-
公开(公告)号：CN117692615B
公开(公告)日：2024-04-26
申请号：CN202410139405.7
申请日：2024-02-01
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于红外波长的RGB图像通信方法，其步骤包括：S10补全波长‑RGB函数S20使用红外波长接收设备捕捉到图像上每个像素点的红外波长；S30将红外波长数据传输到终端；S40将波长数据依照补全后的波长‑RGB图像对应到具体的RGB值；S50将RGB值经过平移、伸缩及卷积变换到可视函数域内，生成新的RGB值；S60将新的RGB值转化为人眼可见的RGB图像转化为人眼可见的RGB图像；S70将RGB图像显示在显示屏。本发明提出了一种新的基于红外波长的RGB图像通信方法，创造性地提出了利用图像变换（平移、伸缩及卷积变换）将人眼不可见的红外光对应到可视域内获取RGB图像的方法。同时利用红外波长数据的传输方式，使图像传输更加稳定，增加通信过程中的鲁棒性。
-
公开(公告)号：CN110738367A
公开(公告)日：2020-01-31
申请号：CN201910966831.7
申请日：2019-10-12
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及交通尾气排放量预测技术领域，提供一种基于深度残差网络的交通尾气排放量预测方法。首先，将待预测区域划分成网格区域；然后采集每个时间段内待预测区域的车辆GPS轨迹数据集、节假日状况及天气状况数据，计算每个时间段内每个网格的交通尾气排放量；接着构建节假日-天气-排放量样本集、最近时间样本集、邻近时间样本集、遥远时间样本集，并预处理各样本集；再构建基于深度残差网络的交通排放预测模型，并训练模型；最后利用训练后的交通排放预测模型对待预测时间段内每个网格的交通尾气排放量进行预测。本发明能够提高交通尾气排放量预测的准确性，且能够同时预测整个城市中每一个子区域的交通尾气排放量。
-
公开(公告)号：CN118053522A
公开(公告)日：2024-05-17
申请号：CN202410204725.6
申请日：2024-02-25
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，包括：构建斯托克斯参量偏振融合神经网络；训练斯托克斯参量偏振融合神经网络；拍摄需要远程鉴别的材料的照片，输入至训练完成的斯托克斯参量偏振融合神经网络，生成偏振像；识别材料对应的偏振像，进行材料鉴别。本发明能够通过材料的照片生成偏振像，实现远程鉴别材料。
-
公开(公告)号：CN117615237A
公开(公告)日：2024-02-27
申请号：CN202311617430.3
申请日：2023-11-30
Applicant: 东北大学秦皇岛分校
IPC: H04N23/50 , H04N23/55 , H04N23/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及一种基于深度学习的数字偏振相机，该相机使用偏振像转换算法将普通光学器件拍摄到的常规光强度像转换为偏振像。所述偏振像转换算法可以使用深度学习算法和光学算法两种方式生成偏振像。深度学习算法利用常规光强度像和对应的θ度偏振像作为数据集进行训练，使用训练完成的模型生成偏振像；光学算法使用斯托克斯参数，将RGB值视作光强度值代入计算，得到θ度偏振像的RGB值，生成偏振像。从而使用纯算法的方式代替有光强损耗的偏振片获取无光强损耗的偏振像。
-
公开(公告)号：CN117805067A
公开(公告)日：2024-04-02
申请号：CN202410225199.1
申请日：2024-02-29
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于材料折射率的远程材料鉴别方法，包括：搭建光学测量模块，检测光强度值并计算光电场垂直分量和光电场平行分量；搭建并训练ANN网络；搭建并训练折射率导向模型；采集光强度值I，输入至折射率导向模型，生成材料的折射率；对照材料折射率表，查找对应的材料，完成材料鉴别。本发明能够通过检测一种材料的反射光获得该材料的折射率，实现远程材料鉴别。
-
Patent Agency Ranking
-
公开(公告)号：CN117392512A
公开(公告)日：2024-01-12
申请号：CN202311617301.4
申请日：2023-11-30
Applicant: 东北大学秦皇岛分校
IPC: G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于深度学习生成偏振像的导弹识别目标方法，其步骤包括：S10输入红外强度图像；S20数据预处理；S30建立输入的红外图像与红外偏振图像之间的损失函数；S40用红外偏振图像对该网络进行训练，并用训练后的模型转化原始红外图像；S50利用转化而成的红外偏振图像识别导弹正在追踪打击的目标。本发明改进了红外偏振图像的获取方式，创造性地提出了利用深度学习算法由原始红外图像转化为红外偏振图像的方法。同时构建了基于SRResNet算法的深度学习网络，从而深度捕捉转化过程的内部特征。
-
-
公开(公告)号：CN117692615A
公开(公告)日：2024-03-12
申请号：CN202410139405.7
申请日：2024-02-01
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了一种基于红外波长的RGB图像通信方法，其步骤包括：S10补全波长‑RGB函数S20使用红外波长接收设备捕捉到图像上每个像素点的红外波长；S30将红外波长数据传输到终端；S40将波长数据依照补全后的波长‑RGB图像对应到具体的RGB值；S50将RGB值经过平移、伸缩及卷积变换到可视函数域内，生成新的RGB值；S60将新的RGB值转化为人眼可见的RGB图像转化为人眼可见的RGB图像；S70将RGB图像显示在显示屏。本发明提出了一种新的基于红外波长的RGB图像通信方法，创造性地提出了利用图像变换（平移、伸缩及卷积变换）将人眼不可见的红外光对应到可视域内获取RGB图像的方法。同时利用红外波长数据的传输方式，使图像传输更加稳定，增加通信过程中的鲁棒性。
-
公开(公告)号：CN110738367B
公开(公告)日：2022-06-28
申请号：CN201910966831.7
申请日：2019-10-12
Applicant: 东北大学秦皇岛分校
Abstract: 本发明涉及交通尾气排放量预测技术领域，提供一种基于深度残差网络的交通尾气排放量预测方法。首先，将待预测区域划分成网格区域；然后采集每个时间段内待预测区域的车辆GPS轨迹数据集、节假日状况及天气状况数据，计算每个时间段内每个网格的交通尾气排放量；接着构建节假日‑天气‑排放量样本集、最近时间样本集、邻近时间样本集、遥远时间样本集，并预处理各样本集；再构建基于深度残差网络的交通排放预测模型，并训练模型；最后利用训练后的交通排放预测模型对待预测时间段内每个网格的交通尾气排放量进行预测。本发明能够提高交通尾气排放量预测的准确性，且能够同时预测整个城市中每一个子区域的交通尾气排放量。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
