-
公开(公告)号：CN114119400A
公开(公告)日：2022-03-01
申请号：CN202111382815.7
申请日：2021-11-22
Applicant: 武汉大学
Abstract: 本发明公开了一种单光子计数图像联合去噪和超分辨率的卷积网络方法，首先利用基于深度卷积网络的去噪器提出了一种基于模型的迭代优化算法，将单光子计数图像去噪和超分辨率统一到一个问题中。然后，通过展开上述基于模型的迭代算法来构造模型引导的深度卷积网络，以获得一最优解。由于特殊的模型引导设计，所提出的网络中的所有模块都是可解释的，在实际情况下具有良好的泛化特性。此外，通过端到端的方式对网络中的深度去噪器和其他参数进行联合优化，有效降低了参数设计的难度。因此，该方法可以实现不同情况下的单光子计数图像联合去噪和超分辨率。
-
公开(公告)号：CN112859101B
公开(公告)日：2022-07-05
申请号：CN202110029743.1
申请日：2021-01-11
Applicant: 武汉大学
IPC: G01S17/36
Abstract: 本发明属于单光子探测技术领域，公开了一种基于偏振调制的单光子测距方法，利用量子理论对光子的偏振特性进行分析，将光子的飞行时间与回波光子的偏振调制态之间建立联系，通过探测光子对线偏振片的透过率计算光子的飞行时间，从而实现对目标距离测量。本发明可以实现微弱光信号条件下的目标距离测量，且不需要计时电路，极大程度上简化了三维光子计数成像中需要集成的硬件，为高空间分辨率的三维光子计数成像提供了便利。
-
公开(公告)号：CN114565514B
公开(公告)日：2024-07-26
申请号：CN202210166823.6
申请日：2022-02-23
Applicant: 武汉大学
IPC: G06T3/4053 , G06T5/50 , G06V10/80
Abstract: 本发明提出了一种基于线扫描的图像超分辨率方法，利用低分辨率探测器结合高分辨率空间调制器通过正交方向的线扫描获取多幅包含目标不同像素位置信息的低分辨率图像，进一步分别对两个方向上的低分辨率图像进行对应像素信息的提取和拼接融合得到两个方向上的图像超分辨率重建结果。最后提出一种基于全局和低秩约束的联合重建方法对两个方向的重建结果进行融合和条纹去噪，最终得到目标高分辨率重建图像。通过调整空间光调制器的工作像素和探测器成像区域像素实现不同超分辨率倍数的图像重建，通过调整扫描间隔来平衡采样时间与重建质量之间的关系，具有较强的灵活性和鲁棒性。本发明提供的方法分辨率增强效果显著，方法竞争力强。
-
公开(公告)号：CN113706693B
公开(公告)日：2023-11-17
申请号：CN202110992336.0
申请日：2021-08-27
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明提出了一种微光条件下偏振三维重建方法。利用光子计数技术获取微光条件下目标表面的反射光偏振信息，给出初始偏振三维重建结果。接着考虑主动照明激光方向矢量提供的额外阴影约束，对初始重建结果中的法向量方位角误差进行校正，有效解决偏振重建的凹凸性模糊问题。由光子探测半经典理论可以推导出基于泊松分布的光子计数概率模型，因此在利用单光子探测器获取反射光子计数值后可利用该模型将接收光子计数值映射到实际反射光子数值，并用此结果来反映目标表面反射光偏振信息。在方位角的校正过程中则是利用目标反射光非偏振光强，激光方向矢量和目标表面法向量之前存在的联系，对不确定的方位角增加额外约束以达到校正效果。
-
公开(公告)号：CN114565514A
公开(公告)日：2022-05-31
申请号：CN202210166823.6
申请日：2022-02-23
Applicant: 武汉大学
Abstract: 本发明提出了一种基于线扫描的图像超分辨率方法，利用低分辨率探测器结合高分辨率空间调制器通过正交方向的线扫描获取多幅包含目标不同像素位置信息的低分辨率图像，进一步分别对两个方向上的低分辨率图像进行对应像素信息的提取和拼接融合得到两个方向上的图像超分辨率重建结果。最后提出一种基于全局和低秩约束的联合重建方法对两个方向的重建结果进行融合和条纹去噪，最终得到目标高分辨率重建图像。通过调整空间光调制器的工作像素和探测器成像区域像素实现不同超分辨率倍数的图像重建，通过调整扫描间隔来平衡采样时间与重建质量之间的关系，具有较强的灵活性和鲁棒性。本发明提供的方法分辨率增强效果显著，方法竞争力强。
