-
公开(公告)号：CN116957012A
公开(公告)日：2023-10-27
申请号：CN202310929396.7
申请日：2023-07-27
Applicant: 北京大学
IPC: G06N3/0464 , H04N19/13 , H04N19/436 , H04N13/275 , G06N3/084
Abstract: 本发明提供一种采用量子补偿混合神经网络的数字全息压缩传输方法，将原始图像通过菲涅尔离轴全息算法记录为数字全息图、构建并训练基于量子补偿混合神经网络对数字全息图进行压缩与解压缩、使用8比特量化和添加随机噪声的方法进行量化和反量化，通过霍夫曼编码对压缩数据编码与解码，最终将恢复的全息图进行再现，得到再现像。本发明提供方法具有更快的并行处理速度和更好的图像恢复质量，适用于数字全息图这种大数据量的计算处理；能够在更少的训练次数完成压缩网络结构的训练，提高数字全息图的压缩传输速度。
-
公开(公告)号：CN114742945A
公开(公告)日：2022-07-12
申请号：CN202210324765.5
申请日：2022-03-30
Applicant: 北京大学
Abstract: 本发明提出了一种基于梯度优化的量子神经网络压缩彩色计算机全息图的方法，属于计算机全息图的压缩传输技术领域。本发明采用带宽限制的角谱法计算，双相位编码的方式制作彩色计算机全息图。提出梯度优化的量子神经网络在RGB色彩空间中压缩彩色计算机全息图的方法，根据不同波长计算机全息图的特点训练对应的网络模型。对于该方法解压缩的计算机全息图采用带宽限制的角谱法进行再现，并合成为彩色再现图像。本发明加速了彩色计算机全息图的压缩，并且获得了更高的解压缩彩色计算机全息图和彩色再现图像质量。
-
公开(公告)号：CN110430419B
公开(公告)日：2021-06-04
申请号：CN201910628490.2
申请日：2019-07-12
Applicant: 北京大学
IPC: H04N13/305 , H04N13/324 , H04N13/349
Abstract: 本发明提供一种基于超分辨抗混叠的多视点裸眼三维图像合成方法，该方法利用WDSR算法优化图像放缩的过程，由于WDSR算法只能将图像整数倍放大，所以在放缩图像中将结合使用传统插值算法，将原图放缩到目标合成图大小。然后根据柱状光栅的多视点子像素映射关系，计算得到多视点子像素映射表。再根据子像素映射表制作各视点蒙板，利用蒙板加速立体图的合成速度，把放缩后的各视点视图的一部分重新排列组合，最后可以得到比使用传统插值算法效果更好的立体合成图。本发明可以降低立体合成图的性噪比，改善了立体合成图的显示质量。
-
公开(公告)号：CN110430419A
公开(公告)日：2019-11-08
申请号：CN201910628490.2
申请日：2019-07-12
Applicant: 北京大学
IPC: H04N13/305 , H04N13/324 , H04N13/349
Abstract: 本发明提供一种基于超分辨抗混叠的多视点裸眼三维图像合成方法，该方法利用WDSR算法优化图像放缩的过程，由于WDSR算法只能将图像整数倍放大，所以在放缩图像中将结合使用传统插值算法，将原图放缩到目标合成图大小。然后根据柱状光栅的多视点子像素映射关系，计算得到多视点子像素映射表。再根据子像素映射表制作各视点蒙板，利用蒙板加速立体图的合成速度，把放缩后的各视点视图的一部分重新排列组合，最后可以得到比使用传统插值算法效果更好的立体合成图。本发明可以降低立体合成图的性噪比，改善了立体合成图的显示质量。
-
公开(公告)号：CN103955126B
公开(公告)日：2018-01-19
申请号：CN201410207345.4
申请日：2014-05-16
Applicant: 北京大学
