-
公开(公告)号：CN111310903B
公开(公告)日：2023-04-07
申请号：CN202010113830.0
申请日：2020-02-24
Applicant: 清华大学
IPC: G06N3/0464 , G06N3/063 , G06N3/088 , G06N3/0455 , G06T17/00
Abstract: 本发明公开了一种基于卷积神经网络的三维单分子定位系统，该系统利用荧光小球样本对点扩散函数进行标定；利用点扩散函数图像以及相机噪声模型模拟激发生成训练样本，并生成每张训练图像对应的真值三维矩阵；将训练样本输入到无监督降噪网络中得到降噪模型参数；将降噪后的训练样本以及真值三维矩阵输入定位神经网络中进行训练，得到定位模型参数；通过荧光显微镜对待观测样本进行成像，并将图像分割为与训练集相同的大小；对处理后的图像进行降噪；将降噪后图像输入到训练后的定位网络中进行测试；最终将输出结果通过稀疏编码的方法进行超分辨重建，得到超分辨图像。该系统可对高重叠率、高密度激发的点扩散函数保持轴向定位的高精度与高准确度。
-
公开(公告)号：CN120050494A
公开(公告)日：2025-05-27
申请号：CN202510037888.4
申请日：2025-01-09
Applicant: 清华大学
IPC: H04N23/50 , H04N23/54 , H04N23/741 , H04N19/42
Abstract: 本申请涉及高速成像技术领域，特别涉及一种基于编码曝光的轻量化高速成像系统及方法，其中，系统包括：成像硬件，用于采集目标场景在时域维度进行随机编码曝光的非对称的曝光编码序列，根据非对称的曝光编码序列生成编码模糊图像；上位机，用于获取曝光编码序列、曝光编码序列对应初始视频帧的序号和编码模糊图像，根据曝光编码序列和视频帧序号生成时域信息，根据编码模糊图像生成空域信息，根据时域信息和空域信息解析出目标视频帧，其中，目标视频帧的清晰度大于初始视频帧的清晰度。由此，解决了现有技术成像系统的成本较高、较为笨重等问题。
-
公开(公告)号：CN112053290A
公开(公告)日：2020-12-08
申请号：CN202010698124.7
申请日：2020-07-20
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积去噪自编码器的无监督事件相机去噪方法及装置，其中，该方法包括：利用事件相机采集包含时间、空间和极性信息的含噪声事件序列，按照固定步长对事件序列进行划分得到事件序列切片，将事件序列切片中的事件按照对应的空间位置坐标映射到二维，构成一幅二维图像，多段连续的事件序列切片顺序映射得到重构视频帧；构建去噪自编码器，重构视频帧通过预设去噪算法进行预去噪产生模拟真值，利用重构视频帧和真值训练去噪自编码器得到无监督卷积去噪自编码器，利用无监督卷积去噪自编码器对视频帧进行去噪。该方法可同时实现事件相机序列的二维可视化和去噪任务。
-
公开(公告)号：CN111429364A
公开(公告)日：2020-07-17
申请号：CN202010124621.6
申请日：2020-02-27
Applicant: 清华大学
Abstract: 本发明公开了一种基于傅里叶环相关性和改进的RNAN神经网络的图像恢复方法及装置，其中，方法包括以下步骤：获取原图像，并利用傅里叶环相关性去除原图像的热噪声；将去除热噪声的原图像作为预设的改进的RNAN神经网络的输入，并输入至改进的RNAN神经网络；获取改进的RNAN神经网络的输出，得到最终恢复图像。该方法以傅里叶环相关和改进的RNAN神经网络为主体，结合二者的优点实现对弱光照环境以及荧光图像的恢复，简单易实现。
-
Patent Agency Ranking
公开(公告)号：CN111428751A
公开(公告)日：2020-07-17
申请号：CN202010113024.3
申请日：2020-02-24
Applicant: 清华大学
