-
公开(公告)号：CN117333391A
公开(公告)日：2024-01-02
申请号：CN202311315388.X
申请日：2023-10-12
Applicant: 桂林电子科技大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06V10/44 , G06V10/774 , G06V10/776
Abstract: 本发明提供的是一种基于N2N和深度学习的干涉图去噪方法，包括以下步骤：S1：对空间外差光谱仪干涉图数据集随机分类，形成训练集和验证集的原始图像数据集；S2：对干涉图进行预处理，并进行图像分割，得到训练集，验证集；S3：利用训练集进行深度学习去噪模型的训练；S4：利用验证集在固定的迭代次数验证损失函数下降情况，判断模型是否训练完成，若训练完成，输出去噪模型。本干涉图去噪方法在对深度学习模型进行训练时，只使用带噪声的图像进行去噪模型的训练，可以极大减少训练数据的获取难度，并且使用本方法训练出来的模型可有效恢复干涉图图像信息，抑制噪声并保持干涉条纹边缘连续性，可广泛应用于光学图像信息恢复等领域。
-
公开(公告)号：CN111982288B
公开(公告)日：2023-03-07
申请号：CN202010824851.3
申请日：2020-08-17
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种在空间调制偏振成像频域解调中降低干扰的方法。其过程包括：A1，中心波长为λ的窄带宽入射光进行空间调制偏振成像，得到包含偏振信息的干涉图像；A2，对干涉图像进行变换在频域中找到中心波长λ窄带宽入射光的Stokes矢量被调制的位置；A3，在进行滤波处理前需要将除了要解调的Stokes矢量所在峰值点之外，其它Stokes矢量峰值点附近区域需要用附近值进行覆盖处理；A4，以各Stokes矢量峰值点的位置为中心对频域进行低通滤波处理，将目标的偏振信息分别解调出来。本发明可用于空间调制偏振成像各偏振信息的频域解调，可广泛用于遥感偏振成像等领域。
-
公开(公告)号：CN115410090A
公开(公告)日：2022-11-29
申请号：CN202210862722.2
申请日：2022-07-21
Applicant: 桂林电子科技大学
IPC: G06V20/13 , G06V10/26 , G06V10/762 , G06V10/28
Abstract: 本发明提供的是一种基于图像分割的空间外差光谱仪图像压缩感知重构方法，属于光学遥感成像技术领域。其特征是：1通过空间外差光谱仪推扫产生干涉图像序列，处理得到干涉数据立方体；2分析干涉数据立方体每个波段图像间的谱间相关性，利用Kmeans聚类将波段图像进行分组；3将干涉数据立方体分组进行重构，每组的图像分为参考图像和非参考图像；4采用分块压缩感知的方法，对于参考图像采用固定高采样率测量重构；5重构出参考图像后，利用图像分割方法分割出前景与背景；6根据图像块含有的前景背景信息动态测量非参考图像，重构出非参考图像，进而重构出全部的干涉数据立方体。本发明解决了空间外差光谱仪扫描成像获取的干涉数据立方体数据冗余量大，数据的存储、传输及处理困难的问题，提高了干涉数据立方体压缩感知重构的精度和效率，具有广泛的应用面。
-
公开(公告)号：CN114660039A
公开(公告)日：2022-06-24
申请号：CN202210239135.8
申请日：2022-03-11
Applicant: 桂林电子科技大学
IPC: G01N21/65
Abstract: 本发明公开了一种氧乐果精细拉曼光谱快速检测系统。由实测物质拉曼光谱、确定合适的空间外差波段范围、设计特定波段高光谱分辨率空间外差检测系统三部分组成。通过测得的氧乐果特征峰波段范围500～850cm‑1，为使探测波段正好与测量物特征波段重合，计算选取空间外差检测系统理论波段范围817～841nm，根据光谱分辨率满足特征光谱细分要求，空间外差检测系统的CCD、光栅、扩视场光楔等关键光学部件参数以及光学结构设计满足光谱分辨率细分要求，得出各系统参数。根据参数搭建检测系统，由激光器照射氧乐果后，产生拉曼散射光、瑞利散射光经透镜准直，由BS转变成两束相干光，然后分别被G1、G2反向衍射回BS重新聚集在一起，并在出射波面产生空间干涉条纹，由成像探测器上来显示干涉图。所测氧乐果浓度越高，特征峰峰值越大。
-
公开(公告)号：CN112326032A
公开(公告)日：2021-02-05
申请号：CN202011171180.1
申请日：2020-10-28
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于多波段入射光偏振成像增加偏振信息的方法。其过程包括：A1，多个波段的入射光在进行空间调制偏振成像，得到包含偏振信息的干涉图像；A2，对得到的干涉图像进行变换在频域中分析不同波段偏振信息的分布情况；A3，将频域中不同位置的不同波段的偏振信息各自解调出来；A4，将得到的不同波段的偏振信息进行整合得到目标更全面的偏振信息。本发明可用于空间调制偏振成像偏振信息的解调，可广泛用于遥感偏振成像等领域。
-
