-
公开(公告)号：CN112561831A
公开(公告)日：2021-03-26
申请号：CN202011550463.7
申请日：2020-12-24
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习提取像差系数的畸变仿真及校正方法，包括：1)计算仿真出的携带畸变的图像的波前差的赛德尔多项式中畸变像差系数；计算波前差函数W；计算出对应的点扩散函数，将点扩散函数与清晰图像逐点卷积运算仿真出携带畸变的图像。2)将仿真出的携带畸变的图像和其对应的畸变像差系数作为训练对输入到卷积神经网络中进行学习训练，构建携带畸变的图像与畸变像差系数之间的映射关系，获得训练好的携带畸变的图像与畸变像差系数之间的映射关系的神经网络模型。3)网络测试过程中，通过把真实拍摄的需校正的图像输入到训练好的网络中，运用训练好的神经网络提取真实拍摄的需校正图像的畸变像差系数。4)将提取的畸变像差系数作为后续反卷积网络的输入，根据畸变像差系数计算出对应的点扩散函数，与真实拍摄的需校正的图像进行逐点反卷积运算达到畸变校正的目的。
-
-
公开(公告)号：CN112926157B
公开(公告)日：2023-06-27
申请号：CN202110267031.3
申请日：2021-03-10
Applicant: 中国计量大学
IPC: G06F30/17 , G06F30/27 , G06N3/045 , G06N3/0499 , G06N3/084 , G06F119/18
Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。
-
公开(公告)号：CN114820330A
公开(公告)日：2022-07-29
申请号：CN202110085267.5
申请日：2021-01-22
Applicant: 中国计量大学
Abstract: 本发明公开了一种增强型显微图像降噪恢复方法，包括：1)将高信噪比显微图像进行噪声叠加处理，获得低信噪比显微图像；2)将成对高、低信噪比显微图像作为训练数据对成对输入到图像降噪神经网络中进行训练，获得训练好的图像降噪神经网络模型；3)将待测试噪声图像分别与标准高斯噪声图像和标准椒盐噪声图像输入图像判别系统；4)利用图像代数运算法，对步骤3)中进行噪声水平评估并分类后的待测试噪声图像进行处理，得到预处理后的显微图像；5)将预处理后的显微图像作为输入，调用训练好的图像降噪神经网络模型，获得降噪恢复后的显微图像，实现显微图像的恢复；6)对降噪恢复后的显微图像进行输出与显示，获得对应的降噪恢复后的显微图像，从而达到显微图像降噪恢复的目的。
-
公开(公告)号：CN111507049A
公开(公告)日：2020-08-07
申请号：CN202010484612.8
申请日：2020-06-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种镜头仿真及优化方法，包括：1)计算偏离轴上图像点的波前差函数W，建立波前差与出射角θ之间的函数关系。2)根据计算出的波前差W，建立孔径函数P与波前差W的函数关系。3)通过对孔径函数P与P*的张量积运算，得到光学传递函数H的表达式，对光学传递函数H与H*的张量积运算取傅里叶逆变换并进行平方运算，得到点扩散函数h的函数表达式。4)通过计算携带像差的镜头在焦平面处每一像素点的点扩散函数，将点扩散函数与该点无像差图像进行卷积运算，仿真出该镜头拍摄的携带像差的图像。5)将仿真出的携带像差的图像和其对应的原始的无像差图像作为输入送到卷积神经网络中，对初始的卷积神经网络进行训练，建立波前像差与赛德尔多项式的匹配模型作为输出，然后运用训练好的卷积神经网络对模拟出携带像差的图像进行预测，获得对应的像差校正后的高质量图像，从而达到校正图像像差的目的。
-
Patent Agency Ranking
-
公开(公告)号：CN111507049B
公开(公告)日：2024-01-30
申请号：CN202010484612.8
申请日：2020-06-01
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G02B27/00
Abstract: 进行预测，获得对应的像差校正后的高质量图本发明公开了一种镜头仿真及优化方法，包 像，从而达到校正图像像差的目的。括：1)计算偏离轴上图像点的波前差函数W，建立波前差与出射角θ之间的函数关系。2)根据计算出的波前差W，建立孔径函数P与波前差W的函数关系。3)通过对孔径函数P与P*的张量积运算，得到光学传递函数H的表达式，对光学传递函数H与H*的张量积运算取傅里叶逆变换并进行平方运算，得到点扩散函数h的函数表达式。4)通过计算携带像差的镜头在焦平面处每一像素点的点扩散函数，将点扩散函数与该点无像差图像进行卷积运算，仿真出该镜头拍摄的携带像差的图像。5)将仿真出的携带像差的图像和其对应的原始的无像差图像作为输入送到卷积神经网络中，对初始的卷积神经网络进行训练，建立波前像差与
-
公开(公告)号：CN112926157A
公开(公告)日：2021-06-08
申请号：CN202110267031.3
申请日：2021-03-10
Applicant: 中国计量大学
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/18
Abstract: 本发明涉及一种基于神经网络的光栅滤光片结构优化方法，包括：1)计算不同结构参数下的光栅滤光片所对应的光谱；2)把计算所得经过预处理的光谱，以及每个光谱所对应的光栅滤光片结构参数数据对作为数据集，输入神经网络中,该神经网络包括一个正向神经网络以及一个反向神经网络；3)先对正向神经网络进行学习训练，建立从光栅滤光片结构参数到光谱的映射关系，得到训练好的正向神经网络模型；然后对反向神经网络进行训练学习，建立从光谱到光栅滤光片结构参数的映射关系，得到训练好的反向神经网络；4)将待测试的光栅滤光片结构参数矩阵输入到训练好的正向神经网络中，得到对应预测的光栅滤光片光谱，实现光栅滤光片的光谱预测；同样地，将待测试的光栅滤光片光谱矩阵输入到反向神经网络中，得到预测的结构参数，实现光栅滤光片的按需反向设计。
-
公开(公告)号：CN115564658A
公开(公告)日：2023-01-03
申请号：CN202110733047.9
申请日：2021-06-30
Applicant: 中国计量大学
Abstract: 本发明提出了一种畸变图像自动矫正方法。输入源图像后，首先获得待矫正的畸变图像，通过图像预处理，计算标准图像与参考图像之间像素矩阵的相关系数，从而获得待矫正的畸变图像的畸变系数，再结合畸变等效球面模拟畸变的产生，得到畸变矫正模型，对畸变图像进行矫正，输出矫正图像。其中相关系数的计算是在二值化图像的基础上进行的，因此计算量很小，算法简洁。同时，该方法应用范围广，无论桶型畸变还是枕型畸变，都可以得到很好的矫正。
-
公开(公告)号：CN216013809U
公开(公告)日：2022-03-11
申请号：CN202121510200.3
申请日：2021-07-05
Applicant: 中国计量大学
Abstract: 本实用新型公开了一种显微镜头的智能像差校正装置，主要由显微镜头、图像采集模块、图像处理模块、无线传输模块、计算机、储存模块、图像显示模块组成。显微镜头拍摄携带像差的图像，图像采集模块对拍摄的携带像差的图像进行采集；将采集到的携带像差的图像传输到图像处理模块中；图像处理模块将携带像差的图像传输给无线通信模块，无线通信模块将携带像差的图像传输给计算机；计算机运用卷积神经网络模型对携带像差的图像进行像差校正，并把像差校正后的图像传输给无线传输模块；图像处理模块将像差校正后的图像传输给储存模块进行数据存储，同时图像处理模块将像差校正后的传输给图像显示模块进行显示。本实用新型具有成本低、像差校正效果好的优点。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
