专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果43309个,建议您升级VIP下载更多相关专利
  • [发明专利]气动光学效应图像空变模糊核的点近邻复原方法及系统-CN202111364544.2有效
  • 洪汉玉;刘新宇;张耀宗;张天序;曹新莉 - 武汉工程大学
  • 2021-11-17 - 2022-03-15 - G06T5/00
  • 本发明公开了一种基于气动光学效应图像空变模糊核的点近邻复原方法,包括以下步骤:对输入的气动光学效应的模糊图像进行计算,滤除对估计模糊核不利的部分区域,筛选得到图像中多个大梯度结构区域;对筛选出的多个大梯度结构区域对应的模糊图像区域,估计出各区域的模糊核,同样计算出整幅模糊图像的总模糊核;将模糊图像中每个像素点到各区域中心点的距离进行比较,将距离最近的区域的模糊核作为该像素点的模糊核;利用空变模糊核的空间相关性,得到每个像素点的近似精确模糊核;根据每个像素点的近似精确模糊核,逐点反卷积计算得到复原图像。本发明可以提高气动光学效应模糊图像的复原质量。
  • 气动光学效应图像模糊近邻复原方法系统
  • [发明专利]一种基于NB-IoT的自适应模糊数据上传方法-CN201911187121.0有效
  • 周才科;罗洪伟;余龙 - 重庆前卫表业有限公司
  • 2019-11-27 - 2022-05-27 - H04Q9/00
  • 本申请公开一种基于NB‑IoT的自适应模糊数据上传方法,其中设备的数据上传时间点为优化控制对象,参考输入为当前设备的数据上传时间点,将通讯结果和原始数据进行误差比较,当出现误差信号e时,选误差信号e作为模糊控制器的一个输入量,把误差信号的精确量进行模糊量化变成模糊量,误差e的模糊量可用相应的模糊语言表示,从而得到误差e的模糊语言集合的一个子集E,再将E(模糊向量)和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策,得到模糊控制量U,为了对被控对象施加精确的控制,还需要将模糊量U进行非模糊化处理转换为精确量,得到精确数字量后,从而修改设备的数据上传点,从而经过循环优化,最终找到最优上传时间点。
  • 一种基于nbiot自适应模糊数据上传方法
  • [发明专利]一种图像处理方法、装置、电子设置以及存储介质-CN201910842646.7有效
  • 张凯皓;马林;李志锋;刘威 - 腾讯科技(深圳)有限公司
  • 2019-09-06 - 2022-12-09 - G06T5/00
  • 本申请实施例公开了一种图像处理方法、装置、电子设置以及存储介质,本申请属于人工智能领域,方法包括:获取原始模糊图像,获取去模糊生成模型;模糊生成模型包括顶部卷积层、第一卷积层和第二卷积层;基于顶部卷积层中的卷积函数,对原始模糊图像进行卷积,得到输入模糊图像编码特征;基于第一卷积层中的卷积函数和激活函数,对输入模糊图像编码特征进行卷积,得到第一模糊图像编码特征;将输入模糊图像编码特征和第一模糊图像编码特征叠加为第二模糊图像编码特征;基于第二卷积层中的卷积函数和激活函数,对第二模糊图像编码特征进行卷积,得到与原始模糊图像对应的目标清晰图像。采用本申请,可以提高将模糊图像去模糊的效率。
  • 一种图像处理方法装置电子设置以及存储介质
  • [发明专利]基于互补结构感知的内外循环驱动图像盲去模糊方法和装置-CN202110073332.2有效
  • 邵文泽;徐慧;许娟 - 南京邮电大学
  • 2021-01-20 - 2022-11-01 - G06T5/00
  • 本发明公开了基于互补结构感知的内外循环驱动图像盲去模糊方法和装置,图像处理技术领域,方法包括:输入模糊图像并利用图像先验知识获得模糊图像的初始模糊核;基于L0+RDP正则化模型和初始化模糊核对模糊图像进行非盲去模糊的迭代处理;判断所述迭代处理是否达到预设最大迭代次数,若达到预设最大迭代次数时,停止迭代处理,获得最终的中间模糊核,利用最终的中间模糊核对输入的模糊图像进行非盲去模糊处理,获得去模糊的最终清晰图像。本发明的方法和装置在图像梯度L0稀疏先验的基础上引入了一个RDP函数作为正则项,能够在区分图像边缘陡度的情况下较好地保留图像边缘信息,提高去模糊结果的精度,进而能够更好地估计出模糊核和清晰图像。
  • 基于互补结构感知内外循环驱动图像模糊方法装置
  • [发明专利]一种基于图像区域划分的非均匀一致模糊去除方法-CN202110288031.1在审
  • 张艳宁;朱宇;王珮;李睿;孙瑾秋 - 西北工业大学
  • 2021-03-18 - 2021-07-09 - G06T5/00
