太阳辐射仪杂散光矫正装置

    公开(公告)号:CN217639752U

    公开(公告)日:2022-10-21

    申请号:CN202221903022.5

    申请日:2022-07-18

    Inventor: 张勇 周青 寻丽娜

    Abstract: 本申请提供了一种太阳辐射仪杂散光矫正装置,本申请在使用时,滤光机构能够滤去除太阳辐射仪光谱范围外的杂散光,避免杂散光进入太阳辐射仪。光路整形机构对激光光束进行扩束后,能够保证激光进入入射孔。光路整形机构对激光光束进行准直后,准直的激光不会向周围发散,避免发生激光光束能量耗散而导致进入太阳辐射仪的激光的信噪比过低的问题。在太阳辐射仪接收激光光束的过程中,处理器可以调节光源机构以使得光源机构出射不同波长的激光光束,从而使得太阳辐射仪能够得到不同波长激光光束对应的太阳辐射仪光谱响应信号,太阳辐射仪还可以将太阳辐射仪光谱响应信号发送给处理器。

    一种新的高光谱图像数据半监督分类方法

    公开(公告)号:CN109858557B

    公开(公告)日:2022-12-27

    申请号:CN201910113156.3

    申请日:2019-02-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种新的高光谱图像数据半监督分类算法,该方法为,首先获取到所有的高光谱数据,并将其作为初始数据;其次使用稀疏子空间聚类作为聚类方法来聚合所有的初始数据,并获取所有初始数据的伪标签;其次在CNN1中对所有的初始数据及其伪标签进行预训练;对于CNN1中分类层中的目标函数,提出了基于度量学习的新的目标函数;之后利用CNN1除去最后的分类层,再加上全连接层构成了CNN2;之后将带标签的数据以及它们的已知真实标签对CNN2进行微调。本发明是通过利用伪标签进行高光谱图像分类的半监督深度学习机制;用两段式训练,扩展了训练信息;为了更好的掌握高光谱样本结构特征的问题,在预训练阶段提出了新的目标函数。

    一种平稳Tetrolet变换算法
    5.
    发明授权

    公开(公告)号:CN107967676B

    公开(公告)日:2022-01-11

    申请号:CN201711101875.0

    申请日:2017-11-10

    Applicant: 安徽大学

    Abstract: 本发明公开了一种平稳Tetrolet变换算法,平稳Tetrolet变换是一种由四个单位正方形通过边连接起来的新的自适应Harr类小波变换,对应的滤波器组简单而有效。与标准二维小波变换相比,平稳Tetrolet变换是一种新型的基于四格拼板的多尺度几何变换工具,能够通过多方向选择有效地捕获图像中各向异性特性。本发明中对平稳Tetrolet变换的分解和重构算法进行了详细的描述,对利用平稳Tetrolet变换对图像的分解进行了仿真与分析。实验结果表明,与传统算法相比,提出的算法在保留原始图像边缘和纹理信息的同时,有效地取得较好的稀疏表达,能消除Tetrolet变换算法对图像融合存在方块效应的缺陷。

    一种紫外高光谱大气臭氧垂直柱浓度反演方法

    公开(公告)号:CN115730176A

    公开(公告)日:2023-03-03

    申请号:CN202211090748.6

    申请日:2022-09-07

    Applicant: 安徽大学

    Abstract: 本发明涉及臭氧浓度反演,具体涉及一种紫外高光谱大气臭氧垂直柱浓度反演方法,基于朗伯—比尔定律确定拟合方程;构造线性拟合矩阵M,构造向量根据线性拟合矩阵M和向量将拟合方程转换为矩阵形式;通过最小二乘法求解臭氧的斜柱浓度值;计算空气质量因子AMF;利用臭氧的斜柱浓度值和空气质量因子AMF计算臭氧的垂直柱浓度值;本发明提供的技术方案能够有效克服现有技术所存在的大气臭氧垂直柱浓度反演结果准确性较低、计算复杂的缺陷。

