-
公开(公告)号：CN113724146A
公开(公告)日：2021-11-30
申请号：CN202110795952.7
申请日：2021-07-14
Applicant: 北京理工大学
Abstract: 本发明公开的基于即插即用先验的单像素成像方法，涉及一种基于即插即用先验的欠采样条件下的单像素成像方法，属于计算摄像学领域。本发明结合基于模型方法和基于深度学习方法的优点，将现代图像降噪算法隐式作为先验替换到成像方法中，提高欠采样条件下单像素图像成像质量。本发明在即插即用同一构思下，提供欠采样条件下无噪声单像素成像方法和欠采样条件下考虑噪声的单像素成像方法。本发明公开的欠采样条件下无噪声的单像素成像方法，能够在不考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建。本发明公开的欠采样条件下考虑噪声的单像素成像方法，能够在考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建，对噪声具有鲁棒性。
-
公开(公告)号：CN113382060A
公开(公告)日：2021-09-10
申请号：CN202110635429.8
申请日：2021-06-07
Applicant: 北京理工大学
IPC: H04L29/08 , H04B17/391 , G06T17/00
Abstract: 本发明公开了一种物联网数据收集中的无人机轨迹优化方法及系统，先构建深度强化学习框架网络，然后将以包括信息素浓度的状态信息输入到策略网络中，获得无人机的动作，循环此过程；并利用信息素浓度计算瞬时奖励值以及获得累积奖励值。通过累积奖励值的状态，判断优化训练是否完成，最终根据训练好的策略网络获得无人机优化轨迹。本发明在仿真环境中对无人机及物联网节点进行信道建模，信道建模同时考虑视距LoS链路和非视距NLoS链路的存在，能够在反映实际物联网通信环境动态变化的前提下，使无人机快速完成物联网数据收集工作。根据优化后的无人机轨迹执行数据采集任务，可以更好地满足无人机实际飞行的需求，更准确的完成数据采集任务。
-
公开(公告)号：CN113163201A
公开(公告)日：2021-07-23
申请号：CN202110241030.1
申请日：2021-03-04
Applicant: 北京理工大学
IPC: H04N19/192 , H04N19/159 , H04N19/126
Abstract: 一种基于单像素相机的视频多帧重建方法和装置，该方法利用单像素相机获取连续多帧图像对应的一维测量值；基于一维测量值建立视频多帧重建模型，视频多帧重建模型使得多帧图像在时间维度上具有低秩性，在空间维度上具有全变分正则化先验；通过增广拉格朗日乘子法求解所述视频多帧重建模型，得出各变量迭代表达式；代入测量值和已知的调制掩膜矩阵，经多次迭代，从所述测量值中解耦合出多帧图像。由此，在多帧图像帧间低秩性先验和视频帧内全变分正则化约束下的本申请实施例，可在较低采样率下，同时重建多帧图像，提高重建效率和重建精度，对噪声具有鲁棒性，也就是说，本申请实施例具有高信噪比、高精度、低成本、效率高、适应性好等特性。
-
公开(公告)号：CN112560578A
公开(公告)日：2021-03-26
申请号：CN202011295796.X
申请日：2020-11-18
Applicant: 北京理工大学
Abstract: 本申请提出了一种免成像的车牌内容识别方法及系统，其中，方法包括：根据深度神经网络设计单像素免成像的多目标识别网络；建立免成像的多目标识别数据集，包含单像素一维测量值和对应的车牌字符；使用该数据集对多目标识别网络进行训练，得到优化的多目标识别模型参数；利用单像素探测器采集场景经编码调制后的一维耦合测量值，将一维耦合测量值输入多目标识别网络中进行处理，输出车牌内容识别结果。该方法利用深度神经网络直接根据单像素探测器采集的一维耦合测量值识别车牌上的字符，无需成像过程，同时无需依次进行单个字符的识别，降低了计算复杂度，减少了数据采集量，并且单像素探测器对于其他光谱范围适用，简单易实现。
-
公开(公告)号：CN111598962A
公开(公告)日：2020-08-28
申请号：CN202010332727.5
申请日：2020-04-24
Applicant: 北京理工大学
IPC: G06T11/00
Abstract: 本申请提出一种基于矩阵草图分析的单像素成像方法和装置，其中，方法包括：对目标场景进行随机坐标采样，获取多排行坐标和列坐标；对多排行坐标和列坐标对应的部分目标场景进行光编码，并通过预先搭建的单像素成像系统对编码光进行采集，获取一维测量值；根据一维测量值，利用单像素成像重建算法生成多排行坐标和列坐标对应的草图；使用矩阵草图分析方法对草图进行重建得到完整目标场景图像。由此，适用于大规模高分辨率单像素成像，有效减少采样率及计算时间，具有较高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111556257A
