-
公开(公告)号：CN113008370A
公开(公告)日：2021-06-22
申请号：CN202110228167.3
申请日：2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于液晶高光谱计算成像系统的三维自适应压缩重构方法，液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括：采集LCTF在各光谱通道下的低分辨率图像，获得低分辨率数据立方体；进行插值操作，快速得到高分辨率的高光谱数据立方体；利用自适应编码规则，基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径；通过自适应编码孔径分别获取各光谱通道下的压缩测量值；基于压缩感知理论，根据系统的观测矩阵、稀疏基和压缩测量值，重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典，使得本发明对目标场景有很强的适应性，能够提升成像质量。
-
公开(公告)号：CN111426383B
公开(公告)日：2022-05-10
申请号：CN202010303994.X
申请日：2020-04-17
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法，采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器，通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式；采用该全偏振调制方式对任一波段的全偏振局部图像进行处理，获得压缩信息；采用粒子群算法优化稀疏基，优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时，采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制，获得压缩信息，并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构，提高四个斯托克斯参量的重构精度。
-
公开(公告)号：CN113327231A
公开(公告)日：2021-08-31
申请号：CN202110589580.2
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统，包括：对原始高光谱图像进行降维处理；采用自编码网络提取降维后的图像中的背景空间特征并进行重构；将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像，根据第一残差图像得到空间域检测结果；采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构；将重构后的光谱域图像与原始高光谱图像进行差值运算，得到第二残差图像，根据第二残差图像得到光谱域检测结果；加权融合空间域检测结果和光谱域检测结果，得到异常目标检测结果。本发明具有强大的特征提取和表示能力，采取了样本数量扩充方案解决训练数据匮乏的问题，具有较好的检测精度。
-
公开(公告)号：CN109191482B
公开(公告)日：2021-09-21
申请号：CN201811215940.7
申请日：2018-10-18
Applicant: 北京理工大学
IPC: G06T7/136
Abstract: 本发明提供了一种基于区域自适应光谱角阈值的图像合并分割方法，能够避免过分割与欠分割现象，实现有效的图像分割。本发明一种面向目标的图像分割算法，以具有直观物理意义的区域间的平均光谱角作为合并与否和合并顺序的判断依据。采用光谱角作为全局梯度计算、过分割产生、全局地物相似性初始判断以及产生区域自适应的光谱角阈值的重要且唯一输入参数，充分考虑了遥感领域彩色、多光谱以至高光谱图像的光谱相关性。采用合并区域、待合并区域以及两者边界的空间统计量——区域同质性，自适应的产生适合每一个区域的光谱角阈值。既充分考虑了图像的空间相关性，又避免由于空间分割几何形状不规则带来的空间关系的不确定性。
-
公开(公告)号：CN108955887B
公开(公告)日：2020-06-19
申请号：CN201810752548.X
申请日：2018-07-10
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于LCTF的全偏振高光谱压缩感知成像系统和成像方法，所述系统包括线性延迟器、液晶可调滤光器、数字微镜阵列和面阵探测器；所述线性延迟器的穆勒矩阵设计为每一列前两个元素的绝对值不同；线性延迟器和液晶可调滤光器共同实现偏振维压缩；所述液晶可调滤光器切换L个不同的中心波长，输出每个波段下的图像，实现光谱维压缩；所述数字微镜阵列对每个波段的图像进行编码，实现空间维编码压缩；原始图像依次经线性延迟器、液晶可调滤光器、数字微镜阵列后，由面阵探测器探测，获得包含全斯托克斯参量的图像。使用本发明能够实现原始图像全斯托克斯参量的压缩重构。
-
Patent Agency Ranking
公开(公告)号：CN109855735A
公开(公告)日：2019-06-07
申请号：CN201910125305.8
