-
公开(公告)号:CN118429448A
公开(公告)日:2024-08-02
申请号:CN202410409459.0
申请日:2024-04-07
Applicant: 南昌大学
Abstract: 本发明公开了一种融合跨模态技术与多准则评估的汽车造型设计方法,包括:1)进行数据信息的收集和预处理;2)训练基于新能源汽车文本、图像大数据信息的深度神经网络模型来完成二维图像方案的跨模态生成设计;3)建立用于图像生成方案情感意象二元识别分类的深度卷积神经网络感性标签识别模型,并结合形态完整度分析来进行图像生成方案的初步筛选;4)采用多准则妥协解排序法和气动性能分析进行图像生成方案的评估和验证,其中对最优方案进行三维工程建模和车体外部流场数值模拟。本发明通过跨模态生成技术高效表达设计信息,并采用量化方法评估优化,全面关注设计性、环保性、可持续性,促进新能源汽车应用及能源资源的高效清洁利用。
-
公开(公告)号:CN118409435A
公开(公告)日:2024-07-30
申请号:CN202410889357.3
申请日:2024-07-04
Applicant: 南昌大学
IPC: G02B27/01
Abstract: 本发明公开了一种透过散射介质的感知与显示一体化增强现实装置及方法,装置包括调制照明模块、信息感知与控制模块和增强现实模块;所述调制照明模块利用位于近红外波段的非相干光源照明目标,以采集入射光分布信息;所述信息感知与控制模块利用上位计算机采集散斑图像并执行图像重建算法后,将其发送至空间光调制器控制器,并同步控制红绿蓝三色激光器,实现三维彩色光场调制控制;所述增强现实模块通过加载纯相位全息图,实现最终的三维图像观测。本发明通过集成图像增强技术与散斑卷积重建方法,有效地克服了不稳定或未知散射环境中的成像问题,实现了即便在极端条件下也能够有较强的解析能力进而重建出高质量的图像。
-
公开(公告)号:CN117237473A
公开(公告)日:2023-12-15
申请号:CN202311335183.8
申请日:2023-10-16
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于扩散模型的光声断层成像稀疏重建方法,在光声断层成像重建过程中,提出了基于分数的扩散模型与基于模型的迭代重建方法相结合的稀疏重建策略,使用分数网络学习目标图像的数据分布,并将最终网络的输出作为模型迭代中优化问题的先验信息,以获得最优解。本发明方法可以使得在稀疏探测视角下重建的光声图像比传统方法的重建图像伪影更少,能够更有效准确的体现目标物体的真实信息。
-
公开(公告)号:CN116794923A
公开(公告)日:2023-09-22
申请号:CN202310762460.7
申请日:2023-06-27
Applicant: 南昌大学
Abstract: 本发明公开了一种基于超快速光学轴向扫描的实时三维场景采集与三维全息重建方法,S1:待测物体置于电控变焦透镜的焦距变化范围内,CCD相机与电控变焦透镜保持同轴且紧密放置。S2:工作站中的计算机控制电控变焦透镜的驱动电流线性变化,驱动电流每增大一步,工作站中的计算机程序同步触发CCD相机采集不同聚焦深度的图像序列。S3:通过基于Tenengrad聚焦评价算子的三维信息提取方法提取图像序列的在焦信息得到在焦图像序列。S4:对在焦图像序列使用基于分层的三维全息算法计算得到全息图,将全息图加载到空间光调制器上进行三维全息重建。该方法只通过同步控制电控变焦透镜和CCD相机即可得到三维图像,并结合基于分层的全息算法实现三维全息重建。
-
公开(公告)号:CN109584324B
公开(公告)日:2022-12-06
申请号:CN201811247856.3
申请日:2018-10-24
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 本发明提供了一种基于自动编码器网络的正电子发射型计算机断层显像(PET)重建方法,包括以下步骤:步骤A:在正电子发射型计算机断层显像(PET)图像基础上,建立去噪自动编码器(DAE)网络模型,利用训练好的去噪自动编码器(DAE)获取图像的先验信息;步骤B:将带有图像先验信息的去噪自动编码器(DAE)网络和传统PET迭代重建方法结合,两者交替迭代获得重建图像,本发明在正电子发射型计算机断层显像(PET)重建方法的基础上融入了去噪自动编码器(DAE)网络,采用去噪自动编码器(DAE)网络来无监督学习PET图像的先验信息,然后将带有图像先验信息的DAE网络和传统PET迭代重建方法结合,两者交替迭代获得重建图像,达到了很好的重建效果。
-
公开(公告)号:CN106991651B
公开(公告)日:2019-10-29
申请号:CN201611138095.9
申请日:2016-12-12
