公开(公告)号：CN115481561A

公开(公告)日：2022-12-16

申请号：CN202110660941.8

申请日：2021-06-15

Applicant: 中国计量大学

Inventor： 石汇灵 ,  李旸晖 ,  黄泽钿 ,  李润坤 ,  洪博闻 ,  何云峰

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的半环点扩散函数的计算方法，其中神经网络为基于ResNet改进后的卷积神经网络。该方法可利用神经网络算法实现对半环点扩散函数进行快速计算并生成对应的半环点扩散函数图像，并且在原有计算方法的基础上引入弧长，间距等计算参数使所述计算方法的应用范围较原计算方法更加广泛。

公开(公告)号：CN115100074A

公开(公告)日：2022-09-23

申请号：CN202210870971.6

申请日：2022-07-22

Applicant: 中国计量大学

Inventor： 李润坤 ,  李旸晖 ,  黄泽钿 ,  张鑫 ,  洪博闻 ,  宁俭华 ,  陈旺磊 ,  吴豪 ,  王乐

IPC: G06T5/00 ,  G06V10/774 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于迁移学习的高质量超透镜图像恢复方法，其特征在于，包括：将待恢复超透镜图像II输入至构建的超透镜图像恢复网络中，得到高质量超透镜图像；构建所述超透镜图像恢复网络过程中：基于迁移学习的思想，利用采集的自然图像数据集对预训练网络进行训练，获得训练好的预训练模型；获取清晰图像和待恢复超透镜图像I，使用预训练模型对待恢复超透镜图像I进行预处理，获得超透镜图像数据集；接着利用超透镜图像数据集对超透镜图像恢复网络进行训练，获得训练好的超透镜图像恢复模型。本发明不仅能显著提升超透镜图像的信噪比，还能实现边缘细节区域的高质量恢复，从而达到恢复超透镜图像的目的。

公开(公告)号：CN114820330A

公开(公告)日：2022-07-29

申请号：CN202110085267.5

申请日：2021-01-22

Applicant: 中国计量大学

Inventor： 李润坤 ,  李旸晖 ,  牛浩 ,  陈旺磊 ,  潘苑茹 ,  王乐

IPC: G06T5/00 ,  G06T5/50

Abstract: 本发明公开了一种增强型显微图像降噪恢复方法，包括：1)将高信噪比显微图像进行噪声叠加处理，获得低信噪比显微图像；2)将成对高、低信噪比显微图像作为训练数据对成对输入到图像降噪神经网络中进行训练，获得训练好的图像降噪神经网络模型；3)将待测试噪声图像分别与标准高斯噪声图像和标准椒盐噪声图像输入图像判别系统；4)利用图像代数运算法，对步骤3)中进行噪声水平评估并分类后的待测试噪声图像进行处理，得到预处理后的显微图像；5)将预处理后的显微图像作为输入，调用训练好的图像降噪神经网络模型，获得降噪恢复后的显微图像，实现显微图像的恢复；6)对降噪恢复后的显微图像进行输出与显示，获得对应的降噪恢复后的显微图像，从而达到显微图像降噪恢复的目的。

公开(公告)号：CN113838132A

公开(公告)日：2021-12-24

申请号：CN202111105737.6

申请日：2021-09-22

Applicant: 中国计量大学

Inventor： 吴豪 ,  李旸晖 ,  李润坤 ,  黄泽钿 ,  王乐

IPC: G06T7/73 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的单分子定位方法。包括：1)计算仿真出三维粒子图像，将三维粒子图像中的粒子编码为二维矩形，得到二维矩形的参数信息。2)将步骤1)中计算仿真出的三维粒子图像和对应的二维矩形参数信息组成数据对作为训练集输入到卷积神经网络中进行学习训练，构建出三维粒子图像与二维矩形参数信息之间的映射关系，生成训练好的两者之间的映射关系的卷积神经网络模型。3)测试过程中将单分子图像输入到步骤2)中训练好的网络中，得到预测的二维矩形参数信息。4)将步骤3)中预测的二维矩形的参数信息转换为单分子图像中粒子的信息，利用单分子图像中粒子的信息进行三维重建达到单分子定位的目的。

公开(公告)号：CN113837960A

公开(公告)日：2021-12-24

申请号：CN202111105885.8

申请日：2021-09-22

Applicant: 中国计量大学

Inventor： 何云峰 ,  李旸晖 ,  李润坤 ,  黄泽钿 ,  王乐

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习提取畸变系数的畸变矫正方法，包括：1)生成畸变系数，根据畸变系数计算每个像素到图像中心的距离，从而构建出畸变图像；再进行图像大小设置，获得标准畸变图像。2)利用步骤1)构建的标准畸变图像与其对应的畸变系数对深度神经网络进行训练，构建标准畸变图像和畸变系数之间的映射关系，得到用于畸变系数提取的深度神经网络模型。3)对待矫正畸变图像进行图像大小设置，得到标准待矫正畸变图像，将标准待矫正畸变图像作为深度神经网络模型的输入，利用用于畸变系数提取的深度神经网络模型提取标准待矫正畸变图像的畸变系数。4)根据步骤3)中得到的畸变系数，使用畸变矫正模型实现标准待矫正畸变图像。

公开(公告)号：CN215494204U

公开(公告)日：2022-01-11

申请号：CN202121351701.1

申请日：2021-06-15

Applicant: 中国计量大学

Inventor： 饶成 ,  李旸晖 ,  石汇灵 ,  洪博闻 ,  李润坤 ,  陈旺磊

IPC: G02B5/28

Abstract: 本实用新型提供的一种在通带500纳米‑700纳米波段高透射，351纳米‑467纳米、771纳米‑890纳米波段高截止，中心波长600纳米处0度‑50度入射角内低偏振的滤光片。该低偏振宽带滤光片包括在基底一侧由高低折射率材料交替堆叠的膜系。本实用新型可以被应用在许多宽带宽、高透射率、角度范围要求较大的滤光情况中。

公开(公告)号：CN217485710U

公开(公告)日：2022-09-23

申请号：CN202221591828.5

申请日：2022-06-17

Applicant: 中国计量大学

Inventor： 陈旺磊 ,  李旸晖 ,  洪博闻 ,  李润坤 ,  黄泽钿 ,  吴豪

IPC: H01Q15/00 ,  H01Q15/24 ,  G02B5/30

Abstract: 本实用新型公开了一种基于超表面的太赫兹偏振转换器，它的基本单元结构包括自上而下依次设置的顶层金属图案层(1)、中间介质层(2)和底层金属层(3)；顶层金属图案层(1)包括贴附于中间介质层(2)上表面的第一金属贴片(1‑1)、第二金属贴片(1‑2)和第三金属贴片(1‑3)，整个顶层金属图案层(1)为中心对称图形；第一金属贴片(1‑1)是金属同心圆环，第二金属贴片(1‑2)是双开口谐振环结构，为具有两个开口的金属圆环且两个开口分别位于圆环的一条直径两端，双开口谐振环的直径与x轴的角度α为45°，第三金属贴片(1‑3)是矩形，矩形的长轴与x轴的角度α为45°。本实用新型具有结构简单、工作频谱范围更宽等特点，能够对线偏振入射的太赫兹波进行偏振转换，实现线‑圆偏振的偏振转换。