-
公开(公告)号：CN111998945B
公开(公告)日：2022-11-01
申请号：CN202010846546.4
申请日：2020-08-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法，能够增加偏振压缩的自由度，提高偏振重构的针对性和重构精度，缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器，选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合，利用求和法求解第一个斯托克斯参量S0，再重构后三个斯托克斯参量S1S2S3；对于2～3种快轴角度和1种入射面角度的组合，利用求差法重构S1S2S3，再求解S0；对于1～3种快轴角度和1种入射面角度的组合，利用缩放法重构S0，再重构S1S2S3。最终获得重构的全偏振高光谱图像。
-
公开(公告)号：CN112859402B
公开(公告)日：2022-09-09
申请号：CN202110061994.8
申请日：2021-01-18
Applicant: 北京理工大学重庆创新中心
IPC: G02F1/133
Abstract: 实现加速的目的。本发明公开了一种液晶可变相位延迟器相位响应加速方法和加速系统。光源发出的光线透过液晶可变相位延迟器后，被光电探测器采集；光电探测器将采集的光信号转变为电压信号后，输出给处理器；处理器连接液晶可变相位延迟器。分别获取液晶可变相位延迟器当前相位电压、目的相位电压、目标最小相位电压，确定加速电压取值范围和加速时间取值范围，对加速电压和加速时间进行组合遍历，以所有组合中加速时间与稳定时间之和在最小值时的加速电压和加(56)对比文件Braun, L.Polymerization speed anddiffractive experiments in polymernetwork LC test cells《.Conference onEmerging Liquid Crystal Technologies(ELCT) XIII》.2018,1-3.张宇贤.基于液晶和光子晶体的可调谐光电器件的制备和性能研究《.博士学位论文全文库工程科技Ⅰ辑》.2020,全文.倪小龙等.采用图形处理器加速的部分相干光实时生成方法《.光子学报》.第45卷(第3期),1-3.Xu, Tingfa.Transfer learning-baseddiscriminative correlation filter forvisual tracking《.PATTERN RECOGNITION》.2020,1-5.王刚.液晶可变延迟器相位延迟-电压曲线精确快速标定《.光学精密工程》.2020,827-833.
-
公开(公告)号：CN114720410A
公开(公告)日：2022-07-08
申请号：CN202210394511.0
申请日：2022-04-13
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明提供一种压裂液钻井液的光谱检测方法，包括如下步骤：步骤1，配出不同浓度压裂液和钻井液；步骤2，获取不同浓度压裂液和钻井液的吸收光谱；步骤3，基于偏最小二乘回归法，利用不同浓度压裂液和钻井液的吸收光谱及其浓度，建立吸收光谱和浓度对主成分的反演模型；步骤4，通过反演模型对待测液中压裂液和钻井液的含量进行检测。本发明利用吸收光谱对地下水中压裂液和钻井液含量进行定量检测，有利于为地下水源压裂液和钻井液污染程度评估和及时治理提供有效的数据基础，能够克服页岩气开采后对地下水质检测困难的问题，具有耗时短、成本低、工作量小且可持续检测的特点。
-
公开(公告)号：CN113592899A
公开(公告)日：2021-11-02
申请号：CN202110593777.3
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种相关滤波目标跟踪深度特征的提取方法，包括S1：获取输入视频序列，设定目标跟踪的搜索区域；S2：构建深度特征提取网络模型，在残差网络模型卷积块输出后进行裁剪操作提取当前帧图像的深度特征，将深度特征和高斯标签作为输入训练滤波器；S3：获取下一帧图像数据根据对应搜索区域提取的特征；S4：下一帧图像数据对应提取的图像特征与相关滤波器进行相关操作获得目标预测位置。本发明通过构建模型中的裁剪修正操作，去除了深度特征提取过程中填充补零操作对特征质量的影响，提高了目标预测位置的准确性。
-
公开(公告)号：CN113008370A
公开(公告)日：2021-06-22
申请号：CN202110228167.3
