-
公开(公告)号：CN107730451B
公开(公告)日：2020-06-05
申请号：CN201710911893.9
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统，包括：获取原始图像信号作为训练数据，并通过尺度变换和分割处理将训练数据分割为多个图像块；根据每个图像块的亮度分量和压缩感知理论模型，获得亮度分量对应的测量值；通过全连接网络对测量值进行线性映射处理，得到初步重建结果；将初步重建结果输入深度残差网络，训练得到估计残差值；将估计残差值与初步重建结果进行融合，生成重建信号。由此，本发明通过引入深度残差网络参与信号的重建，不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点，提升了还原信号的质量。
-
公开(公告)号：CN105225207B
公开(公告)日：2018-11-30
申请号：CN201510551103.1
申请日：2015-09-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于观测矩阵的压缩感知成像方法，包括：1)在待感知图像中划分为显著性区域和非显著性区域；2)设置观测矩阵的孔径，所述观测矩阵中，对应于显著性区域的像素尺寸小于其余区域的像素尺寸；3)生成满足有限等距特性的矩阵，将所生成的矩阵各个像素的像素值依序填充到步骤2)设置的观测矩阵中，得到孔径可变观测矩阵；4)基于所述孔径可变观测矩阵获取并记录待感知图像的观测值。本发明能够在保证图像质量的前提下大幅减少压缩感知成像的数据量；能够在保证图像质量的前提下显著减少采样次数，节省采样时间；另外，本发明可直接应用于相机的成像系统，从而在图像采集阶段直接降低采集数据量。
-
公开(公告)号：CN104484869B
公开(公告)日：2017-02-22
申请号：CN201410646014.0
申请日：2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
Abstract: 本发明提供一种面向排序测度特征的图像匹配方法，该方法首先获取待检测图像的排序测度特征和采样特征序列；对待检测图像的采样特征序列进行哈希，并基于哈希的结果来从图像库的哈希表中选择多个候选图像；然后通过计算该待检测图像的排序测度特征和各个候选图像的排序测度特征的相似度，来确定与该待检测图像匹配的图像。该方法对于图像的排序测度特征采用分级匹配的方法，提高了排序测度特征的匹配速度，使得该特征用于大规模图像匹配成为可能。而且可以通过控制采样分块的数目，调整排序测度特征哈希表的所需的内存开销，使之能用于不同内存大小的计算平台。
-
公开(公告)号：CN105184808A
公开(公告)日：2015-12-23
申请号：CN201510670734.5
申请日：2015-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
CPC classification number: G06T2207/10004
Abstract: 本发明提供一种光场图像前后景自动分割方法，包括：1)基于超像素分割算法将光场图像划分为多个基本区域；2)提取每个基本区域的聚焦度；3)生成各种可能的前后景分割方案，选出使得总代价最小的前后景分割方案，所述总代价是各个基本区域被划分为前景或者背景的单区域代价的和，每个基本区域的所述单区域代价根据该基本区域的聚焦度得出；或者总代价是所有基本区域的单区域代价与相邻基本区域的区域相似度代价的加权和，所述相邻基本区域的区域相似度代价根据被分别划分为前景和后景的两个相邻基本区域的图像特征距离得出。本发明能够对景深差异较小的光场图像进行准确的前后景自动分割，提高分割的准确度；并且本发明的计算量较小。
-
公开(公告)号：CN104735351A
公开(公告)日：2015-06-24
申请号：CN201510100489.4
申请日：2015-03-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种高分辨率光场图片重建方法，包括：1)获取所拍摄景象和视角均完全相同的光场图片和数码图片；2)根据所述光场图片与所述数码图片像素的对应关系，将所述光场图片中的光场信息映射到所述数码图片的相应像素上；3)对于映射了光场信息的数码图片中光场信息未知的每一个像素，根据该像素与周围光场信息已知像素的距离，计算出该像素的光场信息。本发明还提供了相应的用于高分辨率光场图片重建的成像装置。本发明显著提高了光场图片的空间分辨率，同时还具有计算复杂度低，处理速度快的优势。
-
Patent Agency Ranking
公开(公告)号：CN104484869A
