一种基于光谱成像的海洋甲藻细胞浓度检测变量选择方法

    公开(公告)号:CN115308135B

    公开(公告)日:2024-08-30

    申请号:CN202210940736.1

    申请日:2022-08-06

    Abstract: 本发明提供了一种基于光谱成像的海洋甲藻细胞浓度检测变量选择方法,具体包括步骤:(1)数据采集:获取甲藻的高光谱数据和藻细胞浓度真值;(2)变量选择:以偏最小二乘回归方法所得各波长回归系数b为权重,利用自适应加权采样ARS算法进行n次采样;降序排序各波长被采频次并逐步剔除低频次变量,计算交互检验均方根误差,确定均方根误差最小的变量子集为最佳子集;迭代运行k次反复收缩变量空间,根据均方根误差、拟合优度和波长数目确定迭代终止次数;(3)聚类分析:对剩余波长聚类分析,根据实用指标优选波长,建立甲藻细胞浓度检测模型。应用本技术方案可提高模型的检测精度和稳定性。

    基于残差混合注意力网络的图像超分辨率重建模型及方法

    公开(公告)号:CN115222601A

    公开(公告)日:2022-10-21

    申请号:CN202210940743.1

    申请日:2022-08-06

    Abstract: 本发明提供了一种基于残差混合注意力网络的图像超分辨率重建模型及方法,包括:浅层特征提取模块、深层特征提取模块和重建模块。浅层特征提取模块对低分辨率图像进行浅层特征的提取;深层特征提取模块由多个级联残差分离混合注意力组和全局残差连接组成,对浅层特征进行特征提取和融合,得到深层特征;重建模块使用亚像素卷积对深层特征进行上采样,得到更高分辨率的图像。残差分离混合注意力模块采用通道分离技术将特征图拆分,并行地送入两个分支模块进行处理,融合残差三重注意力模块提取的局部特征和高效Swin Transformer模块提取的全局特征,得到丰富的高低频信息。通过本发明的方法,可以获得细节更丰富的图像,实现更高精度的超分辨率重建。

    一种基于光谱成像的海洋甲藻细胞浓度检测变量选择方法

    公开(公告)号:CN115308135A

    公开(公告)日:2022-11-08

    申请号:CN202210940736.1

    申请日:2022-08-06

    Abstract: 本发明提供了一种基于光谱成像的海洋甲藻细胞浓度检测变量选择方法,具体包括步骤:(1)数据采集:获取甲藻的高光谱数据和藻细胞浓度真值;(2)变量选择:以偏最小二乘回归方法所得各波长回归系数b为权重,利用自适应加权采样ARS算法进行n次采样;降序排序各波长被采频次并逐步剔除低频次变量,计算交互检验均方根误差,确定均方根误差最小的变量子集为最佳子集;迭代运行k次反复收缩变量空间,根据均方根误差、拟合优度和波长数目确定迭代终止次数;(3)聚类分析:对剩余波长聚类分析,根据实用指标优选波长,建立甲藻细胞浓度检测模型。应用本技术方案可提高模型的检测精度和稳定性。

    一种基于双目标定的红外与可见光图像配准方法

    公开(公告)号:CN115222785A

    公开(公告)日:2022-10-21

    申请号:CN202210940739.5

    申请日:2022-08-06

    Abstract: 本发明提供一种基于双目标定的红外与可见光图像配准方法,该方法包括:使用前,预先标定得到红外与可见光双目相机的内外参数,以获取二者所拍摄图像之间的极线表达式;实际应用时,首先对采集到的红外与可见光图像分别使用特征点提取算法提取特征点,并根据特征点之间的相似性对特征点进行粗匹配;在粗匹配的特征点对集合中,根据特征点与其相对应极线的距离,剔除不满足极限约束的特征点对;利用未被剔除的特征点对,计算两幅图像之间的仿射变换矩阵完成图像配准。通过上述方式,根据极限约束的原理从相机空间关系压缩特征点配对的区域,降低了红外与可见光图像配准时特征点误匹配几率,取得高精度的配准效果。

Patent Agency Ranking