Patent Agency Ranking
公开(公告)号：CN111982287A
公开(公告)日：2020-11-24
申请号：CN202010824721.X
申请日：2020-08-17
Applicant: 桂林电子科技大学
IPC: G01J4/00
Abstract: 本发明提供的是一种可谐调带宽入射光校正空间调制偏振成像参数的方法。其过程包括：A1，在频域中找到中心波长λ1窄带宽入射光的Stokes矢量S1被调制的位置a1；A2，通过可谐调滤光片调节带宽d和降低入射光的中心波长λ1，当偏振度DOP发生变化时由中心波长λ1减去带宽的一半d/2得到此波段不发生混叠时最小的波长λ2；A3，通过可谐调滤波片增大入射光的中心波长和调节带宽d，当偏振度DOP发生变化时由中心波长λ1加上带宽的一半d/2得到此波段不发生混叠时最大的波长λ3；A4，通过得到的此波段不发生混叠时最小的波长λ2和被调制的位置a1计算出偏振成像系统整体的系数t1；A5，通过得到的此波段不发生混叠时最小的波长λ3和a1+1计算出偏振成像系统整体的系数t2，对两个系数进行对比检测。本发明可用于宽波段空间调制偏振成像设备的参数的测量和校正，可广泛用于宽波段偏振遥感成像等领域。
-
公开(公告)号：CN111537065A
公开(公告)日：2020-08-14
申请号：CN202010362086.8
申请日：2020-04-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于空间调制全偏振成像系统的带宽设计方法，其特征在于，包括如下步骤：1)通过空间调制全偏振成像系统数学模型推导干涉光强与Stokes参量之间的关系式；2)确定S1、S23通道的主瓣信息；3)获取空间调制全偏振成像系统的极限带宽；4)设计空间调制全偏振成像系统的带宽。这种方法可作为系统带宽设计依据，进而选择满足带宽要求的滤光器件，在保证解调精度的前提下可获得最大的光通量、可提高探测系统的灵敏度及信噪比。
-
公开(公告)号：CN119310031A
公开(公告)日：2025-01-14
申请号：CN202411450975.4
申请日：2024-10-17
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于深度学习的特定空间外差光谱滤波方法。包括以下步骤：首先，使用空间外差光谱仪收集存在杂波的空间外差干涉图，以及相应的无杂波的空间外差干涉图；接着，采用傅里叶变换将存在杂波的空间外差干涉图和无杂波的空间外差干涉图转换为存在杂波的空间外差光谱和无杂波的空间外差光谱；然后，将存在杂波的空间外差光谱和无杂波的空间外差光谱作为输入和输出组建训练集，并将训练集导入深度神经网络进行训练，获得训练好后的滤波网络模型；最后，将空间外差光谱仪在实际探测过程中收集的实测存在杂波的空间外差干涉图，经过傅里叶变换为实测存在杂波的空间外差光谱后，将其导入训练好的滤波网络模型就可以获得滤波后的空间外差光谱。本发明能快速有效地对特定空间外差光谱进行滤波处理，去除特定杂波的光谱信息，并极大地保留所测目标对象特征波段的光谱信息。
-
公开(公告)号：CN117928734A
公开(公告)日：2024-04-26
申请号：CN202410116551.8
申请日：2024-01-29
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是基于深度神经网络的噪声空间外差干涉光谱信息校正方法。该方法包括以下步骤：利用空间外差光谱技术探测目标获取无噪空间外差干涉图以及对应的噪声空间外差干涉图；将无噪空间外差干涉图经傅里叶变换等获得理想空间外差光谱；以噪声空间外差干涉图和对应的无噪空间外差干涉图提取的理想空间外差光谱组建训练集；将训练集导入构建的深度神经网络进行训练；经过多次参数调整和迭代优化得到训练好的网络模型；应用时，将空间外差光谱技术探测到的噪声空间外差干涉图导入训练好的网络模型；训练好的网络模型直接输出校正后的降噪空间外差光谱；本发明能简化噪声处理流程，准确高效地从噪声空间外差干涉图中提取校正后的目标光谱信息。
-
公开(公告)号：CN117851977A
公开(公告)日：2024-04-09
申请号：CN202410021005.6
申请日：2024-01-05
Applicant: 桂林电子科技大学
IPC: G06F18/27 , G01N21/25 , G01W1/02 , G06N3/126 , G06F18/2131
Abstract: 本发明公开了一种全局与局部优化结合的地基红外高光谱CO2柱浓度反演方法，流程包括：采集光谱数据，数据预处理，获取大气参数，构建初始种群，计算模拟光谱，构建全局与局部优化结合的迭代反演算法，计算CO2柱浓度。反演算法中遗传算法(GA)用于全局搜索最优参数，以避免传统方法中可能遇到的局部最优问题，然后使用Levenberg‑Marquardt(L‑M)算法进行局部精细调整，提高了反演算法的准确性、鲁棒性及计算效率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.026 seconds)
