-
公开(公告)号：CN115128041B
公开(公告)日：2025-04-29
申请号：CN202210748316.3
申请日：2022-06-29
Applicant: 南京信息工程大学
IPC: G01N21/45 , G06N3/0464
Abstract: 本发明公开了一种折射率重建方法，属于光学测量技术领域，包括：获取待测流场的莫尔条纹；基于傅立叶分析和多重网格法，利用待测流场的莫尔条纹获得标准莫尔条纹偏折角分布；将获得的标准莫尔条纹偏折角分布输入预设卷积神经网络获得预测流场折射率分布；将获得的预测流场折射率分布进行Radon变换得到预测莫尔条纹偏折角分布；将标准莫尔条纹偏折角分布和预测莫尔条纹偏折角分布代入误差函数，确定误差值；根据误差值的收敛状态，确定收敛卷积神经网络；采用所述收敛卷积神经网络计算标准流场折射率分布。本发明提供了一种折射率重建方法，有效降低了计算过程的复杂程度和理论难度。
-
公开(公告)号：CN119888367A
公开(公告)日：2025-04-25
申请号：CN202510177022.3
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图神经网络的高光谱遥感图像分类方法及装置，涉及高光谱图像处理技术领域，本发明将原始高光谱数据中的每个像素点作为一个节点构建邻接矩阵，生成图结构数据；并使用余弦相似度度量函数去除一阶邻居节点中的异常像素，构建新的邻接矩阵，对原始数据使用主成分分析方法进行降维，提取主要光谱特征成分，降低计算复杂度，将优化后的邻接矩阵和降维后的三维高光谱遥感图像输入预先训练好的图神经网络模型，通过平均聚合方式聚合每个像素点的邻居特征，并通过KAN网络提取聚合后中心像素点的特征，得到中心像素点的嵌入，最后通过Softmax处理得到分类结果，提升了分类效率和准确性，为高光谱遥感图像处理领域带来了突破性的进展。
-
公开(公告)号：CN119206379B
公开(公告)日：2025-04-22
申请号：CN202411700036.0
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V20/10 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决高光谱图像中存在复杂的空间关系和纹理信息，常规的分类算法难以充分利用这些信息技术问题。其包括：脉冲神经网络能够自适应地提取更有效的特征，提高对高光谱数据的敏感性，动态阈值调整层避免人工设定固定阈值，更好地适应高光谱数据的复杂性；脉冲神经网络通过模拟生物神经系统的动态处理特性，能有效处理时空数据，特征提取层突出二值化的脉冲信号中的关键特征，从而增强关键特征的分类性能；根据每个像素的具体信息自动二值化编码为脉冲序列，具备更好的信息保真度；进而实现从高光谱图像中充分提取关键特征，实现高光谱图像的分类。
-
公开(公告)号：CN118230023B
公开(公告)日：2024-12-03
申请号：CN202410182358.4
申请日：2024-02-19
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/77
Abstract: 本发明公开了一种基于二次训练的高光谱图像分类方法及系统，涉及高光谱图像分类技术领域，通过Transformer分类模型进行有监督学习得到像素的高阶分类向量，构建与分类模型相同结构的二次训练模型，将像素块中的部分像素与中心像素输入模型，输出得到二次分类向量，根据高阶分类向量与二次分类向量之间差异作为损失，优化二次训练模型的参数，连接高阶分类向量与二次分类向量并输入线性分类模型，得到像素的分类概率。利用少量有标记数据微调线性分类模型，将待分类的像素分别利用训练好的Transformer分类模型、二次训练模型、线性分类模型，得到像素的分类概率，选择最大概率所在类别作为标签，即可实现高光谱图像分类。
-
公开(公告)号：CN117524340A
公开(公告)日：2024-02-06
申请号：CN202410010523.8
申请日：2024-01-04
Applicant: 南京信息工程大学
IPC: G16C20/20 , G16C20/70 , G06F18/214 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了基于多层一维CNN深度网络的纺织品成份定量表征方法，从近红外光谱样本数据中挑选出由目标成分构成的纺织品光谱数据，并对纺织品光谱数据进行预处理；构建GAN模型，利用训练集数据和随机噪声样本训练GAN模型；构建多池化融合一维卷积核神经网络，利用训练之后的生成器生成伪样本数据，利用伪样本数据训练多池化融合一维卷积核神经网络，将训练后的多池化融合一维卷积核神经网络作为分类器；利用分类器对纺织品的成分进行定量表征。本发明利用多层一维CNN深度网络、GAN模型和多池化融合一维卷积核神经网络相结合的方法，实现了对纺织品成分的高效准确定量表征，具有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN116883276A
公开(公告)日：2023-10-13
申请号：CN202310838623.5
申请日：2023-07-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Morlet小波变换的莫尔条纹相位信息提取方法，包括：将目标莫尔条纹图像转换为灰度图像；对所述灰度图像进行滤波处理，得到滤波后的二值化图像；对所述二值化图像进行数学形态学降噪处理得到处理后的图像，其中所述数学形态学降噪处理包括腐蚀和膨胀；利用调制Morlet小波对处理后的图像的每一列进行卷积，并计算小波系数的幅值和相位；根据小波系数的幅值确定小波脊线，提取小波脊线位置对应尺度系数和时间系数的相位；根据提取到的所有列的相位，得到完整的莫尔条纹相位信息。精度高且易于实现，以便用于进一步被测流场的折射率重建和关键参数测量。
-
公开(公告)号：CN116793258A
公开(公告)日：2023-09-22
申请号：CN202210248614.6
申请日：2022-03-14
Applicant: 南京信息工程大学
IPC: G01B11/25 , G01N21/41 , G06F18/2433
Abstract: 本发明公开了一种自动寻找流场边界的方法及系统，包括：获取待测流场的莫尔条纹，根据待测流场的莫尔条纹重建出流场在某个横截面上的折射率和亮度分布曲线；遍历所述横截面上的折射率和亮度分布曲线所有的峰得到整个待测流场的所有边界。优点：通过本发明可以自动准确地寻找到不同流场成分之间的边界；自动进行，计算速度极快，适合结构复杂的流场区域划分。
-
-
-
公开(公告)号：CN115690195A
公开(公告)日：2023-02-03
申请号：CN202211283045.5
申请日：2022-10-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种自动获取莫尔条纹包裹相位的方法及装置，获取待测流场的莫尔条纹图像，选取莫尔条纹图像的计算区域，设计算区域为M×N的矩阵A；对矩阵A进行傅立叶分析，得到矩阵B；计算矩阵B的第i行所有元素的平均值为xi；获取xi最大值对应的行数为o，令xo＝0；设矩阵B剩余行中最大值所在的行数为h，h∈{i|o‑k＜i＜o+k},k＝1,2,3,…,c；依次将k从1取到c，若xh为o‑k＜i＜o+k中最大值，则令xh＝0；在xo＝0、xh＝0的矩阵B中，获取行中平均值最大值对应的行数为h′；将矩阵B中h′行的数据放入M×N的矩阵D的正中心；对矩阵D进行傅立叶逆变换，得到矩阵E；根据矩阵E利用反正切函数计算得到莫尔条纹的包裹相位分布ψ。本发明提供的一种自动获取莫尔条纹包裹相位的方法及装置，不仅节约了数据处理的时间，还为后期的相位解包提供更准确可靠的基础。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.03 seconds)