  • 本发明涉及一种基于图像区域划分的非均匀一致模糊去除方法,属于图像处理技术领域。包括以下步骤:提取单帧模糊图像中有利于后续重建清晰图像的特征图,将特征图输入到强模糊和弱模糊检测模块中,分别输出检测到的强模糊区域和弱模糊区域注意力图;分别将强模糊区域和弱模糊区域注意力图与特征图进行按位点乘,并加上输入的特征图,提取出按照图像成份被划分出的强模糊区域和弱模糊区域在原始特征图上的特征信息;随后分别输入到强模糊和弱模糊去除的解码器模块中,采用两个解码器分支同时重建潜在的清晰图像的形式,分别得到去除强模糊及弱模糊后的图像:之后输入到特征融合模块进而生成完整的去模糊后的最终清晰图像。
  • 一种基于图像区域划分均匀一致模糊去除方法
  • [发明专利]小波模糊大脑情感学习控制方法、装置、设备及存储介质-CN201810927199.0有效
  • 赵晶;林志民;钟智雄;徐敏 - 厦门理工学院
  • 2018-08-15 - 2021-06-15 - G05B13/04
  • 本发明公开了一种小波模糊大脑情感学习控制方法、装置、终端设备和存储介质,方法包括:获取输入变量;通过小波函数将输入变量进行映射,得到模糊集合。根据预先建立模糊规则模拟大脑的感觉和情感的学习过程,通过自适应学习规律和监督学习方式更新杏仁核系统的模糊权重和脑前额叶系统的模糊权重。根据杏仁核系统的模糊权重和模糊集合的线性关系得到杏仁核系统的解模糊化算子以及根据脑前额叶系统的模糊权重以及模糊集合的线性关系得到脑前额叶系统的解模糊化算子。根据杏仁核系统的解模糊化算子以及脑前额叶系统的解模糊化算子,得到解模糊化输出结果,根据解模糊化输出结果,获得大脑情感学习控制模型的模拟结果并用于对实际事物的控制模拟。
  • 模糊大脑情感学习控制方法装置设备存储介质
  • [发明专利]基于分层模型的局部运动模糊区域自动检测提取方法-CN201910470451.4有效
  • 赵明华;李丹;石争浩;岳丽琴;程丹妮 - 西安理工大学
  • 2019-05-31 - 2022-04-12 - G06T5/00
  • 本发明公开了一种基于分层模型的局部运动模糊区域自动检测提取方法,先输入一幅大小为M×N的模糊图像,用滑动窗口对图像分块并利用频率域模糊度衡量算法对模糊图像按块计算出其对应的模糊区域映射图m(x,y);再对其进行二值化阈值处理,得到初步模糊检测图像;再分别对初步模糊检测图像中的模糊区域与清晰区域进行腐蚀、膨胀处理,得到对应的前景、背景映射图;再利用前景、背景映射图对原始模糊图像进行标记,得到模糊图像所对应的trimap图;后利用k近邻抠图算法实现模糊区域的精确检测,得到模糊图像所对应的alpha图;后利用得到的alpha图提取出模糊图像所对应的模糊区域以及清晰区域。本发明为分层局部运动模糊图像复原方法提供了一种有效的预处理方法。
  • 基于分层模型局部运动模糊区域自动检测提取方法
  • [发明专利]一种车辆差速锁控制方法、终端设备及存储介质-CN202110933945.9在审
  • 涂岩恺;叶旭辉 - 厦门雅迅网络股份有限公司
  • 2021-08-13 - 2023-03-31 - F16H48/20
  • 本发明涉及一种车辆差速锁控制方法、终端设备及存储介质,该方法中包括:S1:构建第一模糊隶属度函数、第二模糊隶属度函数和模糊规则推理表;S2:实时采集环境值、道路等级与道路曲率值,获取道路曲率最大值;S3:根据道路曲率占比从第一模糊隶属度函数中获取对应的所有第一模糊区间和模糊值;S4:根据环境值从第二模糊隶属度函数中获取对应的所有第二模糊区间和模糊值;S5:将第一模糊区间与第二模糊区间匹配,得到模糊区间组合的组合模糊值;S6:取最大值对应的模糊区间组合作为模糊决策组合,从模糊规则推理表中获取决策结果;S7:根据决策结果进行差速锁的控制。
  • 一种车辆差速锁控制方法终端设备存储介质
  • [发明专利]一种基于FPGA的模糊控制芯片-CN200410060746.8无效
  • 方康玲;李浩 - 武汉科技大学
  • 2004-08-20 - 2006-02-22 - G05B13/00
  • 本发明涉及一种基于FPGA的模糊控制芯片。其技术方案是:将A/D转换控制模块[2]、模糊控制器[10]、串口通讯模块[7]和总控制模块[9]用硬件描述语言VHDL编程并被集成到一片FPGA[11]中,其中:模糊控制器[10]由模糊化模块[3]、模糊规则查表模块[4]、模糊规则表[5]、模糊推理模块[6]和反模糊化模块[8]组成;串口通讯模块[7]的一端分别与模糊控制器[10]中的模糊化模块[3]、模糊规则查表[5]和反模糊化模块[8]相连,另一端留有串口线供与计算机相连;总控制模块[9]分别与A/D转换控制模块[2]和模糊控制器[10]中的模糊化模块[3]、模糊规则查表模块[4]、模糊推理模块[6]、反模糊化模块[8]相连。
  • 一种基于fpga模糊控制芯片

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top