公开(公告)号：CN117274044A

公开(公告)日：2023-12-22

申请号：CN202310148700.4

申请日：2023-02-22

Applicant: 中国计量大学

Inventor： 赵建伟 ,  王文杰 ,  张大宝 ,  周正华 ,  叶敏超

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及图像处理技术领域，本发明公开了一种面向图像超分辨率的l2,1模型驱动的轻量级深度递归网络，包括：图像采集模块，用于获取结构噪声的单幅图像；图像处理模块，用于对单幅图像进行栅格处理，并通过卷神经网络模型获得图像特征信息；分析模块，用于对图像特征信息进行优化，实现图像的超分辨率重建；分析模块的分析步骤包括：首先提出l2,1重建优化模型；采用乘法器交替方向法(ADMM)将l2,1优化问题分解为x‑子问题和d‑子问题；采用优化算法(MM)和半二次优化策略求解上述两个子问题；最后根据获得的最优迭代解，设计面向图像超分辨率的高效轻量级深度递归网络。

公开(公告)号：CN118396856A

公开(公告)日：2024-07-26

申请号：CN202410593404.X

申请日：2024-05-14

Applicant: 中国计量大学

Inventor： 赵建伟 ,  王庭伟 ,  王文杰 ,  洪涛 ,  叶敏超

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06N5/045 ,  G06N3/084

Abstract: 本发明涉及一种基于CNN‑Transformer可解释的轻量级图像超分辨率重建方法，包括：S1、对原始数据集进行预处理，得到所需LR和HR训练数据；S2、融合数据驱动与模型驱动，构建l1范数的图像退化模型，并根据分裂Bregman算法、优化最小算法和软阈值算子推导出有效可解释的迭代模型；S3、由步骤S2的迭代模型设计轻量级的CNN‑Transformer图像超分辨率网络；S4、设置损失函数、相关参数，比较迭代过程中评价指标PSNR和SSIM的数值，确定最佳图像超分辨重建模型；S5、性能测试，将低分辨率的图像输入到步骤S4获得的最佳图像超分辨重建模型中，获得超分辨率图像和评价指标。

公开(公告)号：CN115754057A

公开(公告)日：2023-03-07

申请号：CN202211431166.X

申请日：2022-11-14

Applicant: 中国计量大学

Inventor： 钱亚婷 ,  胡立芳 ,  王文杰 ,  丁涛 ,  张冬晨

IPC: G01N30/02 ,  G01N30/06 ,  G01N30/60

Abstract: 本发明提供一种垃圾填埋场砷形态的分离方法及装置。构建一个净化‑吸附‑离子交换柱一体化装置实现As(Ⅲ)、As(V)、一甲基砷酸(MMAA)和二甲基砷酸(DMAA)的分离。用净化装置过滤渗滤液并在其膜滤器上收集颗粒砷，而液体砷利用蠕动泵来输送至吸附分离装置。将渗滤液样品的液体砷通过第一吸附柱，首先对As(III)进行分离富集，收集滤出液。20％和2％的KI‑硫脲溶液将滤出液中的As(V)还原至As(Ⅲ)，再通过第二吸附柱进行分离富集。As(V)富集完后的滤出液输送通过串联的不同填料的离子交换柱，从而实现MMAA、DMAA的分离富集。本发明可最大程度的避免砷形态的变化，能准确分析基质复杂的环境样品中的不同形态砷。