一种利用磁导率近零超材料实现P波段智能可调完美吸波器的方法

    公开(公告)号:CN108963467A

    公开(公告)日:2018-12-07

    申请号:CN201810626249.1

    申请日:2018-06-13

    Applicant: 南京大学

    CPC classification number: H01Q17/007

    Abstract: 本发明公开了一种利用磁导率近零超材料实现P波段的智能可调完美吸波器的方法,该方法可实现通过控制PIN管两端的电压来控制PIN管的工作状态,从而控制磁导率近零超材料的等效电磁参数,在P波段的不同频率实现完美吸波。同时使用了“内部通孔”和“火、地分面”的混合馈电方式,使得在不影响超材料单元的吸波性能的情况下给PIN管进行有效的馈电,从而实现了智能调节吸波频段的功能。本发明的优点是:可对P波段一定频率范围内实现完美吸波,并且可简单的调节电压来调节吸波器的工作频段,具有多场景应用的优势;馈电方式简便有效,可推广性大。重量轻、厚度薄(达到吸波工作波长1/70),方便与其他材料进行复合。

    一种基于深度学习网络的无参考图像模糊程度估计方法

    公开(公告)号:CN109598695B

    公开(公告)日:2023-04-07

    申请号:CN201710909377.2

    申请日:2017-09-29

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习网络的无参考图像模糊程度估计方法。具体步骤如下:(1)对图像进行预处理,生成训练数据;(2)用清晰和模糊图像块训练双通道清晰/模糊感知网络,提取清晰和模糊特征并重建输入;(3)将清晰/模糊感知网络提取的特征作为联合感知网络的输入,用模糊图像块训练联合感知网络,获取模糊的本质特征;(4)训练非线性特征映射和回归网络,将步骤(3)的本质特征映射到模糊程度上;(5)对整个网络进行微调,优化所有参数。本方法在无参考轻微模糊的模糊程度估计准确度取得比较好的效果,可以有效应用于模糊检测、深度估计和景深编辑、去雾等方面。

    一种基于深度学习网络的无参考图像模糊程度估计方法

    公开(公告)号:CN109598695A

    公开(公告)日:2019-04-09

    申请号:CN201710909377.2

    申请日:2017-09-29

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习网络的无参考图像模糊程度估计方法。具体步骤如下:(1)对图像进行预处理,生成训练数据;(2)用清晰和模糊图像块训练双通道清晰/模糊感知网络,提取清晰和模糊特征并重建输入;(3)将清晰/模糊感知网络提取的特征作为联合感知网络的输入,用模糊图像块训练联合感知网络,获取模糊的本质特征;(4)训练非线性特征映射和回归网络,将步骤(3)的本质特征映射到模糊程度上;(5)对整个网络进行微调,优化所有参数。本方法在无参考轻微模糊的模糊程度估计准确度取得比较好的效果,可以有效应用于模糊检测、深度估计和景深编辑、去雾等方面。

Patent Agency Ranking