-
公开(公告)号：CN116524048A
公开(公告)日：2023-08-01
申请号：CN202310476361.2
申请日：2023-04-28
Applicant: 南开大学
IPC: G06T9/00 , G06T3/40 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/0475 , G06N3/094 , H04N19/44
Abstract: 本发明属于信号处理技术领域，具体涉及一种基于潜在扩散模型的自然图像压缩感知方法。本发明深入发掘自然图像的离散性和可压缩性，提出了一种基于深度学习的两段式图像重构方法。该方法在第一阶段使用向量量化生成对抗网络在大数据集上学习图像的深度特征，得到图像在低维潜在空间上的离散化编码，以消除自然图像的冗余信息。在第二阶段，以图像的压缩测量值为条件，使用扩散模型推断其对应的潜在编码，并进一步重建原始图像。实验结果显示，本发明提出的图像压缩感知方法与现有方法相比，能大幅提高低采样率下重构图像的视觉效果。
-
公开(公告)号：CN111798531B
公开(公告)日：2022-09-20
申请号：CN202010648858.4
申请日：2020-07-08
Applicant: 南开大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种应用于植株监测任务的完全可学习图像深度卷积压缩感知重构方法。本发明充分发掘植株监测任务中图像的高度结构相似性，提出了一种基于神经网络的图像压缩感知重构方法。该方法结合变分自动编码器和深度卷积生成对抗模型，将图像压缩感知过程通过采样器、求解器和重建器三个可学习的神经网络完成，每一部分均可独立训练。本发明与传统方法相比，可以更有效地构建出植株图像的低维表示。实验结果表明，本发明提出的完全可学习图像压缩感知重构方法与现有方法相比，在提升重构图像质量的同时，所需时间大大减少。
-
公开(公告)号：CN109120342A
公开(公告)日：2019-01-01
申请号：CN201810913960.5
申请日：2018-08-13
Applicant: 南开大学
IPC: H04B10/116 , H04L1/00
Abstract: 本发明公开了基于FPGA实现点对点可见光通信中的一种数据帧结构，属于可见光通信关键技术研究领域。本发明基于8B10B信道编码技术，在点对点可见光通信的场景下，通过定义的数据帧结构能够使数据在可见光通信信道上具有很高的传输效率。8B10B编码具有的电平平衡特性同时能够保证LED在工作时不会发生闪烁，充分地复用了LED照明功能。8B10B编码后的信号通过基于FPGA的集成收发器实现串化和解串功能。本发明立足于新兴的可见光通信技术，在可见光通信信道上的数据传输格式上提供了一种可靠的方案，解决了目前可见光通信数据层面传输方式上的相关问题，为可见光通信技术普及打下了坚实的基础。
-
公开(公告)号：CN108491929A
公开(公告)日：2018-09-04
申请号：CN201810242673.6
申请日：2018-03-20
Applicant: 南开大学
Abstract: 本发明公开了一种基于FPGA的可配置并行快速卷积核的结构。该快速卷积核在硬件结构上主要由序号寄存器、数据宽度寄存器、地址宽度寄存器、锁存宽度寄存器、突发长度寄存器这五个寄存器和两列缓存器、一个乘法器、一个加法器、一个锁存器构成。该快速卷积核可依据所选FPGA的硬件资源，由Verilog程序灵活配置上述五个寄存器，实现快速例化，多核协同进行并行卷积运算，以达到对大量的卷积运算进行硬件加速的目的。
-
公开(公告)号：CN106992789A
公开(公告)日：2017-07-28
申请号：CN201710217070.6
申请日：2017-03-30
Applicant: 南开大学
IPC: H03M7/30
CPC classification number: H03M7/3062
Abstract: 一种基于压缩感知的前后向协同加速匹配追踪方法，属于压缩感知技术领域。本发明基于前后向匹配追踪算法，通过自适应调整前向步长减少选入支撑集的原子个数，解决前后向匹配追踪只能以固定步长筛选原子、计算量大、速度慢的问题；根据原子与上次迭代残差的相关性呈阶梯状排列的特点，在迭代中寻找最优阶梯的位置并以其为依据缩短前向步长，在不降低重构成功率的同时减小算法的计算量，大幅度加速算法。本发明在缩短重构时间的同时能保证重构成功率，提高了算法的实用性。
-
