-
公开(公告)号：CN114972803A
公开(公告)日：2022-08-30
申请号：CN202210403141.2
申请日：2022-04-18
Applicant: 北京理工大学
IPC: G06V10/58 , G06V10/26 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于联合优化的快照式光谱成像方法和系统，属于计算机光谱成像技术领域。本发明基于深度学习的高光谱图像重建技术，对空间维和光谱维的排布模式进行联合优化，同时重建高光谱图像，能够有效提取高光谱图像的内部特征。通过一个深度展开网络，同时解决了空间去马赛克和光谱超分辨率，能够显式地利用模型特点，使网络更加灵活且更具解释性。通过设计优化层，联合优化了空间多光谱滤波阵列和光谱响应函数的排布模式，充分利用了高光谱图像的空谱相关性，提高了高光谱图像的重构精度。
-
公开(公告)号：CN114972085A
公开(公告)日：2022-08-30
申请号：CN202210525932.2
申请日：2022-05-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于对比学习的细粒度噪声估计方法和系统，属于计算摄像科学技术领域。本发明利用待测试的带噪图像中发掘相机本身的噪声属性和参数，对其建模并生成大量拟真的仿真成对数据集，再利用深度神经网络学习仿真带噪图像到干净图像之间的映射关系，并用训练好的网络对真实数码相机拍摄的带噪图像进行去噪处理，实现对真实图像质量的提升和增强。本发明能够仅从待测试的带噪图像估计适用于特定相机的噪声参数，避免了噪声建模对于成对数据和标定数据的依赖性，显著提升真实图像去噪的精度。本发明可以用于对消费级数码相机或移动设备拍摄出来的真实图像噪声去除，以提供更加真实的训练数据的方式促进深度网络对真实噪声的去除。
-
公开(公告)号：CN114862698A
公开(公告)日：2022-08-05
申请号：CN202210381937.2
申请日：2022-04-12
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于通道引导的真实过曝光图像校正方法与装置，属于图像处理技术领域。本发明通过分析基于RAW格式过曝光图像的数据特性，根据可见光传感器所得过曝光RAW图像R‑G‑G‑B(红‑绿‑绿‑蓝)各颜色通道亮度与感知强度不同，进而纹理特征和信息含量留存不一致的数据特性设计通道引导校正的卷积计算，并进一步构建通道引导的卷积神经网络，使用所采集的数据集训练过曝光图像校正神经网络，实现通道引导的高精度过曝光图像校正，提升真实过曝光图像校正质量。本发明能够提升真实图像过曝光校正的质量，保证真实过曝光校正图像的保真度。
-
公开(公告)号：CN114612299A
公开(公告)日：2022-06-10
申请号：CN202210168489.8
申请日：2022-02-17
Applicant: 北京理工大学
Abstract: 本发明公开的一种空间自适应的真实图像去马赛克方法及系统，属于计算摄像学领域。本发明使用像素偏移相机搭建真实数据采集模块，并利用该系统采集真实成对马赛克图像和全彩RGB图像数据集；根据空间不一致的数据特性设计空间自适应的卷积计算，进一步构建空间自适应的卷积神经网络，利用卷积神经网络学习马赛克图像和全彩RGB图像之间的映射关系，同时提出真实成对去马赛克数据采集系统并采集数据集，使用所采集的数据集训练去马赛克神经网络，实现空间自适应和高精度图像去马赛克，提升真实图像去马赛克质量。本发明能够在不显著增加计算量的情况下，实现空间自适应的图像去马赛克，提高成像质量，提高真实去马赛克图像的保真度。
-
公开(公告)号：CN111260579B
公开(公告)日：2021-08-03
申请号：CN202010051122.9
申请日：2020-01-17
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明公开的一种基于物理噪声生成模型的微光图像去噪增强方法，属于图像处理领域。本发明应用于微光环境下短曝光拍摄的微光图像，根据成像传感器的物理机理，考虑光子、电流、电压、数字信号的电子成像流程，构建物理噪声生成模型，使用偏置帧与平场帧，估计物理噪声生成模型的噪声参数，校正物理噪声生成模型，使用物理噪声生成模型生成大量微光增强训练数据训练神经网络，通过训练完毕的神经网络完成微光图像高质量的降噪增强。本发明能够用于单反相机、手机等成像设备，以短曝光的形式重构清晰夜景。适用于需要快速微光成像的场合，扩展微光图像的应用范围。本发明能够用于视频监控、高速摄影、天文摄影领域。
-
Patent Agency Ranking
公开(公告)号：CN111260579A
公开(公告)日：2020-06-09
申请号：CN202010051122.9
