-
公开(公告)号：CN111426383B
公开(公告)日：2022-05-10
申请号：CN202010303994.X
申请日：2020-04-17
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法，采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器，通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式；采用该全偏振调制方式对任一波段的全偏振局部图像进行处理，获得压缩信息；采用粒子群算法优化稀疏基，优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时，采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制，获得压缩信息，并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构，提高四个斯托克斯参量的重构精度。
-
公开(公告)号：CN114387258A
公开(公告)日：2022-04-22
申请号：CN202210039789.6
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。
-
公开(公告)号：CN114359838A
公开(公告)日：2022-04-15
申请号：CN202210039817.4
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于高斯交叉注意力网络的跨模态行人检测方法，包括：S1，获取多源行人图像；S2，对多源行人图像进行数据预处理得到多源行人图像训练集；S3，对多源行人图像进行人工标注得到真值行人位置边界框坐标；S4，构建基于高斯交叉注意力的检测网络；S5，利用多源行人图像训练集训练基于高斯交叉注意力的检测网络，得到训练好的基于高斯交叉注意力的检测网络；S6，利用训练好的基于高斯交叉注意力的检测网络进行行人检测。本发明采用基于高斯交叉注意力的检测网络提取多源行人图像的深层显著特征并融合，直接获得表示行人位置的边界框坐标，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。
-
公开(公告)号：CN114359675A
公开(公告)日：2022-04-15
申请号：CN202210039812.1
申请日：2022-01-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于半监督神经网络的高光谱图像显著图生成方法，包括：构建半监督神经网络；所述半监督神经网络包括孪生预测模块和注意力辅助模块；利用完全监督数据集对孪生预测模块和注意力辅助模块进行预训练；利用预训练的注意力辅助模块对弱监督数据集生成像素级掩码；使用像素级掩码和弱监督数据集对预训练的对孪生预测模块进行完全监督训练；利用完全监督训练好的孪生预测模块对输入的高光谱图像生成显著图。本发明采用半监督神经网络提取高光谱图像特征并直接生成预测显著图，极大的节省了像素级标注成本，提高模型鲁棒性和检测精度，能够生成质量更高的显著图。
-
公开(公告)号：CN112904913B
公开(公告)日：2022-04-15
申请号：CN202110062873.5
申请日：2021-01-18
Applicant: 北京理工大学重庆创新中心
IPC: G05D23/20
Abstract: 本发明公开了一种液晶器件温控系统和温控方法。系统包括壳体、控制单元、温控单元和半导体制冷器件，半导体制冷器件、温控单元和控制单元均设置于壳体内，半导体制冷器件两侧分别嵌入壳体和温控单元，温控温控单元两侧设置导热材料，控制单元分别连接半导体制冷器件、第一温度传感器和第二温度传感器，第一温度传感器连接液晶器件，第二温度传感器连接温控单元。本发明通过获取液晶器件和温控单元的温度，逐步计算温控单元的加热温度，以此控制半导体制冷器件的控制电压，迭代上述过程，直至液晶器件的温度稳定在目标温度。本发明系统体积小、便携性强、应用场景广，能对液晶器件进行直接精准温控。
-
Patent Agency Ranking
公开(公告)号：CN114331911A
公开(公告)日：2022-04-12
申请号：CN202210007222.0
申请日：2022-01-05
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于卷积神经网络的傅里叶叠层显微图像去噪方法，包括以下步骤：S1、利用傅里叶叠层显微系统对人体血细胞样本进行成像，制作数据集；S2、搭建卷积神经网络；S3、将训练集的输入送入到卷积神经网络的编码模块、去噪模块和解码模块，利用卷积神经网络的特性，抑制噪声信息通道的表达；S4、利用L1损失函数反复迭代优化卷积神经网络，完成卷积神经网络的训练；S5、利用卷积神经网络对实际采集的傅里叶显微图像进行去噪，获得高质量重建图像。本发明结合傅里叶叠层显微系统获得的强度图和相位图，利用深度学习方法的优势，改善了传统重建算法的噪声问题，给医学高质量成像提供了一种准确科学的算法。
-
公开(公告)号：CN113671682A
公开(公告)日：2021-11-19
申请号：CN202110969362.1
申请日：2021-08-23
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明基于傅里叶叠层显微成像的频域光源位置精确校正方法中，(1)针对校正位置不精确的问题，对LED阵列中每个LED引入独立的频域位置误差模型进行精确校正；(2)针对校正过程需要参与图像重建过程而带来的时间消耗过长的问题，引入一幅高倍物镜采集的高分辨率强度图像当做参考图像，模拟傅里叶叠层显微成像技术的图像采集过程，生成每个LED对应的虚拟低分辨强度图像。结合虚拟与实际采集的图像，建立损失函数，以二维粒子群算法搜索每个LED对应的最佳频域位置参数。因此，本发明利用引入的高倍物镜下高分辨强度图像与频域位置误差模型实现了基于傅里叶叠层成像原理的LED光源频域位置精确校正，具有实现简易、鲁棒性高、位置精确等优点。
-
公开(公告)号：CN113552076A
公开(公告)日：2021-10-26
申请号：CN202110951449.6
申请日：2021-08-18
Applicant: 重庆地质矿产研究院 , 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于原位光谱实时监测的页岩气开发深层地下水环境分层监测及预警方法及系统，系统由多参数水质监测传感器、智能网关、云端服务器、深层地下水信息监测平台和移动端信息监测平台等组成。方法包括：步骤S1，在线监测装置的安装；步骤S2，水质监测数据采集，步骤S3，信号传输，将在线数据、设备运行情况通过网络传输层发送到信息监测平台；步骤S4，数据处理，深层地下水信息监测平台对采集到的地下水水质监测数据进行数据处理；步骤S5，地下水污染现状评价和地下水质量评价。步骤S6，地下水水质污染情况分析及预警。本发明通过对含水层多层监测，采用物联网进行数据传输，集监控、报警为一体，以实现页岩气开发区的深层地下水环境的在线监测与预警。
-
公开(公告)号：CN113327233A
公开(公告)日：2021-08-31
申请号：CN202110591907.X
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于迁移学习的细胞图像检测方法，通过傅里叶叠层显微成像系统采集了细胞图像并通过频谱迭代进行融合获得大视场、高分辨率细胞图像，采用VGG和FPN网络模型构建细胞密度估计网络，对细胞图像中细胞中心位置进行标注获取细胞密度图输入训练模型，将训练好的网络模型作为骨干网络构建细胞检测网络模型，进行迁移学习，获取细胞检测图输入细胞检测网络模型中，采用RPN网络提取候选区域，通过回归器和分类器对细胞进行位置回归和分类，最终得到细胞预测结果。本发明基于迁移学习，通过迁移学习训练能够提取到相似数据集共同特征的网络模型，解决了训练样本不足的问题，同时保证了模型输出的准确性。
-
公开(公告)号：CN113327231A
公开(公告)日：2021-08-31
申请号：CN202110589580.2
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统，包括：对原始高光谱图像进行降维处理；采用自编码网络提取降维后的图像中的背景空间特征并进行重构；将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像，根据第一残差图像得到空间域检测结果；采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构；将重构后的光谱域图像与原始高光谱图像进行差值运算，得到第二残差图像，根据第二残差图像得到光谱域检测结果；加权融合空间域检测结果和光谱域检测结果，得到异常目标检测结果。本发明具有强大的特征提取和表示能力，采取了样本数量扩充方案解决训练数据匮乏的问题，具有较好的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.033 seconds)
