-
公开(公告)号：CN103619118B
公开(公告)日：2016-04-13
申请号：CN201310687284.1
申请日：2013-12-13
Applicant: 上海交通大学
IPC: H05H6/00
Abstract: 本发明提供了激光等离子体加速器及产生高品质电子束的方法。具体地，本发明的激光等离子体加速器包括激光参数和气体靶参数，其中，所述激光参数包括激光光强，脉宽和束腰半径，所述的气体靶参数包括气体类型，密度和混合比例。本发明基于超短激光在低密度气体靶中传输时形成的等离子体尾场加速电子束的原理，优化了激光参数和气体靶参数，在仅使用一束激光和一个气体靶的情况下得到高品质的电子束，从而获得简单易行的适用于医疗、工业和国防等领域的高品质电子束。
-
公开(公告)号：CN103353936A
公开(公告)日：2013-10-16
申请号：CN201310321102.9
申请日：2013-07-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种人脸识别方法及系统，包括：采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像；基于稀疏正则化方法对提取到的每一波段的人脸图像特征进行评价与选择得到降维后的每一波段的人脸图像的新特征和对应的新特征评价指标；再基于稀疏正则化方法对第一特征集进行评价、选择与融合构成最终表达人脸的第二特征集和对应的第二特征评价指标；根据第二特征评价指标从所述第三特征集获得最终表达所述待测试人的人脸的第二特征集；采用最近邻分类器获取分类结果。本发明能够在融合足够多人脸图像信息的基础之上，保证最终表达人脸的特征集有较低的维数，从而也保证人脸识别的速度和单个人需要存储的数据量较小，提高识别精度。
-
公开(公告)号：CN1604140A
公开(公告)日：2005-04-06
申请号：CN200410068024.7
申请日：2004-11-11
Applicant: 上海交通大学
IPC: G06T7/00
Abstract: 一种形态学滤波器自动目标检测方法，首先采集用来优化训练结构元素的训练样本，样本应尽可能包含各种点目标和背景，构造用于优化训练的遗传算法，该遗传算法采用新的区间离散化编码和自适应的主次式交叉与变异算子，利用采集到的样本用该遗传算法优化训练结构元素值，在这些优化好的结构元素的基础上构造基于Top－Hat算子的形态学滤波器，对红外目标图象进行滤波，最后针对所检测的大多数弱小点目标进行基于自适应门限的分割，对信躁比较高的点目标用固定门限进行分割检测出目标点。本发明实现了对复杂背景情况下的红外弱小点目标进行自动检测，极大提高了目标检测概率和抗干扰能力，在民用及军用方面有着极其广泛的应用前景。
-
公开(公告)号：CN103745760B
公开(公告)日：2018-03-23
申请号：CN201410020590.4
申请日：2014-01-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于全光激光等离子体加速器的小型γ射线源。该射线源包括同步双输出高功率激光系统(200)、双压缩‑延迟系统(12)、激光等离子体加速器(18)、粒子束聚焦系统(24)、散射光聚焦镜(27)以及粒子束分离系统。其中，一束初始激光脉冲通过该激光系统(200)被分开并放大从而产生两束同步高能量激光脉冲(10,11)，两束放大后的激光脉冲通过双压缩‑延迟系统(12)在时域上被压缩并进行适当的延迟而形成驱动脉冲(13)‑散射脉冲(14)对，驱动脉冲(13)通过激光等离子体加速器(18)产生相对论性的电子束(21)，粒子束聚焦系统(24)用于传输电子束(21)，散射光聚焦镜(27)用于将散射脉冲(14)聚焦在电子束(21)上以产生γ射线(31)，分离系统用于将上述电子束(21)和γ射线(31)分离。
-
Patent Agency Ranking
公开(公告)号：CN103353936B
公开(公告)日：2017-01-11
申请号：CN201310321102.9
申请日：2013-07-26
Applicant: 上海交通大学