申请日：2020-01-17
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明公开的一种基于物理噪声生成模型的微光图像去噪增强方法，属于图像处理领域。本发明应用于微光环境下短曝光拍摄的微光图像，根据成像传感器的物理机理，考虑光子、电流、电压、数字信号的电子成像流程，构建物理噪声生成模型，使用偏置帧与平场帧，估计物理噪声生成模型的噪声参数，校正物理噪声生成模型，使用物理噪声生成模型生成大量微光增强训练数据训练神经网络，通过训练完毕的神经网络完成微光图像高质量的降噪增强。本发明能够用于单反相机、手机等成像设备，以短曝光的形式重构清晰夜景。适用于需要快速微光成像的场合，扩展微光图像的应用范围。本发明能够用于视频监控、高速摄影、天文摄影领域。
-
公开(公告)号：CN111080555A
公开(公告)日：2020-04-28
申请号：CN201911332667.0
申请日：2019-12-22
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于三维拟递归神经网络的高光谱图像降噪方法，属于图像处理领域。本发明的一种基于三维拟递归神经网络的高光谱图像降噪方法：根据空间-光谱相关性和光谱全局相关性，构建以三维卷积和准递归池化及交替方向结构为核心的三维拟递归神经网络；通过降噪训练数据集训练三维拟递归神经网络；应用训练完毕的三维拟递归神经网络去除带噪高光谱图像中的复杂噪声。本发明能够高质量地完成高光谱图像降噪恢复，不仅能保证恢复结果具备空间、光谱保真性，大幅度提高光谱图像恢复的效率，而且能够用于任意光谱分辨率的成像系统采集的高光谱图像，扩展高光谱图像的应用范围。本发明可用于遥感成像、地质勘探、农业生产和生物医学领域。
-
公开(公告)号：CN107525588B
公开(公告)日：2020-04-17
申请号：CN201710699197.6
申请日：2017-08-16
Applicant: 北京理工大学
IPC: G01J3/28
Abstract: 本发明公开的一种基于GPU的双相机光谱成像系统的快速重构方法，涉及能够快速获取高分辨率高光谱图像的方法，属于计算摄像学领域。本发明应用于基于编码孔径快照光谱成像+灰度相机的双相机光谱成像系统，将高光谱图像重构问题转化为多个子优化问题，并使用GPU完成各个子问题的求解：使用cuBLAS库和共轭梯度下降法更新高光谱图像；使用软阈值函数更新辅助变量；重复迭代完成高光谱图像的重构。本发明能够高质量地完成双相机光谱成像系统的高光谱图像重构，在保证重建结果具备高空间分辨率和高光谱保真性的同时，大幅度提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明可用于载人航天、地质勘测和植被研究等多个领域。
-
公开(公告)号：CN110717947A
公开(公告)日：2020-01-21
申请号：CN201910911701.3
申请日：2019-09-25
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于外部和内部训练的高质量光谱重构方法，属于计算摄像学领域。本发明应用于基于编码孔径快照光谱成像系统和基于全色相机的双相机光谱成像系统，在高光谱图像的重构过程中充分利用外部高光谱数据库的信息和内部输入图像及成像模型的信息；使用外部训练和内部训练更新网络参数；并使用GPU完成对整个网络的优化求解。本发明能够高质量地完成CASSI和DCCHI光谱成像系统的高光谱图像重建，在保证重建结果具备高空间分辨率和高光谱保真性的同时，大幅度提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明可用于地质勘探、农业生产和生物医学等多个领域。
-
公开(公告)号：CN110060219A
公开(公告)日：2019-07-26
申请号：CN201910332041.3
申请日：2019-04-24
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明公开的一种基于低秩近似的真实图降噪方法，属于计算摄像学领域。本发明实现方法为：建立RGB真实图像降噪模型，进行块匹配操作，对每一个局部块去寻找其相似块并形成数据矩阵；计算用于平衡真实噪声的权值矩阵；对每一个形成的数据矩阵进行低秩近似，得到降噪后的数据矩阵；将数据矩阵恢复为块，最终整合为降噪后的恢复图像，即产生高质量的真实图降噪恢复图像。本发明能够高质量的完成真实图像的降噪工作，在充分考虑真实图像的噪声特性之后，提高真实噪声图的恢复效果。本发明适用于医学、军事、农业等多个领域。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.041 seconds)