申请日：2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法，液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括：采集LCTF在各光谱通道下的低分辨率图像，获得低分辨率数据立方体；进行插值操作，快速得到高分辨率的高光谱数据立方体；利用自适应编码规则，基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径；通过自适应编码孔径分别获取各光谱通道下的压缩测量值；基于压缩感知理论，根据系统的观测矩阵、稀疏基和压缩测量值，重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典，使得本发明对目标场景有很强的适应性，能够提升成像质量。
-
Patent Agency Ranking
公开(公告)号：CN112802136A
公开(公告)日：2021-05-14
申请号：CN202110116368.4
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息互补编码的场景重建方法和系统。过程包括利用压缩光谱成像系统分别加载快照式编码模板和随机编码模板对场景成像，获取场景的低分辨率光谱信息和压缩编码信息；根据场景的低分辨率光谱信息和压缩观测信息，获取场景的互补压缩编码信息；将场景的压缩观测信息与互补压缩编码信息作为约束项，加入重构场景的目标函数；根据设置的求解方法，求解目标函数，解出原始的场景信息。本发明在观测次数较少时，相比传统的随机编码方法，重构质量更好；对于不同光谱波段，相比传统的随机编码方法，重构图像的质量更稳定、更好。并且，本发明在重构过程中，互补编码信息作为额外的约束项，充分利用了低分辨率先验信息，提高了重构场景信息的质量。
-
公开(公告)号：CN111160300A
公开(公告)日：2020-05-15
申请号：CN201911419512.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。
-
公开(公告)号：CN111144364A
公开(公告)日：2020-05-12
申请号：CN201911410558.6
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于通道注意更新机制的孪生网络目标跟踪方法，涉及图像处理领域，利用孪生网络提取特征，选取前景模板及背景模板，通过自适应通道选择机制突出目标特征与前景模板特征的相关性，激活有效前景通道抑制背景特征通道；通过候选区域生成网络生成初步跟踪结果，以置信度决策跟踪可信度触发模板更新机制，通过通道注意更新网络生成更新模板，并利用目标模板与更新模板进行再次跟踪，融合重跟踪结果，修正跟踪误差。提高了跟踪器的前景特征提取能力,改善了目标跟踪方法对背景干扰的判别能力,弥补了跟踪过程中不进行在线模板更新难以处理跟踪复杂情况的缺点，避免了跟踪漂移，使跟踪过程更为鲁棒，跟踪精度更为准确。
-
公开(公告)号：CN114331911B
公开(公告)日：2025-05-27
申请号：CN202210007222.0
申请日：2022-01-05
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06T5/60 , G06T5/70 , G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的傅里叶叠层显微图像去噪方法，包括以下步骤：S1、利用傅里叶叠层显微系统对人体血细胞样本进行成像，制作数据集；S2、搭建卷积神经网络；S3、将训练集的输入送入到卷积神经网络的编码模块、去噪模块和解码模块，利用卷积神经网络的特性，抑制噪声信息通道的表达；S4、利用L1损失函数反复迭代优化卷积神经网络，完成卷积神经网络的训练；S5、利用卷积神经网络对实际采集的傅里叶显微图像进行去噪，获得高质量重建图像。本发明结合傅里叶叠层显微系统获得的强度图和相位图，利用深度学习方法的优势，改善了传统重建算法的噪声问题，给医学高质量成像提供了一种准确科学的算法。
-
公开(公告)号：CN114419392B
公开(公告)日：2025-04-29
申请号：CN202210061669.6
申请日：2022-01-19
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了高光谱快照图像恢复方法、装置、设备及介质，该方法包括获取光谱图像数据集编写卷积神经网络所需的数据接口；构建训练集和测试集；使用随机掩膜与训练集进行叠加，设定通道像素，并将图像进行倾斜处理后在光谱维度进行叠加获得混叠图像作为输入，训练集作为待拟合数据，端到端训练模型；以深度迭代展开的形式构建恢复算法；利用基于区域自注意力机制的神经网络进行建模学习，构建恢复算法模型；设置训练参数和损失函数策略，对构建好的恢复算法模型进行训练并验证；通过恢复算法模型将压缩感知图像恢复为高光谱图像。本发明利用高光谱数据特有的光谱‑空间相关性，高精度、高效率恢复原始高光谱图像信息。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.03 seconds)