-
Patent Agency Ranking
公开(公告)号：CN113706693A
公开(公告)日：2021-11-26
申请号：CN202110992336.0
申请日：2021-08-27
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明提出了一种微光条件下偏振三维重建方法。利用光子计数技术获取微光条件下目标表面的反射光偏振信息，给出初始偏振三维重建结果。接着考虑主动照明激光方向矢量提供的额外阴影约束，对初始重建结果中的法向量方位角误差进行校正，有效解决偏振重建的凹凸性模糊问题。由光子探测半经典理论可以推导出基于泊松分布的光子计数概率模型，因此在利用单光子探测器获取反射光子计数值后可利用该模型将接收光子计数值映射到实际反射光子数值，并用此结果来反映目标表面反射光偏振信息。在方位角的校正过程中则是利用目标反射光非偏振光强，激光方向矢量和目标表面法向量之前存在的联系，对不确定的方位角增加额外约束以达到校正效果。
-
公开(公告)号：CN114119400B
公开(公告)日：2024-09-24
申请号：CN202111382815.7
申请日：2021-11-22
Applicant: 武汉大学
IPC: G06T5/70 , G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种单光子计数图像联合去噪和超分辨率的卷积网络方法，首先利用基于深度卷积网络的去噪器提出了一种基于模型的迭代优化算法，将单光子计数图像去噪和超分辨率统一到一个问题中。然后，通过展开上述基于模型的迭代算法来构造模型引导的深度卷积网络，以获得一最优解。由于特殊的模型引导设计，所提出的网络中的所有模块都是可解释的，在实际情况下具有良好的泛化特性。此外，通过端到端的方式对网络中的深度去噪器和其他参数进行联合优化，有效降低了参数设计的难度。因此，该方法可以实现不同情况下的单光子计数图像联合去噪和超分辨率。
-
公开(公告)号：CN113205462B
公开(公告)日：2022-07-19
申请号：CN202110367190.0
申请日：2021-04-06
Applicant: 武汉大学
Abstract: 本发明提供一种基于神经网络学习先验的光子反射率图像去噪方法，主要包括成像模型的构造与模型的网络化。首先构造光子计数成像模型，对模型进行求解，得到相应的子问题，然后将子问题的模型进行网络化，构建卷积神经网络，给定训练集，对先验和模型相应参数进行学习，最后得到光子反射率图像的去噪结果。通过实验证明，本发明提出的方法通过学习先验，将模型网络化，采用卷积神经网络对图像进行去噪，从而使得去噪图像的上述指标接近理想值。
-
公开(公告)号：CN113205462A
公开(公告)日：2021-08-03
申请号：CN202110367190.0
申请日：2021-04-06
Applicant: 武汉大学
Abstract: 本发明提供一种基于神经网络学习先验的光子反射率图像去噪方法，主要包括成像模型的构造与模型的网络化。首先构造光子计数成像模型，对模型进行求解，得到相应的子问题，然后将子问题的模型进行网络化，构建卷积神经网络，给定训练集，对先验和模型相应参数进行学习，最后得到光子反射率图像的去噪结果。通过实验证明，本发明提出的方法通过学习先验，将模型网络化，采用卷积神经网络对图像进行去噪，从而使得去噪图像的上述指标接近理想值。
-
公开(公告)号：CN112859101A
公开(公告)日：2021-05-28
申请号：CN202110029743.1
申请日：2021-01-11
Applicant: 武汉大学
IPC: G01S17/36
Abstract: 本发明属于单光子探测技术领域，公开了一种基于偏振调制的单光子测距方法，利用量子理论对光子的偏振特性进行分析，将光子的飞行时间与回波光子的偏振调制态之间建立联系，通过探测光子对线偏振片的透过率计算光子的飞行时间，从而实现对目标距离测量。本发明可以实现微弱光信号条件下的目标距离测量，且不需要计时电路，极大程度上简化了三维光子计数成像中需要集成的硬件，为高空间分辨率的三维光子计数成像提供了便利。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.016 seconds)
