-
公开(公告)号：CN115082335B
公开(公告)日：2024-07-19
申请号：CN202210627661.1
申请日：2022-06-06
申请人： 北京理工大学
摘要： 本发明属于图像去噪领域。一种基于噪声建模与配对真实数据的图像去噪方法，通过将暗阴影建模为ISO相关的线性模型，提高对暗阴影标定的效率和准确性；通过暗阴影矫正降低真实噪声分布的复杂性，提高去噪后的图像颜色准确性；通过散粒信号增广处理增加配对真实数据的数据量，使得去噪方法能够更精确地拟合配对真实数据之间的映射关系，提高去噪后的图像纹理清晰度。一种基于噪声建模与合成数据的图像去噪方法，通过将暗阴影建模为ISO相关的线性模型，提高对暗阴影标定的效率和准确性；通过在推理过程中引入暗阴影矫正降低合成数据与真实配对数据的差距，使基于未考虑暗阴影的噪声建模方法合成数据训练的去噪方法能够更准确地泛化到真实场景。
-
公开(公告)号：CN109447891A
公开(公告)日：2019-03-08
申请号：CN201910018035.0
申请日：2019-01-09
申请人： 北京理工大学
摘要： 本发明公开的一种基于卷积神经网络的光谱成像系统的高质量成像方法，属于计算摄像学领域。本发明将高光谱图像成像过程与重建过程一起考虑，重建过程中分别考虑图像间的空间相关性和光谱相关性，使用残差学习加速网络的训练速度和收敛速度，优化重建网络的同时优化编码网络，使用GPU完成对整个网络的优化求解：使用cuDNN库加速网络运行速度；使用随机梯度下降法更新网络参数；逐块处理完成高光谱图像的重建。本发明能够高质量完成CASSI光谱成像系统的高光谱图像重建，在保证重建结果具备高空间分辨率和高光谱保真性的同时，提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明可用于载人航天、地质勘测、农业生产和生物医学等多个领域。
-
公开(公告)号：CN109447890A
公开(公告)日：2019-03-08
申请号：CN201910018000.7
申请日：2019-01-09
申请人： 北京理工大学
摘要： 本发明公开的一种基于卷积神经网络的光谱成像系统的编码优化方法，属于计算摄像学领域。本发明应用于基于编码孔径快照光谱成像系统，将高光谱图像成像过程与重建过程一起考虑，优化重建网络的同时优化编码网络，并使用GPU完成对整个网络的优化求解：使用cuDNN库加速网络运行速度；使用随机梯度下降法更新网络参数；逐块处理完成高光谱图像的重建。本发明能够高质量地完成CASSI光谱成像系统的高光谱图像重建，在保证重建结果具备高空间分辨率和高光谱保真性的同时，大幅度提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明可用于载人航天、地质勘测和植被研究等多个领域。
-
公开(公告)号：CN109146787A
公开(公告)日：2019-01-04
申请号：CN201810926111.3
申请日：2018-08-15
申请人： 北京理工大学
CPC分类号： G06T3/4007 , G06T3/4061 , G06T7/55
摘要： 本发明公开的一种基于插值的双相机光谱成像系统的实时重建方法，涉及能够实时获取高分辨率高光谱图像的方法，属于计算摄像学领域。本发明实现方法如下：应用于基于全色相机的双相机光谱成像系统，将高光谱重建分成低分辨率高光谱重建、上采样插值和高分辨率高光谱重建三个阶段，并根据系统原理和GPU工作特点建立快速插值模型、快速响应模型和快速差分模型来完成上述重建的三个阶段，能够在保证重建结果具备高空间分辨率和高光谱保真性的同时，大幅度提高高光谱图像重建的效率，达到实时重建高光谱图像的目的，极大地扩展高光谱图像的应用范围。本发明可用于地质勘探、生物研究、和人工智能等多个领域。
-
公开(公告)号：CN107525588A
公开(公告)日：2017-12-29
申请号：CN201710699197.6
申请日：2017-08-16
申请人： 北京理工大学
IPC分类号： G01J3/28
摘要： 本发明公开的一种基于GPU的双相机光谱成像系统的快速重构方法，涉及能够快速获取高分辨率高光谱图像的方法，属于计算摄像学领域。本发明应用于基于编码孔径快照光谱成像+灰度相机的双相机光谱成像系统，将高光谱图像重构问题转化为多个子优化问题，并使用GPU完成各个子问题的求解：使用cuBLAS库和共轭梯度下降法更新高光谱图像；使用软阈值函数更新辅助变量；重复迭代完成高光谱图像的重构。本发明能够高质量地完成双相机光谱成像系统的高光谱图像重构，在保证重建结果具备高空间分辨率和高光谱保真性的同时，大幅度提高高光谱图像重建的效率，扩展高光谱图像的应用范围。本发明可用于载人航天、地质勘测和植被研究等多个领域。
-
公开(公告)号：CN107451956A
公开(公告)日：2017-12-08
申请号：CN201710588203.0
申请日：2017-07-19
申请人： 北京理工大学