Abstract: 一种基于相移干涉的数字全息图采集处理方法，包括如下步骤：搭建数字全息图采集平台；预先记录参考光强度；利用相机记录第一幅数字全息图；引入任意微相移，利用相机记录第二幅数字全息图；提取物体振幅信息；提取物体相位信息；对数字全息图进行再现与显示。本发明优点如下：采用同轴装置记录真实存在物体，相比离轴装置，记录条件宽松，记录带宽大；采用两步相移替代固定步长的多步参考光相移，其操作简便，对于记录装置稳定性要求宽松，便于搭建固定的采集系统；采用数值计算的方式代替物体光强的记录，降低了记录的复杂性，节省了成本；采用正交标准化算法，可准确提取干涉图的相位信息，能较好地兼顾图像质量和实时性。
-
Patent Agency Ranking
-
公开(公告)号：CN102074002A
公开(公告)日：2011-05-25
申请号：CN201110000208.X
申请日：2011-01-04
Applicant: 北京大学
Abstract: 本发明提供了一种相息图合成优化方法，该方法基于遗传算法。本发明提供的技术方案为：给原始图像加上一组随机相位掩膜；优化该掩膜；当达到优化条件时，具有最小代价函数的相位掩膜为最佳的掩膜，其对应的相息图即为所求的相息图。本发明通过优化掩膜的方法达到间接优化相息图的目的。本方法通过直接优化该随机相位掩膜，降低再现像的误差，从而达到优化相息图的目的。在遗传算法的选择环节，采用精英保留方法，其能够保留种群优秀解，能够加快收敛速度，且易于实现。和传统优化方法相比本发明提供的方法具有初始代价函数小，优化速度快，优化效果好等优点。
-
公开(公告)号：CN101795344A
公开(公告)日：2010-08-04
申请号：CN201010116678.8
申请日：2010-03-02
Applicant: 北京大学
Inventor： 杨光临
Abstract: 本发明公开了一种数字全息图像压缩、解码方法及系统、传输方法及系统。其中，传输方法包括：将获取的数字图像采用计算机合成全息图；利用神经网络中输入层和隐藏层中神经元点数之比，对全息图进行压缩，获取压缩编码的合成全息图；利用神经网络中隐藏层和输出层中神经元点数之比，对压缩编码的合成全息图进行解码，获取解码后的全息图；采用菲涅尔转换计算成像面上的场分布，再所述解码后的全息图。本发明采用BP神经网络对数字全息图像进行压缩，有效克服了数字全息图信息分布的非线性、信息分布类似随机噪声、有较大动态范围所带来的压缩弊端，有效的提高了数字全息图像的压缩效率。
-
公开(公告)号：CN115100300B
公开(公告)日：2024-07-16
申请号：CN202210581668.4
申请日：2022-05-26
Applicant: 北京大学
IPC: G06T9/00
Abstract: 本发明提出了一种基于注意力量子启发式神经网络的计算机全息图压缩方法，属于计算机全息图的压缩传输技术领域.该方法通过空间注意力机制去计算输入特征图中任意两个位置之间的相关性，然后网络可以通过该相关性去增强相关像素之间有用的信息，滤除那些无用的信息，从而更好的对压缩后计算全息图进行恢复。本发明相比于经典的量子启发式神经网络，通过本发明所提出的基于注意力的量子启发式神经网络对计算机全息图进行解压缩可以获得更高的图像质量。
-
公开(公告)号：CN115100300A
公开(公告)日：2022-09-23
申请号：CN202210581668.4
申请日：2022-05-26
Applicant: 北京大学
IPC: G06T9/00
Abstract: 本发明提出了一种基于注意力量子启发式神经网络的计算机全息图压缩方法，属于计算机全息图的压缩传输技术领域.该方法通过空间注意力机制去计算输入特征图中任意两个位置之间的相关性，然后网络可以通过该相关性去增强相关像素之间有用的信息，滤除那些无用的信息，从而更好的对压缩后计算全息图进行恢复。本发明相比于经典的量子启发式神经网络，通过本发明所提出的基于注意力的量子启发式神经网络对计算机全息图进行解压缩可以获得更高的图像质量。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.017 seconds)