申请日：2019-02-20
Applicant: 北京理工大学
IPC: G01J3/28
Abstract: 本发明提供了一种同步控制与采集的高光谱计算成像方法，在特定波长处采集不同编码孔径下的光谱图像，能够控制DMD自动更换编码孔径并进行投影测量，快速、高效的得到不同编码孔径时目标图像的光谱序列，实现高光谱计算成像。本发明在LCTF中心波长设定成功后才进行DMD更换编码孔径的操作，在DMD更换编码孔径并投影显示成功后才触发面阵探测器采集光谱图像。在LCTF调整中心波长，DMD更换编码孔径，面阵探测器光谱图像采集上避免时间冲突，保证采集图像数据的正确性。
-
公开(公告)号：CN109191482A
公开(公告)日：2019-01-11
申请号：CN201811215940.7
申请日：2018-10-18
Applicant: 北京理工大学
IPC: G06T7/136
Abstract: 本发明提供了一种基于区域自适应光谱角阈值的图像合并分割方法，能够避免过分割与欠分割现象，实现有效的图像分割。本发明一种面向目标的图像分割算法，以具有直观物理意义的区域间的平均光谱角作为合并与否和合并顺序的判断依据。采用光谱角作为全局梯度计算、过分割产生、全局地物相似性初始判断以及产生区域自适应的光谱角阈值的重要且唯一输入参数，充分考虑了遥感领域彩色、多光谱以至高光谱图像的光谱相关性。采用合并区域、待合并区域以及两者边界的空间统计量——区域同质性，自适应的产生适合每一个区域的光谱角阈值。既充分考虑了图像的空间相关性，又避免由于空间分割几何形状不规则带来的空间关系的不确定性。
-
公开(公告)号：CN106441577A
公开(公告)日：2017-02-22
申请号：CN201610855019.3
申请日：2016-09-27
Applicant: 北京理工大学
IPC: G01J3/28
CPC classification number: G01J3/2823
Abstract: 本发明公开了一种基于随机投影的协同编码高光谱成像系统及图像重构方法。使用本发明能够提高高光谱数据的重构速度和重构精度。本发明包括逐点扫描模块、分束器模块、第一观测通道模块、第二观测通道模块和图像重构模块；其中，第一观测通道针对收到的点光谱信息组成的光谱信息矩阵，随机生成观测矩阵A，利用观测矩阵A对光谱信息矩阵进行压缩编码；第二观测通道针对收到的每一个点光谱信息，均随机生成一个观测子矩阵，利用观测子矩阵分别对对应的点光谱信息进行光谱压缩编码；图像重构处理模块根据第一观测通道发送的观测值和第二观测通道发送的观测值，实现高光谱图像的重构。
-
公开(公告)号：CN103996549A
公开(公告)日：2014-08-20
申请号：CN201410254243.8
申请日：2014-06-10
Applicant: 北京理工大学 , 北京北方世纪纤维素技术开发有限公司 , 南通泰利达化工有限公司
IPC: H01G11/84
CPC classification number: Y02E60/13
Abstract: 本发明涉及一种纤维素纳米纤维电致变色超级电容器的制备方法；目的是提供一种加工温度较高、热膨胀系数低、易生物降解的纤维素纳米纤维基柔性电致变色薄膜超级电容器的制备方法。一种纤维素纳米纤维电致变色超级电容器的制备方法：将CNFs/[Cu2+-GO]n复合薄膜浸入PANI分散液中，取出清洗干燥后浸入PEDOT:PSS分散液中，取出清洗干燥，重复前述步骤m次，最后得CNFs/[Cu2+-GO]n/[PANI-PEDOT:PSS]m多层复合膜；将制得的CNFs/[Cu2+-GO]n/[PANI-PEDOT:PSS]m膜经过稀盐酸处理、HI酸还原得CRGPP-m复合导电膜；将双片CRGPP-m复合导电膜做电极，以H2SO4–PVA凝胶为电解质、组装为双电极体系的超级电容器S-RGPP。制备的S-RGPP超级电容器单位面积电容大大提高，且具有良好的透光率为37.8％，在充放电1000次后，其单位面积电容可达初始单位面积电容的78.3％。
-
公开(公告)号：CN112229514B
公开(公告)日：2023-04-18
申请号：CN202011054740.5
申请日：2020-09-27
Applicant: 北京理工大学重庆创新中心
IPC: G01J3/02 , G01J3/28 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法，搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络，将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入，经过多个隐藏层，最终输出重构后的高分辨率三维数据；其中，系统响应包括系统的空间响应和光谱响应，分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构，同时考虑压缩数据和系统响应，在训练数据足够多的情况下，该网络可以适应不同的编码模板和各种类型的计算光谱成像系统，快速准确地获取重构后的三维数据。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.03 seconds)
