法显著降低了重建图像的相关重建噪声。该方法推动了无干涉编码孔径... 详细信息

提出基于交替策略的随机轨迹直接二进制搜索法。数值仿真结果表明,该方法有效抑制了迭代过程中直流偏置的增加并提高迭代速度。实验结果证明,在同样的迭代次数下,该方法显著降低了重建图像的相关重建噪声。该方法推动了无干涉编码孔径相关全息术(I-COACH)系统在可见光范围外成像的应用。

关键词：图像处理非相干全息术无干涉编码孔径相关全息术二值编码相位掩模直接二进制搜索法

来源：评论

学校读者我要写书评

暂无评论

基于GA优化BP神经网络的小电流接地故障选线方法

引用

电测与仪表 2024年第1期61卷 183-188页

作者：徐思旸范剑英丁强哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 哈尔滨理工大学测控技术与仪器黑龙江省高校重点实验室哈尔滨150080 烟台东方威思顿电气有限公司山东烟台264000

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验,通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法,将零序电流信号的各种特征量进行提取,经过故障测度函数计算得到故... 详细信息

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验,通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法,将零序电流信号的各种特征量进行提取,经过故障测度函数计算得到故障测度数据,将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试,讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异,输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明,综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法,且其选线速度与精度优于单一BP神经网络,能够更快速、有效地进行故障选线,满足配电网故障选线要求。

关键词：遗传算法故障选线 BP神经网络故障测度

来源：评论

学校读者我要写书评

暂无评论

基于动态事件触发的异质复杂网络量化同步控制

引用

控制理论与应用 2024年

作者：黄玲郭婧王云飞哈尔滨理工大学自动化学院教育部先进制造智能化技术重点实验室哈尔滨理工大学测控技术与通信工程学院

本文研究基于节点平均值轨道跟踪的异质复杂网络同步控制.首先,建立异质复杂网络的模型及节点平均值轨道模型.之后,设计动态事件触发条件,减少系统不必要的数据传输,引入对数量化器,构建复杂网络的同步误差模型.接着,利用Lyapunov稳定... 详细信息

本文研究基于节点平均值轨道跟踪的异质复杂网络同步控制.首先,建立异质复杂网络的模型及节点平均值轨道模型.之后,设计动态事件触发条件,减少系统不必要的数据传输,引入对数量化器,构建复杂网络的同步误差模型.接着,利用Lyapunov稳定性理论及相关引理,得到异质复杂网络最终指数有界同步的充分条件.然后,利用成熟线性矩阵不等式工具箱联合求解控制器和事件触发参数.最后,通过数值例子验证所提方法的有效性.

关键词：复杂网络异质网络同步控制事件触发机制量化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：