-
公开(公告)号：CN107749047B
公开(公告)日：2020-10-16
申请号：CN201710954199.5
申请日：2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统，包括：将原始哈达玛矩阵作为低阶哈达玛矩阵，将低阶哈达玛矩阵中的行数据转换为第一观测矩阵，利用第一观测矩阵对原始图像进行压缩感知采样，获得原始图像的低阶测量值，并将根据低阶测量值生成的重建图像实时输出给用户进行查看；对低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用第二观测矩阵对原始图像进行压缩感知采样，获得原始图像的高阶测量值，并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果，使用户直观感受图像压缩结果，以采样率最少的采样数据，达到预期图像压缩效果。
-
公开(公告)号：CN107730451B
公开(公告)日：2020-06-05
申请号：CN201710911893.9
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于深度残差网络的压缩感知重建方法和系统，包括：获取原始图像信号作为训练数据，并通过尺度变换和分割处理将训练数据分割为多个图像块；根据每个图像块的亮度分量和压缩感知理论模型，获得亮度分量对应的测量值；通过全连接网络对测量值进行线性映射处理，得到初步重建结果；将初步重建结果输入深度残差网络，训练得到估计残差值；将估计残差值与初步重建结果进行融合，生成重建信号。由此，本发明通过引入深度残差网络参与信号的重建，不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点，提升了还原信号的质量。
-
公开(公告)号：CN105225207B
公开(公告)日：2018-11-30
申请号：CN201510551103.1
申请日：2015-09-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于观测矩阵的压缩感知成像方法，包括：1)在待感知图像中划分为显著性区域和非显著性区域；2)设置观测矩阵的孔径，所述观测矩阵中，对应于显著性区域的像素尺寸小于其余区域的像素尺寸；3)生成满足有限等距特性的矩阵，将所生成的矩阵各个像素的像素值依序填充到步骤2)设置的观测矩阵中，得到孔径可变观测矩阵；4)基于所述孔径可变观测矩阵获取并记录待感知图像的观测值。本发明能够在保证图像质量的前提下大幅减少压缩感知成像的数据量；能够在保证图像质量的前提下显著减少采样次数，节省采样时间；另外，本发明可直接应用于相机的成像系统，从而在图像采集阶段直接降低采集数据量。
-
Patent Agency Ranking
公开(公告)号：CN103874200B
公开(公告)日：2018-01-09
申请号：CN201410103042.8
申请日：2014-03-19
Applicant: 北京邮电大学 , 中国科学院计算技术研究所
Abstract: 本发明提供一种楼层识别方法及系统，所述方法包括：采集WiFi信号，获得关于一个或多个AP的信息；以及根据先前统计的在每个楼层采集的样本数经验值以及先前采集到的每个AP在每个楼层出现次数的经验值，计算所述一个或多个AP整体出现时处于每个楼层的概率。所述方法还包括根据计算得到的概率确定楼层信息。在进一步的实施例中，所述方法融合了基于特殊AP以及基于气压计算高度的楼层识别方法。本发明在保证低成本的同时提高了楼层识别的精确性和实时性。
-
公开(公告)号：CN107784676A
公开(公告)日：2018-03-09
申请号：CN201710911885.4
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于自动编码器网络的压缩感知测量矩阵优化方法和系统，包括：获取原始图像作为训练数据，通过分割裁剪处理将训练数据分割多个图像块；根据预设的采样率和自动编码器网络对图像块进行采样，生成初步重建图；根据深度残差网络计算初步重建图和原始图像间的残差值；将残差值与初步重建图相融合，生成重建结果，并根据重建图和图像块建立损失函数，通过损失函数对自动编码器网络中的参数矩阵进行训练，最后将训练完成的自动编码器网络参数作为压缩感知测量矩阵。本发明通过自动编码器对数据维度的变换，模拟实现了图像从采集到重建的过程，其中采集过程的参数即为测量矩阵，并且得到的测量矩阵具有很好的重建质量。
-
公开(公告)号：CN107784676B
公开(公告)日：2020-06-05
申请号：CN201710911885.4
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于自动编码器网络的压缩感知测量矩阵优化方法和系统，包括：获取原始图像作为训练数据，通过分割裁剪处理将训练数据分割多个图像块；根据预设的采样率和自动编码器网络对图像块进行采样，生成初步重建图；根据深度残差网络计算初步重建图和原始图像间的残差值；将残差值与初步重建图相融合，生成重建结果，并根据重建图和图像块建立损失函数，通过损失函数对自动编码器网络中的参数矩阵进行训练，最后将训练完成的自动编码器网络参数作为压缩感知测量矩阵。本发明通过自动编码器对数据维度的变换，模拟实现了图像从采集到重建的过程，其中采集过程的参数即为测量矩阵，并且得到的测量矩阵具有很好的重建质量。
-
公开(公告)号：CN107846592A
公开(公告)日：2018-03-27
申请号：CN201710969734.4
申请日：2017-10-18
Applicant: 中国科学院计算技术研究所
IPC: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
CPC classification number: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
Abstract: 本发明涉及一种压缩感知图像的采集重建方法，包括：采样步骤，通过对原始图像进行双光路调制并采样；重建步骤，采用图形处理器配合主控计算机调用压缩感知重建软件进行重建；或采样现场可编程门阵列，调用硬化在现场可编程门阵列内的压缩感知重建模块进行重建。本发明在现有压缩感知成像技术的基础上，设计了双光路采集方案，可以在不调整设备的情况下采集单帧静态图像或多帧连续图像，使用图形处理器对压缩感知重建算法软件进行加速，或采用硬化有压缩感知重建算法的现场可编程门阵列执行重建，达到了高效图像视频采集和快速重建的效果。
-
公开(公告)号：CN103874200A
公开(公告)日：2014-06-18
申请号：CN201410103042.8
申请日：2014-03-19
Applicant: 北京邮电大学 , 中国科学院计算技术研究所
Abstract: 本发明提供一种楼层识别方法及系统，所述方法包括：采集WiFi信号，获得关于一个或多个AP的信息；以及根据先前统计的在每个楼层采集的样本数经验值以及先前采集到的每个AP在每个楼层出现次数的经验值，计算所述一个或多个AP整体出现时处于每个楼层的概率。所述方法还包括根据计算得到的概率确定楼层信息。在进一步的实施例中，所述方法融合了基于特殊AP以及基于气压计算高度的楼层识别方法。本发明在保证低成本的同时提高了楼层识别的精确性和实时性。
-
-
-
-
-
-
-
Search Results
78
records
(took 0.134 seconds)