摘要： 本发明公开的一种编码孔径光谱成像系统的重构方法，涉及能够快速获取高分辨率高光谱图像的方法，属于计算摄像学领域。本发明应用于编码孔径快照光谱成像系统，将高光谱图像重构问题转化为全变差约束的最优化问题，并使用交替方向乘子法(ADMM算法)求解：使用共轭梯度下降法来更新高光谱图像；使用软阈值函数更新ADMM算法的辅助变量；根据ADMM算法交替更新的策略进行迭代，从而完成高光谱图像的重构。本发明能够完成用于编码孔径光谱成像的高分辨率高光谱图像快速重构，具有收敛速度快、重构效率高、易于并行化处理的优点。本发明不仅适用于编码孔径快照光谱仪，还能够扩展适用于基于多路采样的光谱仪设备。
-
公开(公告)号：CN118169793A
公开(公告)日：2024-06-11
申请号：CN202410047454.8
申请日：2024-01-12
申请人： 北京理工大学
IPC分类号： G02B5/28 , G06T11/00 , G06N5/04 , G06F17/10 , G06N3/0464 , G06N3/084 , G06N3/048 , G02B5/20 , G02B27/00 , G01J3/28 , G01J3/02
摘要： 本发明公开的一种基于物理的滤光片设计及光谱成像方法，属于光谱成像技术领域。本发明实现方法为：从多层介质干涉原理出发，建立基于物理约束的滤光片模型，将滤光片的透过率参数化地表示为膜系厚度的函数。通过光谱成像系统成像过程模型，描述光谱图像被光谱成像系统捕获的前向过程。通过滤光片的结构参数和光谱重建网络的参数联合优化，将滤光片膜系厚度的优化设计和光谱重建网络训练结合起来，通过数据驱动的方式端到端地训练，得到训练好的滤光片参数和光谱重建网络；根据训练优化好的滤光片参数d加工滤光片实物；将滤光片实物和光谱成像系统耦合；将观测图像输入训练好的光谱重建神经网络，进行推理过程，得到重建的光谱图像。
-
公开(公告)号：CN117132490A
公开(公告)日：2023-11-28
申请号：CN202311029207.7
申请日：2023-08-15
申请人： 北京理工大学
IPC分类号： G06T5/00 , G06T7/80 , G06N3/0464 , G06N3/08 , G06V10/80
摘要： 一种面向通用光照条件的神经形态相机去噪方法，属于视频去噪领域。依据脉冲流噪声强度与场景光照的关系，将连续的时空脉冲流转化为特定窗口下的图片特征表示，适配传统神经网络的输入；通过标定的暗电流矩阵和响应非一致性矩阵，去除暗电流噪声和响应非一致性噪声；通过二维离散小波变换将图像特征转换为频域特征，利用频域噪声分离的特性实现低成本的噪声去除；通过融合相邻窗口的频域特征，去除散粒噪声和截断噪声；通过深度自注意力网络对频域上的残留噪声进行彻底的去除；最后，为抑制去噪带来的过度平滑，利用频域上的融合特征来精炼去噪结果。本发明适用于视频去噪领域，用于重建干净图像，降低图像中的噪声，减少噪声对下游任务的影响。
-
公开(公告)号：CN116416258A
公开(公告)日：2023-07-11
申请号：CN202310376811.0
申请日：2023-04-11
申请人： 北京理工大学
IPC分类号： G06T7/11 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06V10/75 , G06V10/80 , G06V10/82
摘要： 本发明公开一种面向时空事件脉冲流的目标区域分割方法及系统，属于视频分割领域。本发明通过将连续的事件脉冲流转化为特定的输入表示，有效的适配传统神经网络的输入；通过循环神经网络提取信息并记忆过去特征，提高模型对连续事件脉冲输入的特征提取能力；通过循环特征编码器匹配目标，同时更新的隐藏状态，建模时空关系，提高模型对目标的查询匹配能力；通过特征解码器获取目标在当前与过去时刻的注意力关系矩阵，提高模型对特征匹配的鲁棒性；通过跳跃连接将中间特征输入分割头，提高目标区域分割模型对粗粒度和细粒度信息的特征融合能力，进而提高预测目标区域的准确性。本发明适配低光、高速场景，且能够分割任意时刻的目标区域。
-
公开(公告)号：CN114353946A
公开(公告)日：2022-04-15
申请号：CN202111635615.8
申请日：2021-12-29
申请人： 北京理工大学
摘要： 本发明公开的一种衍射快照光谱成像方法，属于计算摄像学领域。本发明应用于衍射快照光谱成像系统，通过数据驱动的方式对衍射光学元件的编码结构和重建解码神经网络进行联合优化，得到相对最优的光学编码结构及其对应的计算解码模型，使得编码和解码部分更加与彼此契合；光学编码结构在优化阶段考虑实际制造中的量化要求，使得优化得到的衍射光学元件结构和制造的衍射光学元件结构一致，提升重建图像精度；采用编码自由度高的衍射光学元件作为编码部分，具有体积小巧、结构紧凑的优点，具有实时成像的能力。采用可微分的模型对整个编码和解码过程进行建模，进而在任何机器学习自动微分框架中均可实现模型并进行优化，提升本发明的通用性。
-
-
-
-
-
-
-
-
-
搜索结果
36 条记录 (耗时 0.034 秒)
