-
公开(公告)号：CN117546675A
公开(公告)日：2024-02-13
申请号：CN202311634015.9
申请日：2023-11-30
Applicant: 中国科学院计算技术研究所
IPC: A01D41/02 , A01D41/06 , A01D41/127 , A01D69/02 , A01F12/18 , A01F12/40 , A01F12/44 , A01F12/56 , A01B69/04
Abstract: 本发明提出一种纯电驱动无人驾驶收获机，包括：电池，用于提供电能；永磁同步电动机，与该电池相连，该永磁同步电动机用于将电能转化为动能，动能由该永磁同步电动机的输出轴传递给动力输出皮带轮，动力输出皮带轮分别通过卸粮皮带、液压泵皮带、主离合皮带和行走皮带将动力传递给粮箱中间轴皮带轮、液压泵皮带轮、中间轴和无级变速轮；该粮箱中间轴皮带轮、该液压泵皮带轮、该中间轴和该无级变速轮分别给无人驾驶收获机中卸粮系统、液压系统、整机工作部件系统和底盘提供动力。本发明降低了整机能耗、减低了作业成本、提高了作业效率，同时保护了环境。
-
公开(公告)号：CN107862698B
公开(公告)日：2019-01-08
申请号：CN201711230611.5
申请日：2017-11-29
Applicant: 首都师范大学 , 中国科学院计算技术研究所
Abstract: 本发明公开了一种基于K均值聚类的光场前景分割方法及装置，方法包括：针对待处理的光场图像，提取重聚焦图像、极线平面图像和全清晰图像；采用结构张量方法对极线平面图像进行处理，获取极线平面深度信息；采用离散余弦响应方法对重聚焦图像进行处理，获取重聚焦信息；采用超像素分割技术讲全清晰图像分割的多个区域，针对每一个区域，获取区域颜色特征、区域几何特征、区域对应点特征和区域重聚焦特征；并采用K均值聚类计算区域之间的相似度；基于相似度，采用图割算法标记前景和背景，获取光场图像的前景分割结果。上述方法处理后的前景分割结果比现有技术中的前景分割结果更准确。
-
公开(公告)号：CN104469372B
公开(公告)日：2018-09-07
申请号：CN201410638332.2
申请日：2014-11-06
Applicant: 中国科学院计算技术研究所
IPC: H04N19/42 , H04N19/176 , H04N19/88
Abstract: 本发明提供一种用于压缩微透镜阵列采集的光场图像的方法和系统，所述方法包括：从光场图像中分解出多幅微图像，其中每幅微图像由组成该光场图像的所有宏像素块中相同位置的像素点组成；将所述多幅微图像进行排序并按该顺序合成为无损视频文件；以及采用基于视频编码的方法对所述视频文件进行压缩。本发明适用于压缩由微透镜阵列获取的光场图像，能够达到较高的压缩比，并且具有较好的压缩性能。
-
公开(公告)号：CN107784676A
公开(公告)日：2018-03-09
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：CN102625150A
公开(公告)日：2012-08-01
申请号：CN201210071087.2
申请日：2012-03-16
Applicant: 中国科学院计算技术研究所
IPC: H04N21/2343 , H04N21/238
Abstract: 本发明提供一种媒体播放系统，该系统允许用户在纯音频或混合视频播放模式之间切换，并且可以根据用户点播请求灵活地设置转码参数，基于所得到的转码参数将用户点播的节目从原始格式转码为用户所需格式。从而使得用户可选择性地欣赏从原始节目中提取的音频内容以节省网络流量和带宽，以及可选择特定码率的内容而不限定于媒体服务器提供的规格。而且，视频媒体提供网站无需为不同终端的用户存储和提供不同格式的内容，节省存储空间。
-
Patent Agency Ranking
公开(公告)号：CN107749047B
公开(公告)日：2020-10-16
申请号：CN201710954199.5
申请日：2017-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T3/40
Abstract: 本发明涉及一种基于哈达玛矩阵的渐进式压缩感知重建方法和系统，包括：将原始哈达玛矩阵作为低阶哈达玛矩阵，将低阶哈达玛矩阵中的行数据转换为第一观测矩阵，利用第一观测矩阵对原始图像进行压缩感知采样，获得原始图像的低阶测量值，并将根据低阶测量值生成的重建图像实时输出给用户进行查看；对低阶哈达玛矩阵进行迭代处理，得到高阶哈达玛矩阵，将高阶哈达玛矩阵中的行数据转换为第二观测矩阵，并利用第二观测矩阵对原始图像进行压缩感知采样，获得原始图像的高阶测量值，并将根据高阶测量值生成的重建图像实时输出给用户进行查看。有此可实时查看图像重建效果，使用户直观感受图像压缩结果，以采样率最少的采样数据，达到预期图像压缩效果。
-
公开(公告)号：CN107730451B
公开(公告)日：2020-06-05
申请号：CN201710911893.9
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深度残差网络的压缩感知重建方法和系统，包括：获取原始图像信号作为训练数据，并通过尺度变换和分割处理将训练数据分割为多个图像块；根据每个图像块的亮度分量和压缩感知理论模型，获得亮度分量对应的测量值；通过全连接网络对测量值进行线性映射处理，得到初步重建结果；将初步重建结果输入深度残差网络，训练得到估计残差值；将估计残差值与初步重建结果进行融合，生成重建信号。由此，本发明通过引入深度残差网络参与信号的重建，不仅实现对测量值到图像的还原重建还用到深度残差网络仅学习与目标之间的差异这一特点，提升了还原信号的质量。
-
公开(公告)号：CN105225207B
公开(公告)日：2018-11-30
申请号：CN201510551103.1
申请日：2015-09-01
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于观测矩阵的压缩感知成像方法，包括：1)在待感知图像中划分为显著性区域和非显著性区域；2)设置观测矩阵的孔径，所述观测矩阵中，对应于显著性区域的像素尺寸小于其余区域的像素尺寸；3)生成满足有限等距特性的矩阵，将所生成的矩阵各个像素的像素值依序填充到步骤2)设置的观测矩阵中，得到孔径可变观测矩阵；4)基于所述孔径可变观测矩阵获取并记录待感知图像的观测值。本发明能够在保证图像质量的前提下大幅减少压缩感知成像的数据量；能够在保证图像质量的前提下显著减少采样次数，节省采样时间；另外，本发明可直接应用于相机的成像系统，从而在图像采集阶段直接降低采集数据量。
-
公开(公告)号：CN104484869B
公开(公告)日：2017-02-22
申请号：CN201410646014.0
申请日：2014-11-14
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
Abstract: 本发明提供一种面向排序测度特征的图像匹配方法，该方法首先获取待检测图像的排序测度特征和采样特征序列；对待检测图像的采样特征序列进行哈希，并基于哈希的结果来从图像库的哈希表中选择多个候选图像；然后通过计算该待检测图像的排序测度特征和各个候选图像的排序测度特征的相似度，来确定与该待检测图像匹配的图像。该方法对于图像的排序测度特征采用分级匹配的方法，提高了排序测度特征的匹配速度，使得该特征用于大规模图像匹配成为可能。而且可以通过控制采样分块的数目，调整排序测度特征哈希表的所需的内存开销，使之能用于不同内存大小的计算平台。
-
公开(公告)号：CN105184808A
公开(公告)日：2015-12-23
申请号：CN201510670734.5
申请日：2015-10-13
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
CPC classification number: G06T2207/10004
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。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.037 seconds)