公开(公告)日：2015-04-01
申请号：CN201410646014.0
申请日：2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
CPC classification number: G06K9/66 , G06F17/30047 , G06F17/30247
Abstract: 本发明提供一种面向排序测度特征的图像匹配方法，该方法首先获取待检测图像的排序测度特征和采样特征序列；对待检测图像的采样特征序列进行哈希，并基于哈希的结果来从图像库的哈希表中选择多个候选图像；然后通过计算该待检测图像的排序测度特征和各个候选图像的排序测度特征的相似度，来确定与该待检测图像匹配的图像。该方法对于图像的排序测度特征采用分级匹配的方法，提高了排序测度特征的匹配速度，使得该特征用于大规模图像匹配成为可能。而且可以通过控制采样分块的数目，调整排序测度特征哈希表的所需的内存开销，使之能用于不同内存大小的计算平台。
-
公开(公告)号：CN104469372A
公开(公告)日：2015-03-25
申请号：CN201410638332.2
申请日：2014-11-06
Applicant: 中国科学院计算技术研究所
IPC: H04N19/42 , H04N19/176 , H04N19/88
Abstract: 本发明提供一种用于压缩微透镜阵列采集的光场图像的方法和系统，所述方法包括：从光场图像中分解出多幅微图像，其中每幅微图像由组成该光场图像的所有宏像素块中相同位置的像素点组成；将所述多幅微图像进行排序并按该顺序合成为无损视频文件；以及采用基于视频编码的方法对所述视频文件进行压缩。本发明适用于压缩由微透镜阵列获取的光场图像，能够达到较高的压缩比，并且具有较好的压缩性能。
-
公开(公告)号：CN119168321A
公开(公告)日：2024-12-20
申请号：CN202411333338.9
申请日：2024-09-24
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06N5/01
Abstract: 本发明提出一种基于联合优化的播种作业农机调度方法和装置，包括：根据收获作业中的农场总面积、农机具宽幅，构建农机配置模型N；根据标准播期的产量、早播面积，构建播期影响下的实际产量模型Yac；根据燃油价格、播种作业天数，构建播种农机作业的油耗成本模型Cs；根据单位时间的人工成本，构建人工成本模型Cc；根据农机配置模型N、实际产量模型Yac、油耗成本模型Cs、人工成本模型Cc，构建表示播种所需的各类农机资源、作业时间与利润之间关系的目标模型；根据农机作业时间上限、农机总数上限、农场总面积上限，构建目标模型的限制约束，在限制约束下，求解目标模型输出利润最大时的农机调度策略；以农机调度策略执行作物的播种作业任务。
-
公开(公告)号：CN119168136A
公开(公告)日：2024-12-20
申请号：CN202411206650.1
申请日：2024-08-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于生产规划联合优化的农机调度方法和装置，本发明根据播种时间、植保时间、收获时间、作物含水量以及作业相关成本如：油耗、人工、种子、农药等因素，提出针对玉米作物的全周期农机播种、植保、收获计划的、以最大化企业利润为目标的数学模型，然后将该数学模型转换为强化学习的模型，通过深度强化学习的方法对其进行求解，给出农机调度策略。具体来说本发明基于农场实际数据及外界因素影响构建以最大化企业利润为目标的全周期农机资源调度模型；并基于深度确定性策略梯度模型获得近似最优的农机调度策略。
-
公开(公告)号：CN117970796A
公开(公告)日：2024-05-03
申请号：CN202311834509.1
申请日：2023-12-28
Applicant: 中国科学院计算技术研究所
IPC: G05B13/04
Abstract: 本发明提出一种基于PSO‑LQR算法的自适应路径跟踪方法，包括：模型构建步骤，建立智能车辆的运动模型，生成该运动模型的LQR目标函数，建立关于该LQR目标函数的优选模型；该优选模型基于粒子群优化算法获取该LQR目标函数的优选控制量；控制量生成步骤，获取该智能车辆当前位置与路径点的位置偏差，通过该优选模型获得该优选控制量；路径跟踪步骤，以该优选控制量对该智能车辆实施路径跟踪状态控制。本发明还提出一种基于PSO‑LQR算法的自适应路径跟踪系统，以及一种用于实现智能车辆的自适应路径跟踪的数据处理装置。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.041 seconds)
