公开(公告)号：CN119784642A

公开(公告)日：2025-04-08

申请号：CN202411414846.X

申请日：2024-10-11

Applicant: 哈尔滨工业大学

Inventor： 谷延锋 ,  桂宇哲 ,  刘天竹

IPC: G06T5/77 ,  G06T5/70 ,  G06T5/60 ,  G06N3/0895

Abstract: 基于超表面点扩散函数和去噪正则化方法的图像恢复方法，它涉及一种图像恢复方法。本发明为了解决现有超表面成像系统在成像时对超表面点扩散函数的忽略，导致恢复图像的光谱准确性和空间分辨率较差的问题。本发明的步骤包括：超表面单元的点扩散函数分析；图像退化即图像复原建模及图像预处理；获取去噪器；构建正则化项；构建目标函数；获取去噪后的超表面成像结果；获得训练好的深度学习网络；将待测原始图像输入训练好的深度学习网络，训练好的深度学习网络输出去噪后的图像。本发明属于超表面成像系统中图像恢复技术领域。

公开(公告)号：CN118941463A

公开(公告)日：2024-11-12

申请号：CN202411056531.2

申请日：2024-08-02

Applicant: 哈尔滨工业大学

Inventor： 谷延锋 ,  桂宇哲 ,  刘天竹

IPC: G06T5/70 ,  G06T5/60 ,  G06N3/0895 ,  G06N3/0464

Abstract: 基于卷积神经网络和去噪正则化方法的激光雷达点云数据处理方法、存储介质及设备，本发明涉及激光雷达点云数据处理领域，涉及激光雷达点云数据处理方法、存储介质及设备。本发明的目的是为了解决现有激光雷达点云数据去噪方法去噪准确率低，处理效率低，导致获取的去噪后的图像与真实图像误差大的问题。过程为：获得预处理后的激光雷达点云数据；获取去噪器；构建正则化项；构建目标函数；对目标函数进行求解获得去噪后的激光雷达点云数据；将预处理后的激光雷达点云数据作为输入，去噪后的激光雷达点云数据作为输出，基于目标函数中的惩罚函数进行自监督训练，获得训练好的网络；基于训练好的网络对待测激光雷达点云数据进行处理。