Abstract: 本发明公开了一种基于压缩感知和卷积网络的物体检测方法，该方法构建了二维网络隐层引导网络的收敛方向，并采用重建原始信号作为引导信号，在网络结构设计上，采用了级联式网络设计：第一部分是多通道整图重构网络，将一维压缩编码信号重构至和原始信号接近的二维图像，转换为便于提取检测特征的形式。第二部分是检测网络，从第一网络的输出结果辨识场景中存在的物体和类别。在网络学习方面，依次训练两个子网络，然后进行联合网络的训练，解决了联合训练中的级联后梯度变化和预训练不一致的问题，获得优于子网络独立训练更好的性能。该方法实现了从压缩感知信号到物体检测结果的端到端映射，以更低的采样率和采集成本来完成检测任务。
-
公开(公告)号：CN111310903A
公开(公告)日：2020-06-19
申请号：CN202010113830.0
申请日：2020-02-24
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积神经网络的三维单分子定位系统，该系统利用荧光小球样本对点扩散函数进行标定；利用点扩散函数图像以及相机噪声模型模拟激发生成训练样本，并生成每张训练图像对应的真值三维矩阵；将训练样本输入到无监督降噪网络中得到降噪模型参数；将降噪后的训练样本以及真值三维矩阵输入定位神经网络中进行训练，得到定位模型参数；通过荧光显微镜对待观测样本进行成像，并将图像分割为与训练集相同的大小；对处理后的图像进行降噪；将降噪后图像输入到训练后的定位网络中进行测试；最终将输出结果通过稀疏编码的方法进行超分辨重建，得到超分辨图像。该系统可对高重叠率、高密度激发的点扩散函数保持轴向定位的高精度与高准确度。
-
公开(公告)号：CN111428751B
公开(公告)日：2022-12-23
申请号：CN202010113024.3
申请日：2020-02-24
Applicant: 清华大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于压缩感知和卷积网络的物体检测方法，该方法构建了二维网络隐层引导网络的收敛方向，并采用重建原始信号作为引导信号，在网络结构设计上，采用了级联式网络设计：第一部分是多通道整图重构网络，将一维压缩编码信号重构至和原始信号接近的二维图像，转换为便于提取检测特征的形式。第二部分是检测网络，从第一网络的输出结果辨识场景中存在的物体和类别。在网络学习方面，依次训练两个子网络，然后进行联合网络的训练，解决了联合训练中的级联后梯度变化和预训练不一致的问题，获得优于子网络独立训练更好的性能。该方法实现了从压缩感知信号到物体检测结果的端到端映射，以更低的采样率和采集成本来完成检测任务。
-
公开(公告)号：CN114095640A
公开(公告)日：2022-02-25
申请号：CN202210056247.X
申请日：2022-01-18
Applicant: 清华大学
IPC: H04N5/225 , H04N5/232 , H04N19/172 , H04N19/42
Abstract: 本申请涉及光学元件技术领域，特别涉及一种千万像素快照压缩成像系统及方法，其中，系统包括：采集组件，用于采集待成像物体的多张视频帧；成像组件，用于对多张视频帧进行压缩成像处理；混合编码孔径装置，用于在成像组件上随机产生千万像素静态编码，且不同编码对应不同的编码图案，并对千万像素静态编码进行二次调制，生成新的千万像素静态编码，以利用不同的编码图案调制成像过程中对应的多张视频帧，并通过成像组件进行积分压缩，得到待成像物体的压缩快照成像图片。由此，解决了相关技术中在高速高分辨成像时存在图像信噪比较低，且需要较大数据宽带等问题。
-
公开(公告)号：CN111337157A
公开(公告)日：2020-06-26
申请号：CN202010217116.6
申请日：2020-03-25
Applicant: 清华大学
IPC: G01K11/32
Abstract: 本发明涉及一种基于激光光学试纸的高频响测温方法，属于航空发动机试验测试领域。本发明的目的是为了解决目前航空发动机试验温度测试技术存在测量频响低，灵活性较差等问题，提供一种基于激光光学试纸的高频响测温方法。该方法通过将一种具有覆盖223～700K测温范围的高分辨力温敏粒子制备到具有一定二维尺寸的基底材料上，在激光器发射的具有额定参数的激光作用下，整个附着有温敏粒子的基底区域会发射出随温度变化而快速变化的荧光，通过分析该荧光信号测得流场温度，从而实现发动机进气流场温度快速响应、多维度测量的目的。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
