公开(公告)号：CN116797641A

公开(公告)日：2023-09-22

申请号：CN202310841018.3

申请日：2023-07-10

Applicant: 吉林大学

Inventor： 朴美兰 ,  张家鹏

IPC: G06T7/593 ,  G06T17/00

Abstract: 本发明涉及一种基于稀疏采集的傅里叶全息图生成重建方法，属于傅里叶全息图生成重建方法。采用基于稀疏采集的集成成像方法生成物体的立体元图像；根据物体的立体元图像进行多视角投影非相干傅里叶计算全息图生成与仿真重建。本发明优点是使用基于SAD寻找方法的块匹配积分投影法同传统的图像识别灰度积分投影法相比，计算得到的视差误差率由3.125％下降到0.2％，所生成的立体元图像与原物体视图的结构相似度SSIM从0.71上升到了0.75，提升了所生成的立体元图像的准确度，从而使物体傅里叶全息图存储信息和再现图像更加准确，块匹配积分投影方法在运行代码进行块匹配时进行了图像的修正，仅在水平方向上搜索匹配块，与其它算法相比步骤更加简洁。

公开(公告)号：CN116092146A

公开(公告)日：2023-05-09

申请号：CN202211115161.6

申请日：2022-09-14

Applicant: 吉林大学

Inventor： 朴美兰 ,  田昭旭

IPC: G06V40/16 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于空间注意力网络的人脸表情识别方法，本发明涉及基于空间注意力网络的人脸表情识别方法。本发明的目的是为了解决现有空间注意力SA模块中的全局均值池化层抑制一些潜在的特征信息，导致人脸表情识别准确率低的问题。一种基于空间注意力网络的人脸表情识别方法具体过程为：步骤一、人脸图像预处理，获得人脸表情图像数据集；包括训练集和测试集；步骤二、对步骤一中获得的人脸表情图像数据集进行特征提取；步骤三、建立空间注意力模块，将步骤二提取到的特征输入到空间注意力模块，得到训练好的网络模型；步骤四、将步骤一中获得的人脸表情图像测试集输入训练好的网络模型，输出分类结果。本发明用于图像识别处理技术领域。

公开(公告)号：CN118982598A

公开(公告)日：2024-11-19

申请号：CN202411128393.4

申请日：2024-08-16

Applicant: 吉林大学

Inventor： 朴美兰 ,  梁超宇 ,  朱天屹 ,  刘维 ,  王春悦 ,  王勇

IPC: G06T11/00 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G06T5/40

Abstract: 一种基于深度学习和角谱法的全息图生成方法，它属于深度学习与数字全息技术领域。本发明解决了现有训练数据集获取方法存在的获取数据耗时长、成本高、难以保证获取数据的质量，以及基于现有深度学习方法输出的去噪后全息图获得的再现像的质量差的问题。本发明提出了HG‑Net网络结构，通过随机的调整斑点的密度和斑点的大小，将多个输入强度分布及其通过ASM传播得到的全息图作为训练数据集，以此来提高训练数据集的复杂度。利用训练数据集来训练HG‑Net网络，可以提高模型的泛化性。将HG‑Net网络输出的实部全息图和虚部全息图进行组合，获得生成的全息图，再基于生成的全息图进行数值和光学重建。本发明方法可以应用于全息图生成。

公开(公告)号：CN118192182A

公开(公告)日：2024-06-14

申请号：CN202410298710.0

申请日：2024-03-15

Applicant: 吉林大学

Inventor： 朴美兰 ,  朱天屹

IPC: G03H1/08 ,  G06T17/00

Abstract: 基于点云数据生成计算全息图的方法，本发明涉及基于点云数据生成计算全息图的方法。本发明的目的是为了解决基于点云法生成计算全息图计算速度慢的问题，以及利用查找表法在硬件占用大量内存空间的问题。过程为：一、读取目标点云的数据信息；二、构建辅助计算全息图；三、构建最终计算全息图；四、对于目标点云中第k个点，以第k个点为中心生成平行于辅助计算全息图平面的第k个正方形；分别以目标点云中各个点为中心生成平行于辅助计算全息图平面的正方形；五、将所有正方形衍射到辅助计算全息图，在辅助计算全息图上获得全部叠加后的辅助计算全息图；六、将全部叠加后的辅助计算全息图衍射到最终计算全息图。本发明涉及计算全息领域。

公开(公告)号：CN116362997A

公开(公告)日：2023-06-30

申请号：CN202310172943.1

申请日：2023-02-28

Applicant: 吉林大学

Inventor： 朴美兰 ,  梁超宇

IPC: G06T5/00 ,  G06N3/0455 ,  G06N3/084 ,  G03H1/32 ,  G03H1/22

Abstract: 本发明公开了一种提高数字全息再现像质量的方法，包括如下步骤：获取待处理数字全息图，数字全息图分别为含有散斑噪声的数字全息图和不含散斑噪声的数字全息图，获得神经网络训练所需的数据集；利用深度学习算法，根据具有图像去噪功能的神经网络方法对数字全息图进行去噪；对去噪后的数字全息图进行预设再现处理，得到数字全息图的再现像；根据预设图像处理算法对所述再现像去噪处理，得到最终结果。本发明基于深度学习和多子全息图重建相结合的方法来减少散斑噪声对全息重建像质量的影响，能够解决现有技术的不足和提高重建像的质量，实验证明本发明在数字全息图去除散斑噪声领域有比较好的效果，相较于传统的算法本发明优势较为明显。