Patent Agency Ranking
公开(公告)号：CN106972862A
公开(公告)日：2017-07-21
申请号：CN201710185910.5
申请日：2017-03-21
Applicant: 南开大学
IPC: H03M7/30
Abstract: 本发明属于信号处理和稀疏表示技术领域，具体涉及一种应用于压缩感知的图像重构方法。本发明深入发掘图像的非局部自相似性，提出了一种基于截断核范数最小化的组稀疏压缩感知图像重构方法。该方法同时利用了自然图像的稀疏性与低秩性，结合截断核范数最小化和组稀疏表示模型，利用交替方向乘子法对压缩感知中图像的重构问题进行求解。截断核范数最小化模型与传统的核范数最小化模型相比，可以更有效地利用图像的低秩性。实验结果表明，本发明提出的基于截断核范数最小化的组稀疏压缩感知重构方法具有很好的收敛性，与现有方法相比，可以有效提升图像的重构效果。
-
公开(公告)号：CN106780399A
公开(公告)日：2017-05-31
申请号：CN201710017078.8
申请日：2017-01-10
Applicant: 南开大学
Abstract: 本发明属于信号处理和稀疏表示技术领域，具体涉及一种应用于压缩感知的图像重构方法。本发明引入图像的多尺度结构性组稀疏特性，提出了一种基于多尺度组稀疏模型的压缩感知图像重构方法。该方法同时利用了自然图像的稀疏性与多尺度自相似性，从图像的多尺度组稀疏域中构建结构性自相似组，然后对每个组训练自适应字典，并采用硬阈值算子计算稀疏系数，进而应用基于迭代收缩阈值的方法对提出的模型进行高效求解。多尺度组稀疏方法大大提高了图像在稀疏域内的稀疏程度。实验结果表明，本发明提出的压缩感知重构方法与现有方法相比，可以有效提升图像的重构效果。
-
公开(公告)号：CN105472657A
公开(公告)日：2016-04-06
申请号：CN201510938104.1
申请日：2015-12-14
Applicant: 南开大学
IPC: H04W28/06
CPC classification number: H04W28/06
Abstract: 一种基于低秩张量的无线传感器网络中数据重构方法，属于无线传感器网络数据重构领域。本发明基于低秩张量理论，通过利用无线传感器网络中不同类型数据之间的时空相关性，在低采样率情况下提高了数据重构精度；将无线传感器网络中数据根据位置，时间，类型分布在一个三阶张量中，通过约束“张量核范数”由部分采样数据重构出全部数据。本发明与现有对无线传感器网络中数据重构方法相比，具有可充分利用数据之间相关性，提高重构精度的特点。
-
公开(公告)号：CN102970044A
公开(公告)日：2013-03-13
申请号：CN201210480452.5
申请日：2012-11-23
Applicant: 南开大学
Abstract: 本发明公开了一种基于回溯的迭代重加权(Backtracking-based iterative reweighted least square，BIRLS)压缩传感重构算法。本发明通过在迭代重加权过程中加入回溯和稀疏度自适应的思想，算法在每一次迭代过程中将前次迭代得到的解向量支撑与迭代重加权产生的支撑合并，再通过回溯和自适应过程优化解向量支撑的选择。基于回溯的迭代重加权压缩传感重构算法能平衡所有系数对算法恢复效果的影响，且仅需要很少的迭代次数就能高概率恢复原始信号，大大减少重构所需的迭代时间，可较大程度提升对稀疏信号的恢复能力和重构精度。
-
公开(公告)号：CN102535960A
公开(公告)日：2012-07-04
申请号：CN201210007339.5
申请日：2012-01-12
Applicant: 南开大学
Abstract: 一种与现行酒精锁配套使用，可防止驾驶员作弊的酒精锁联锁装置。该装置结合现行酒精锁装置，实现了一种成本低，可靠性高，实用性强的可防作弊的酒精检测系统。本装置包括：一个可以由微控制器控制其旋转方向与角度的电机；一个连接电机与钥匙孔挡板的连接轴；一个用来检测当前钥匙孔挡板位置的红外探测器；一个可随连接轴旋转的钥匙孔挡板；以及用于数据处理中心的微控制器。该联锁装置通过控制汽车钥匙能否插入钥匙插孔，以间接达到控制汽车是否能够启动的目的，从而从根本上杜绝酒驾检测不合格时驾驶员通过其他方法启动汽车的行为，整个装置安装简单，造价低廉，适合大规模推广使用。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.019 seconds)