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种基于合成分析反卷积网络的快速成像方法,包括以下步骤:在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习;在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数;在已训练的滤波器基础上,从欠采样K空间中获取初始图像,建立图像重建模型;在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新;满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度,同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统,能够得到较高精度的重建图像。
-
公开(公告)号:CN106056647B
公开(公告)日:2019-01-11
申请号:CN201610373846.9
申请日:2016-05-30
Applicant: 南昌大学
Abstract: 一种基于卷积稀疏双层迭代学习的磁共振快速成像方法,包括以下步骤:在双层伯格曼字典迭代学习框架上融入卷积字典训练和稀疏系数更新,建立图像稀疏表示模型;在双层伯格曼迭字典学习内层迭代上利用增加辅助变量和轮换技术更新卷积字典和稀疏系数,特别地利用软阈值迭代法求解稀疏系数的子问题,更新稀疏系数;在双层伯格曼外层迭代上进行频域数据更新和图像更新,得到重建图像。本发明根据模型从自然图像库中获取卷积字典,该卷积字典能够有效地表示图像中的许多几何结构特征,如平滑、方向、边缘、斑块、纹理等特征,因此可以在更少的测量下更精确的重建磁共振图像,减少重建图像的伪影,恢复更多的图像细节。
-
公开(公告)号:CN106056554A
公开(公告)日:2016-10-26
申请号:CN201610383443.2
申请日:2016-06-01
Applicant: 南昌大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10088 , G06T2207/20192 , G06T2207/30004
Abstract: 一种梯度域卷积稀疏编码的磁共振快速成像方法,按以下步骤:步骤A:把磁共振图像转换到梯度域中,在水平梯度图像和垂直梯度图像上进行滤波器学习,建立图像稀疏模型。步骤B:通过引入辅助变量,并利用轮换技术交替更新滤波器和稀疏参数,恢复水平梯度和垂直梯度,然后在这两个方向上重建图像。本发明把图像转换为梯度域后,可以更好地稀疏表示,然后利用卷积稀疏编码对梯度域里的整幅图像进行稀疏重建。由于对整幅图像进行处理,可以很好地保留相邻图像块间的潜在信息,因此可以更好地重建磁共振图像,达到令人满意的效果。
-
公开(公告)号:CN104714200A
公开(公告)日:2015-06-17
申请号:CN201410714375.4
申请日:2014-12-01
Applicant: 南昌大学
IPC: G01R33/56
Abstract: 一种基于广义双层伯格曼非凸型字典学习的磁共振超欠采样K数据成像方法,包括:(a)在双层伯格曼字典学习框架上融入带非凸函数p范数先验信息进行字典学习和系数稀疏,建立图像稀疏表示模型;(b)在双层伯格曼迭字典学习内层迭代上利用增加辅助变量和轮换技术更新学习字典和稀疏系数,特别地利用广义软阈值迭代方法求解非凸p范数先验信息的目标函数,更新稀疏系数;(c)在双层伯格曼字典学习外层迭代上进行图像更新,得到重建图像。本发明通过广义软阈值迭代方法求解带非凸p范数先验信息的目标函数,可以在更大范围内惩罚小系数且对大系数偏差更小,进一步地稀疏表示图像,在少的扫描测量下精确地重建图像,减少重建图像的伪影,恢复更多图像细节。
-
公开(公告)号:CN103699217A
公开(公告)日:2014-04-02
申请号:CN201310576795.6
申请日:2013-11-18
Applicant: 南昌大学
IPC: G06F3/01
Abstract: 一种基于运动想象和稳态视觉诱发电位的二维光标运动控制系统及方法,其系统包括电极帽、脑电采集仪、系统控制单元、数据处理模块、光标控制模块以及视觉刺激器,其中所述的视觉刺激器以界面显示方式提供给用户。其方法是用户根据工作界面指令同时执行运动想象和视觉注意任务,电极帽采集脑电信号,脑电采集仪对其进行放大、滤波和模数转换,系统控制单元将运动想象与视觉注意产生的脑电数据分开后保存,数据处理模块依次对两类脑电数据进行预处理、特征提取和分类识别,光标控制模块根据分类识别的结果控制光标进行连续的二维运动。本发明具有控制精度高、稳健性好、可实现二维光标连续运动等优点,可用于计算机鼠标的运动控制。
-
-
-
-
-
-
-
-
-