-
公开(公告)号：CN105067489A
公开(公告)日：2015-11-18
申请号：CN201510483564.X
申请日：2015-08-07
Applicant: 中国科学院计算技术研究所
IPC: G01N15/02
Abstract: 本发明提供一种基于动态光散射技术的悬浮颗粒粒径测量装置，包括：调制单元；光源单元，用于生成振幅调制的入射光并照射待测悬浮颗粒溶液中的目标点；样品容纳单元，用于容纳待测悬浮颗粒溶液；TOF传感器阵列，用于接收来自于所述待测悬浮颗粒溶液中的目标点的出射光，进行光电转换后输出相应的电信号；解调单元，用于对TOF传感器阵列输出的电信号进行解调，得到对应于TOF传感器阵列各个像素的测量信号；以及计算单元，用于基于Schaetzel算法和动态光散射技术计算出待测悬浮颗粒粒径。本发明还提供了相应的悬浮颗粒粒径测量方法。本发明能够从更多角度探测光子，从而获得更完整的散射信息，进而提高粒径测量结果的精度。并且，本发明更加便于操作。
-
公开(公告)号：CN102075753B
公开(公告)日：2012-10-31
申请号：CN201110007133.8
申请日：2011-01-13
Applicant: 中国科学院计算技术研究所
IPC: H04N7/26
Abstract: 本发明提供一种视频编解码中去块滤波方法，在对宏块进行滤波时，亮度边界处理顺序为右边第4条、右边第3条、右边第2条、上边第1条、上边第2条、上边第3条、上边第4条、右边第1条；色度边界处理顺序为右边第2条、上边第1条、上边第2条、右边第1条。本发明的方法可以利用更多的空闲处理单元，使得同步耗费相比于现有技术明显减少；另外，各个宏块在滤波前，只需要和更少的宏块进行同步通信，减少了额外操作，进一步加快了整体滤波速度。
-
公开(公告)号：CN101547365B
公开(公告)日：2011-07-20
申请号：CN200910083722.7
申请日：2009-05-08
Applicant: 北京北纬通信科技股份有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种保证特定区域显示质量的视频编码的方法和装置，该方法包括：数字监控系统对接收到的数字视频划分为不同类型的图像区域，并对不同类型的图像区域设置不同的权重系数，同时根据不同类型的图像区域设置的权重系数分别为不同类型的图像区域分配所需的带宽；数字监控系统的编码器以分配的带宽为准，为对应类型的图像区域进行编码输出。本发明解决了编码带宽条件有限的情况下，特定区域的内容无法显示或显示图像的质量不高的问题。
-
公开(公告)号：CN101547365A
公开(公告)日：2009-09-30
申请号：CN200910083722.7
申请日：2009-05-08
Applicant: 北京北纬通信科技股份有限公司 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种保证特定区域显示质量的视频编码的方法和装置，该方法包括：数字监控系统对接收到的数字视频划分为不同类型的图像区域，并对不同类型的图像区域设置不同的权重系数，同时根据不同类型的图像区域设置的权重系数分别为不同类型的图像区域分配所需的带宽；数字监控系统的编码器以分配的带宽为准，为对应类型的图像区域进行编码输出。本发明解决了编码带宽条件有限的情况下，特定区域的内容无法显示或显示图像的质量不高的问题。
-
公开(公告)号：CN117726878A
公开(公告)日：2024-03-19
申请号：CN202410027066.3
申请日：2024-01-08
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种用于全景图像目标检测模型的训练方法以及目标检测方法，目标检测模型采用经过全景数据适配的RetinaNet检测模型；训练方法包括：将训练样本中的全景图像输入至目标检测模型，输出多个预测框及其参数；根据训练样本中全景图像对应的真实框及其参数，计算预测框与真实框的交并比，作为第一交并比；其中，预测框与真实框为球面框；将第一交并比大于第一设定阈值的预测框作为正样本，并基于正样本对应的交并比计算目标检测模型的损失函数；根据损失函数更新目标检测模型的参数，直至目标检测模型收敛。本发明的训练过程可以快速分配正负样本进而提高模型的训练速度和训练后模型的性能。
-
Patent Agency Ranking
公开(公告)号：CN109840922B
公开(公告)日：2021-03-02
申请号：CN201810097816.9