    一种新的高光谱图像数据半监督分类算法

    公开(公告)号:CN109858557A

    公开(公告)日:2019-06-07

    申请号:CN201910113156.3

    申请日:2019-02-13

    Applicant: 安徽大学

    Abstract: 本发明公开了一种新的高光谱图像数据半监督分类算法,该方法为,首先获取到所有的高光谱数据,并将其作为初始数据;其次使用稀疏子空间聚类作为聚类方法来聚合所有的初始数据,并获取所有初始数据的伪标签;其次在CNN1中对所有的初始数据及其伪标签进行预训练;对于CNN1中分类层中的目标函数,提出了基于度量学习的新的目标函数;之后利用CNN1除去最后的分类层,再加上全连接层构成了CNN2;之后将带标签的数据以及它们的已知真实标签对CNN2进行微调。本发明是通过利用伪标签进行高光谱图像分类的半监督深度学习机制;用两段式训练,扩展了训练信息;为了更好的掌握高光谱样本结构特征的问题,在预训练阶段提出了新的目标函数。

    一种多尺度批量特征丢弃网络的行人重识别方法

    公开(公告)号:CN114694170A

    公开(公告)日:2022-07-01

    申请号:CN202210091784.8

    申请日:2022-01-26

    Applicant: 安徽大学

    Abstract: 本发明公开了一种多尺度批量特征丢弃网络的行人重识别方法,涉及行人识别技术领域,具体包括如下步骤:S1、利用IBN‑Net50‑a为基础骨干网络提取特征;S2、对最后两层卷积层融合批量特征丢弃方法;S3、拼接不同维度的特征,能够包含更多浅层、深层的有用信息,IBN包括IN和BN,IN提取的鲁棒特征是不随一些外观变化而变化的,如颜色、风格、虚拟/真实,BN则是保留与内容相关的信息,本发明以IBN‑Net50‑a为骨干网的改进的网络模型,对最后两层卷积层融合批量特征丢弃方法,以增强局部区域的专注特征学习。采取多尺度特征融合策略,对不同的分支输出的特征图采用不同的池化,提升网络的鲁棒性、学习效率以及识别率。

    一种平稳Tetrolet变换算法
    9.
    发明公开

    公开(公告)号:CN107967676A

    公开(公告)日:2018-04-27

    申请号:CN201711101875.0

    申请日:2017-11-10

    Applicant: 安徽大学

    CPC classification number: G06T5/10 G06T2207/20064 G06T2207/20221

    Abstract: 本发明公开了一种平稳Tetrolet变换算法,平稳Tetrolet变换是一种由四个单位正方形通过边连接起来的新的自适应Harr类小波变换,对应的滤波器组简单而有效。与标准二维小波变换相比,平稳Tetrolet变换是一种新型的基于四格拼板的多尺度几何变换工具,能够通过多方向选择有效地捕获图像中各向异性特性。本发明中对平稳Tetrolet变换的分解和重构算法进行了详细的描述,对利用平稳Tetrolet变换对图像的分解进行了仿真与分析。实验结果表明,与传统算法相比,提出的算法在保留原始图像边缘和纹理信息的同时,有效地取得较好的稀疏表达,能消除Tetrolet变换算法对图像融合存在方块效应的缺陷。

    一种基于注意力机制的多尺度全场景监控目标检测方法

    公开(公告)号:CN114639067A

    公开(公告)日:2022-06-17

    申请号:CN202210091887.4

    申请日:2022-01-26

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于注意力机制的多尺度全场景监控目标检测方法,本发明涉及监测技术领域,具体包括如下步骤:通过在主干网络中增加一次下采样操作,使用最后四次下采样得到的特征图尺寸作为目标检测的四个尺度;将特征图进行3次上采样,与主干网络中的特征进行拼接融合,形成特征金字塔网络;在FPN上采样的基础上,增加了一条下采样特征融合路径,构成PAN结构,本文采用YOLOv5s作为基础框架,分析监控场景下的目标具有尺寸变化差异大的特点,提出了一种多尺度目标检测结构,提升网络对目标尺寸变化的适应能力,设计了一种基于注意力机制的特征提取模块,并将其融入到主干网络中,提升网络的特征提取能力。

Patent Agency Ranking