公开(公告)日：2020-08-18
申请号：CN202010304574.3
申请日：2020-04-17
Applicant: 北京理工大学
IPC: H04N5/355
Abstract: 本发明公开了一种基于窄动态范围采集和自适应相位恢复的成像方法及装置，其中，方法包括：搭建复数域成像光路；对样本光场进行多次调制；通过复数域成像光路进行相干衍射成像，并将复数域成像光路的二维探测器保持在预设状态，并采集光学傅里叶平面的多张窄动态范围光强图像；根据采集到的多张窄动态范围光强图像，利用自适应相位恢复算法重建观测样本的复数域信息。根据本申请的成像方法，可以基于窄动态范围采集和自适应相位恢复实现复数域成像的目的，不但缩短单次测量的曝光时间，而且降低测量造成的光热损伤，有效保证成像的可靠性和准确性。
-
公开(公告)号：CN110296758B
公开(公告)日：2020-08-11
申请号：CN201910422330.2
申请日：2019-05-21
Applicant: 北京理工大学
Abstract: 本发明涉及基于钙钛矿量子点滤光膜的光谱仪和光谱测量方法，方法包括：S1：将截止边在250nm～850nm波段内连续可调的滤光膜贴附在CCD相机传感器的感光表面；S2：构造目标光谱的CCD相机的测量值模型；S3：构造目标光谱的梯度函数和光谱重构的算法优化模型；S4：通过在算法优化模型中引入拉格朗日乘子，得到算法优化模型的拉格朗日函数；S5：初始化设置，包括：预置收敛阈值，预置目标光谱的初始值、拉格朗日乘子和权重参数；S6：根据ALM的迭代重建原则，更新目标光谱的梯度、目标光谱、拉格朗日乘子和权重参数；S7：当更新前后的目标光谱的差值小于阈值时，输出更新后的目标光谱，否则，重复步骤S6‑S7。
-
公开(公告)号：CN111047681A
公开(公告)日：2020-04-21
申请号：CN201911081307.8
申请日：2019-11-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的单像素三维端到端重建方法及装置，其中，该方法包括：构建包含多个物体三维信息的三维数据集；对三维数据集进行特定预处理生成单像素探测器的一维测量值；获取三维重建网络，通过三维数据集和一维测量值训练三维重建网络；通过训练后的三维重建网络对待测三维物体进行重建，输出待测三维物体的三维深度信息。该方法设计端到端的神经网络，从单像素探测器的一维测量值重建三维物体的三维深度信息，实现了在单像素三维成像系统中，通过深度学习的方法端到端的完成场景深度信息的重建，计算复杂度低。
-
公开(公告)号：CN110991306A
公开(公告)日：2020-04-10
申请号：CN201911184686.3
申请日：2019-11-27
Applicant: 北京理工大学
Abstract: 本发明公开了一种自适应的宽视场高分辨率智能传感方法和系统，其中，方法包括：通过第一相机采集宽视场的第一图像，并从第一图像中识别目标物体或区域；根据第二相机与第一相机的坐标转换关系将目标物体或区域在第一相机中的位置转化为在第二相机中的聚焦坐标；将第二相机旋转移动至聚集坐标对应的位置，并从第二相机中采集第二图像；将第二图像与第一图像进行匹配，得到第二图像在第一图像中的位置，以判断第二相机旋转后的位置是否符合预设条件；在满足预设条件后，获取第一图像与实时跟踪目标物体或区域的高分辨率图像。该方法既能够动态地获取目标物体或区域的高分辨率图像，且易于硬件实现，对于实际应用具有重要意义。
-
公开(公告)号：CN110809102A
公开(公告)日：2020-02-18
申请号：CN201910964142.2
申请日：2019-10-11
Applicant: 北京理工大学
IPC: H04N5/14
Abstract: 本发明公开了一种基于二值调制的成像加速方法及装置，其中，方法包括以下步骤：获取特定二值调制图案；通过空间光调制器在单曝光时间内对场景进行特定二值调制，并通过传感器耦合采集单张图像；在频率域上对叠加的不同时刻图像进行反解，以从单张拍摄图像重建多帧场景图像。该方法能够有效加速传感器成像速度，提高拍摄视频的帧频；并可针对不同数值孔径的光学系统设计不同的调制图案，实现不同的加速结果，并同时具有鲁棒、精确、高效的优点。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.035 seconds)