申请日：2018-01-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于双目光场相机的深度获取方法和系统，包括：使用场相机拍摄场景，得到场景的视图和光场深度图；使用另一相机对场景进行拍摄，得到场景的另一视图，并根据视图间的视差，得到场景的双目深度图；使用光场相机拍摄具有深度标尺的标定场景，将光场深度图归一化到真实的空间尺度，得到第一真实深度图；使用光场相机拍摄标定场景，将双目深度图归一化到真实的空间尺度，得到第二真实深度图；使用光场深度变化的梯度值，获取光场深度图中各像素点的可信度；根据可信度和马尔科夫随机场，将第一真实深度图和第二真实深度图相融合，得到融合深度图。本发明通过融合光场深度和双目深度，实现从近到远准确计算场景深度的解决方案。
-
公开(公告)号：CN107784676B
公开(公告)日：2020-06-05
申请号：CN201710911885.4
申请日：2017-09-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于自动编码器网络的压缩感知测量矩阵优化方法和系统，包括：获取原始图像作为训练数据，通过分割裁剪处理将训练数据分割多个图像块；根据预设的采样率和自动编码器网络对图像块进行采样，生成初步重建图；根据深度残差网络计算初步重建图和原始图像间的残差值；将残差值与初步重建图相融合，生成重建结果，并根据重建图和图像块建立损失函数，通过损失函数对自动编码器网络中的参数矩阵进行训练，最后将训练完成的自动编码器网络参数作为压缩感知测量矩阵。本发明通过自动编码器对数据维度的变换，模拟实现了图像从采集到重建的过程，其中采集过程的参数即为测量矩阵，并且得到的测量矩阵具有很好的重建质量。
-
公开(公告)号：CN109840922A
公开(公告)日：2019-06-04
申请号：CN201810097816.9
申请日：2018-01-31
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于双目光场相机的深度获取方法和系统，包括：使用场相机拍摄场景，得到场景的视图和光场深度图；使用另一相机对场景进行拍摄，得到场景的另一视图，并根据视图间的视差，得到场景的双目深度图；使用光场相机拍摄具有深度标尺的标定场景，将光场深度图归一化到真实的空间尺度，得到第一真实深度图；使用光场相机拍摄标定场景，将双目深度图归一化到真实的空间尺度，得到第二真实深度图；使用光场深度变化的梯度值，获取光场深度图中各像素点的可信度；根据可信度和马尔科夫随机场，将第一真实深度图和第二真实深度图相融合，得到融合深度图。本发明通过融合光场深度和双目深度，实现从近到远准确计算场景深度的解决方案。
-
公开(公告)号：CN105184808B
公开(公告)日：2018-09-07
申请号：CN201510670734.5
申请日：2015-10-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种光场图像前后景自动分割方法，包括：1)基于超像素分割算法将光场图像划分为多个基本区域；2)提取每个基本区域的聚焦度；3)生成各种可能的前后景分割方案，选出使得总代价最小的前后景分割方案，所述总代价是各个基本区域被划分为前景或者背景的单区域代价的和，每个基本区域的所述单区域代价根据该基本区域的聚焦度得出；或者总代价是所有基本区域的单区域代价与相邻基本区域的区域相似度代价的加权和，所述相邻基本区域的区域相似度代价根据被分别划分为前景和后景的两个相邻基本区域的图像特征距离得出。本发明能够对景深差异较小的光场图像进行准确的前后景自动分割，提高分割的准确度；并且本发明的计算量较小。
-
公开(公告)号：CN107846592A
公开(公告)日：2018-03-27
申请号：CN201710969734.4
申请日：2017-10-18
Applicant: 中国科学院计算技术研究所
IPC: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
CPC classification number: H04N19/132 , H04N19/172 , H04N19/19 , H04N19/42
Abstract: 本发明涉及一种压缩感知图像的采集重建方法，包括：采样步骤，通过对原始图像进行双光路调制并采样；重建步骤，采用图形处理器配合主控计算机调用压缩感知重建软件进行重建；或采样现场可编程门阵列，调用硬化在现场可编程门阵列内的压缩感知重建模块进行重建。本发明在现有压缩感知成像技术的基础上，设计了双光路采集方案，可以在不调整设备的情况下采集单帧静态图像或多帧连续图像，使用图形处理器对压缩感知重建算法软件进行加速，或采用硬化有压缩感知重建算法的现场可编程门阵列执行重建，达到了高效图像视频采集和快速重建的效果。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.042 seconds)
