-
公开(公告)号：CN112926157A
公开(公告)日：2021-06-08
申请号：CN202110267031.3
申请日：2021-03-10
Applicant: 中国计量大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/18
Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。
-
公开(公告)号：CN113838023B
公开(公告)日：2023-09-15
申请号：CN202111105792.5
申请日：2021-09-22
Applicant: 中国计量大学
Abstract: 本发明公开了一种色差图像质量评价方法，包括1)将待评价图像做离散余弦变换，得到清晰度原值；2)将步骤1)中待评价图像做灰度化处理，得到灰度化后的待评价图像；3)将步骤2)中灰度化后的待评价图像做分块处理，得到分块处理后的图像组；4)将步骤3)中分块处理后的图像组做基于像素的计算和基于梯度的计算，得到一组基于像素的计算值和一组基于梯度的计算值；5)利用步骤1)中的清晰度原值与步骤4)中的一组基于像素的计算值和一组基于梯度的计算值进行色差评价计算，获得色差评价结果，实现对图像色差程度的客观评价。
-
公开(公告)号：CN115641918A
公开(公告)日：2023-01-24
申请号：CN202211366459.4
申请日：2022-11-01
Applicant: 中国计量大学
IPC: G16C20/20 , G16C10/00 , G06N3/08 , G06N3/0464 , G06F18/214
Abstract: 本发明公开了一种基于卷积神经网络的单分子力谱分类方法。包括：1)获取单分子力谱图像。2)对单分子力谱图像依次进行预处理、数据增强处理和人工标注类别处理，获得人工标注后的单分子力谱图像，制作包含训练集，验证集和测试集的数据集。3)构建卷积神经网络模型，利用训练集对构建好的卷积神经网络模型进行训练，生成训练好的卷积神经网络模型。4)将测试集中的单分子力谱图像输入到训练好的卷积神经网络模型中，得到单分子力谱的折叠事件数量类别信息，实现单分子力谱图像分类的目的。
-
公开(公告)号：CN113838023A
公开(公告)日：2021-12-24
申请号：CN202111105792.5
申请日：2021-09-22
Applicant: 中国计量大学
Abstract: 本发明公开了一种色差图像质量评价方法，包括1)将待评价图像做离散余弦变换，得到清晰度原值；2)将步骤1)中待评价图像做灰度化处理，得到灰度化后的待评价图像；3)将步骤2)中灰度化后的待评价图像做分块处理，得到分块处理后的图像组；4)将步骤3)中分块处理后的图像组做基于像素的计算和基于梯度的计算，得到一组基于像素的计算值和一组基于梯度的计算值；5)利用步骤1)中的清晰度原值与步骤4)中的一组基于像素的计算值和一组基于梯度的计算值进行色差评价计算，获得色差评价结果，实现对图像色差程度的客观评价。
-
公开(公告)号：CN113838132B
公开(公告)日：2023-08-04
申请号：CN202111105737.6
申请日：2021-09-22
Applicant: 中国计量大学
IPC: G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络的单分子定位方法。包括：1)计算仿真出三维粒子图像，将三维粒子图像中的粒子编码为二维矩形，得到二维矩形的参数信息。2)将步骤1)中计算仿真出的三维粒子图像和对应的二维矩形参数信息组成数据对作为训练集输入到卷积神经网络中进行学习训练，构建出三维粒子图像与二维矩形参数信息之间的映射关系，生成训练好的两者之间的映射关系的卷积神经网络模型。3)测试过程中将单分子图像输入到步骤2)中训练好的网络中，得到预测的二维矩形参数信息。4)将步骤3)中预测的二维矩形的参数信息转换为单分子图像中粒子的信息，利用单分子图像中粒子的信息进行三维重建达到单分子定位的目的。
-
Patent Agency Ranking
公开(公告)号：CN112561831A
公开(公告)日：2021-03-26
申请号：CN202011550463.7
申请日：2020-12-24
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习提取像差系数的畸变仿真及校正方法，包括：1)计算仿真出的携带畸变的图像的波前差的赛德尔多项式中畸变像差系数；计算波前差函数W；计算出对应的点扩散函数，将点扩散函数与清晰图像逐点卷积运算仿真出携带畸变的图像。2)将仿真出的携带畸变的图像和其对应的畸变像差系数作为训练对输入到卷积神经网络中进行学习训练，构建携带畸变的图像与畸变像差系数之间的映射关系，获得训练好的携带畸变的图像与畸变像差系数之间的映射关系的神经网络模型。3)网络测试过程中，通过把真实拍摄的需校正的图像输入到训练好的网络中，运用训练好的神经网络提取真实拍摄的需校正图像的畸变像差系数。4)将提取的畸变像差系数作为后续反卷积网络的输入，根据畸变像差系数计算出对应的点扩散函数，与真实拍摄的需校正的图像进行逐点反卷积运算达到畸变校正的目的。
-
公开(公告)号：CN118838047A
公开(公告)日：2024-10-25
申请号：CN202310439370.4
申请日：2023-04-23
Applicant: 中国计量大学
IPC: G02B27/00
Abstract: 本发明公开了一种光强可控任意多焦点阵列的相位调制方法，具体应用于光学微操作领域具体包括：激光器输出的光束经过半波片，将光束偏振方向调整为对空间光调制器敏感的水平方向，经过第一光学4F系统后被反射镜反射到空间光调制器上半径为R填充有焦点的相位参数信息的定位‑调光双区域，相位调制后的光束依次经过第二光学4F系统和物镜，在CCD的聚焦平面上形成光强可控任意多焦点阵列聚焦光场。相对于其他多焦点阵列生成方法，本发明不仅对多焦点空间位置调控，还利用定位‑调光双区域相位调制，调控阵列中各焦点的光强，实现多种微粒的捕获，提高了光学微操纵效率。
-
公开(公告)号：CN114331891A
公开(公告)日：2022-04-12
申请号：CN202111631782.5
申请日：2021-12-29
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习的超透镜色差恢复方法，包括1)构建超透镜色差恢复神经网络和色差恢复损失函数；2)将超透镜色差图像x与其对应的标准图像y作为训练数据对，对超透镜色差恢复神经网络进行训练，使得色差恢复损失函数值小于8，实现超透镜色差图像到其对应的标准图像的双向映射，获得训练好的超透镜色差恢复模型；3)利用步骤2)，将待恢复超透镜色差图像输入到训练好的超透镜色差恢复模型中，实现超透镜色差恢复。
-
公开(公告)号：CN114220585A
公开(公告)日：2022-03-22
申请号：CN202210100511.5
申请日：2022-01-27
Applicant: 中国计量大学
IPC: G21K1/00
Abstract: 本发明公开了一种基于自适应光学的双光束操纵系统，包括按照光路依次设置的激光器、用于调整水平偏振光比例的半波片、第一光学4F系统、第一反射镜、加载有两个不同相位图信息区域的空间光调制器、四分之一波片、聚焦透镜、第二反射镜、第二光学4F系统、第三反射镜、第三光学4F系统、二向色镜、物镜、样本台和成像单元；本发明利用爬山法改变Zernike系数，并通过改变空间光调制器的波前编码将波前调整为理想波前，实现对样本的深度操作或对高相差样本操作的目的，本发明扩大了光镊的操作样本范围，可以对厚度厚的样本进行操作，并且适用于像差大的样品操作。
-
公开(公告)号：CN112926157B
公开(公告)日：2023-06-27
申请号：CN202110267031.3
申请日：2021-03-10
Applicant: 中国计量大学
IPC: G06F30/17 , G06F30/27 , G06N3/045 , G06N3/0499 , G06N3/084 , G06F119/18
Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