Abstract: 本发明提供了一种人脸识别方法及系统，包括：采集可见光、近红外、中红外、远红外和热红外的多波段的训练图像；基于稀疏正则化方法对提取到的每一波段的人脸图像特征进行评价与选择得到降维后的每一波段的人脸图像的新特征和对应的新特征评价指标；再基于稀疏正则化方法对第一特征集进行评价、选择与融合构成最终表达人脸的第二特征集和对应的第二特征评价指标；根据第二特征评价指标从所述第三特征集获得最终表达所述待测试人的人脸的第二特征集；采用最近邻分类器获取分类结果。本发明能够在融合足够多人脸图像信息的基础之上，保证最终表达人脸的特征集有较低的维数，从而也保证人脸识别的速度和单个人需要存储的数据量较小，提高识别精度。
-
公开(公告)号：CN1312636C
公开(公告)日：2007-04-25
申请号：CN200410068024.7
申请日：2004-11-11
Applicant: 上海交通大学
IPC: G06T7/00
Abstract: 一种形态学滤波器自动目标检测方法，首先采集用来优化训练结构元素的训练样本，样本应尽可能包含各种点目标和背景，构造用于优化训练的遗传算法，该遗传算法采用新的区间离散化编码和自适应的主次式交叉与变异算子，利用采集到的样本用该遗传算法优化训练结构元素值，在这些优化好的结构元素的基础上构造基于Top-Hat算子的形态学滤波器，对红外目标图象进行滤波，最后针对所检测的大多数弱小点目标进行基于自适应门限的分割，对信噪比较高的点目标用固定门限进行分割检测出目标点。本发明实现了对复杂背景情况下的红外弱小点目标进行自动检测，极大提高了目标检测概率和抗干扰能力，在民用及军用方面有着极其广泛的应用前景。
-
公开(公告)号：CN103745760A
公开(公告)日：2014-04-23
申请号：CN201410020590.4
申请日：2014-01-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于全光激光等离子体加速器的小型γ射线源。该射线源包括同步双输出高功率激光系统(200)、双压缩-延迟系统(12)、激光等离子体加速器(18)、粒子束聚焦系统(24)、散射光聚焦镜(27)以及粒子束分离系统。其中，一束初始激光脉冲通过该激光系统(200)被分开并放大从而产生两束同步高能量激光脉冲(10,11)，两束放大后的激光脉冲通过双压缩-延迟系统(12)在时域上被压缩并进行适当的延迟而形成驱动脉冲(13)-散射脉冲(14)对，驱动脉冲(13)通过激光等离子体加速器(18)产生相对论性的电子束(21)，粒子束聚焦系统(24)用于传输电子束(21)，散射光聚焦镜(27)用于将散射脉冲(14)聚焦在电子束(21)上以产生γ射线(31)，分离系统用于将上述电子束(21)和γ射线(31)分离。
-
公开(公告)号：CN103619118A
公开(公告)日：2014-03-05
申请号：CN201310687284.1
申请日：2013-12-13
Applicant: 上海交通大学
IPC: H05H6/00
Abstract: 本发明提供了激光等离子体加速器及产生高品质电子束的方法。具体地，本发明的激光等离子体加速器包括激光参数和气体靶参数，其中，所述激光参数包括激光光强，脉宽和束腰半径，所述的气体靶参数包括气体类型，密度和混合比例。本发明基于超短激光在低密度气体靶中传输时形成的等离子体尾场加速电子束的原理，优化了激光参数和气体靶参数，在仅使用一束激光和一个气体靶的情况下得到高品质的电子束，从而获得简单易行的适用于医疗、工业和国防等领域的高品质电子束。
-
公开(公告)号：CN103268485A
公开(公告)日：2013-08-28
申请号：CN201310229579.4
申请日：2013-06-09
Applicant: 上海交通大学
Abstract: 一种图像处理技术领域的基于稀疏正则化的实现多波段人脸图像信息融合的人脸识别方法，通过采集可见光、近红外、中红外、远红外和热红外训练图像并进行归一化、去除背景以及光照预处理后，提取可见光、近红外、中红外、远红外和热红外的样本人脸特征；然后基于稀疏正则化的方法选择样本人脸特征，并根据样本人脸特征在分类意义下的评价系数赋予权值，再对样本人脸特征进行融合，得到表征该样本的特征向量作为指标向量并根据指标向量构成特征集；最后从待测图像中分割出人脸部分，并对待测人脸部分进行如步骤二至步骤四的操作，得到待测人脸部分的特征向量，并依次计算待测人脸部分的特征向量与特征集中特征向量之间的距离，选取距离最小的特征集所对应的样本即为待测图像的所属人。本发明具有克服配饰、遮挡等变化、识别精度高、适用范围广等优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
