-
公开(公告)号：CN107436194A
公开(公告)日：2017-12-05
申请号：CN201710478323.5
申请日：2017-06-22
Applicant: 北京理工大学
CPC classification number: G01J3/2823 , G01J3/0208 , G01J3/0243 , G01J3/2803
Abstract: 本发明涉及一种高光通量实时光谱成像装置，属于计算摄像学技术领域。包括：成像物镜(2)、透射式衍射光栅(3)、中继透镜(4)、微透镜阵列(5)、CCD探测器(6)；成像物镜用于对要获取的目标成像；光栅用于对光谱信息进行色散；中继透镜用于将色散后的光向前传递；微透镜阵列由柱面微透镜排列而成，柱面微透镜可以对光束进行一维整形，使某个空间局部内相同波长的光会聚在同一个像素点上；CCD探测器用于对光信号进行感光和光电转换；成像物镜的像面与光栅平面重合，微透镜阵列放置在中继透镜的像面上，微透镜阵列的像面与CCD探测器平面重合。对比现有技术，本发明不但实时性好，而且由于减少了光信号在光路中的损失提高了光谱图像的质量。
-
公开(公告)号：CN107239781A
公开(公告)日：2017-10-10
申请号：CN201710304707.5
申请日：2017-05-03
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于RGB图像的超光谱反射率重建方法，涉及一种超光谱反射率重建方法，属于计算摄像学领域。本发明分为训练阶段和使用阶段。训练阶段在训练集中，把超光谱反射率映射到RGB颜色空间，根据RGB值求解每个像素的色度；根据每个像素的色度对像素进行聚类；对每个聚类的像素反射率使用字典学习得到反射率稀疏字典；把稀疏字典映射到RGB空间得到RGB字典。使用阶段对采集的RGB图像白平衡；求解图像每个像素点色度，根据色度寻找每个像素点所属聚类；对于每个聚类中的像素点，使用该聚类RGB字典进行有约束稀疏编码；根据聚类的反射率字典和稀疏编码，重建像素的超光谱反射率。本发明能够在不需要特殊设备、具有较快重建速度的前提下提高重建精度。
-
公开(公告)号：CN107170013A
公开(公告)日：2017-09-15
申请号：CN201710304262.0
申请日：2017-05-03
Applicant: 北京理工大学
IPC: G06T7/80
Abstract: 本发明公开的一种RGB相机光谱响应曲线的标定方法，属于计算摄像学领域。本发明分为训练阶段和使用阶段。训练阶段在相机光谱响应曲线的训练集中，把每个相机光谱响应曲线分为红色、绿色、蓝色3个通道；对所述每个通道的所有光谱响应曲线，使用字典学习方法求解稀疏字典。使用阶段利用超光谱成像的图像融合平台，以所述待标定RGB相机拍摄高分辨率RGB图像，并使用超光谱相机拍摄相同场景的低分辨率超光谱图像；根据所述两张图像和三通道的稀疏字典，使用稀疏编码方法求解所述待标定相机的光谱响应曲线，从而完成对RGB相机光谱响应曲线的标定。本发明具有步骤简单快速、不需要昂贵标定设备，且在图像具有噪声的情况下仍能保持标定精度的优点。
-
公开(公告)号：CN117372262B
公开(公告)日：2025-03-07
申请号：CN202311094702.6
申请日：2023-08-28
Applicant: 北京理工大学 , 北京市遥感信息研究所
IPC: G06T5/00 , G06T5/60 , G06N3/08 , G06N3/0895
Abstract: 本发明提出一种基于噪声迭代估计的自监督图像降噪增强方法，包括，获取带噪图像，构建盲点预处理去噪网络；构建并基于盲点预处理去噪网络训练噪声估计网络，通过噪声估计网络生成成对带噪图像；利用成对带噪图训练深度所述盲点预处理去噪网络，得到深度去噪网络；对深度去噪网络和所述噪声估计网络进行迭代优化；使用训练好的深度去噪网络和噪声估计网络对真实带噪图像进行去噪与成像。本发明提出的方法能够通过仅使用单张带噪数据集，完成噪声参数估计和去噪网络的训练，解放了深度去噪网络对成对数据的强依赖性。
-
公开(公告)号：CN117793538B
公开(公告)日：2024-06-25
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117726542B
公开(公告)日：2024-06-21
申请号：CN202410180240.8
申请日：2024-02-18
Applicant: 北京理工大学
IPC: G06T5/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/60
Abstract: 本申请提出了一种基于扩散模型的可控噪声去除方法及系统，该方法包括：构建基于潜在扩散模型的拟真噪声建模网络，包括噪声生成网络和相机适配网络；通过包括相机参数以及成对的真实带噪图像和干净图像的训练数据，预训练拟真噪声建模网络；基于扩散模型对预训练完成的相机适配网络进行微调；通过微调后的相机适配网络和预训练后的噪声生成网络生成大量的拟真成对数据，并通过拟真成对数据训练深度学习去噪网络，通过训练完成的深度学习去噪网络对待处理图像进行去噪。该方法能够针对各类相机的特定参数，可控地生成逼近真实噪声分布的成对训练数据集，实现高效的图像噪声去除效果。
-
公开(公告)号：CN118195941A
公开(公告)日：2024-06-14
申请号：CN202410280738.1
申请日：2024-03-12
Applicant: 北京理工大学
Abstract: 本发明涉及计算机图像处理技术领域，尤其是指一种图像联合去噪和去马赛克的方法、装置、设备及计算机存储介质。本发明的一种均值约束的图像联合去噪与去马赛克的方法，通过将去噪的中间结果显式地建模为输入图像的像素均值，在去马赛克前基本完成去噪任务，避免噪声对后续去马赛克阶段重构空间信息的干扰，同时可以将去噪、去马赛克网络联合训练，从而进一步提高网络性能，达到更好的图像联合去噪与去马赛克效果。
-
公开(公告)号：CN117876837B
公开(公告)日：2024-06-07
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
公开(公告)号：CN114972022B
公开(公告)日：2024-06-07
申请号：CN202210401740.0
申请日：2022-04-18
Applicant: 北京理工大学
IPC: G06T3/4076 , G06T3/4046 , G06T7/269 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于非对齐RGB图像的融合高光谱超分辨率方法和系统，属于超分辨率成像技术领域。首先基于深度学习理论，针对RGB图像与高光谱图像分别构建深度RGB图像特征提取器和高光谱图像特征提取器。使用特征提取器分别提取RGB参考图像和高光谱图像的多层级特征。使用多层级的深度光流估计网络，将RGB参考图像与高光谱图像的多层级特征进行对齐。当得到对齐的RGB图像特征以及高光谱图像特征之后，构建深度自适应特征解码器，对对齐后的特征进行解码，重建出高分辨率的高光谱图像。本方法无需显式的中间步骤与人工干预，仅使用高光谱相机、RGB相机以及必要的固定装置的情况下，利用拍摄到的不对齐的高分辨率RGB图像，对低分辨率高光谱进行空间超分辨率。
-
公开(公告)号：CN114882139B
公开(公告)日：2024-06-07
申请号：CN202210383509.3
申请日：2022-04-12
Applicant: 北京理工大学
IPC: G06T11/20 , G06T5/50 , G06V20/10 , G06V10/26 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种多层级地图的端到端智能生成方法及系统，属于计算机视觉技术领域。本发明根据深度神经网络，设计遥感影像生成多层级地图的多层级地图生成网络，然后建立多层级网络地图生成数据集，使用数据集对生成网络进行训练，得到优化的生成网络模型参数。最后对遥感影像进行采样处理，得到多层级遥感影像，并将收集的影像输入生成网络进行处理，生成多层级网络地图。本发明通过多层级网络地图生成网络从遥感影像中生成多层级网络地图，能够实现无需人工参与的多层级网络地图生成，生成速度快且花费低。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.021 seconds)
