-
公开(公告)号:CN108174056A
公开(公告)日:2018-06-15
申请号:CN201611115487.3
申请日:2016-12-07
Applicant: 南京理工大学
Abstract: 本发明公开了一种时空域联合的微光视频降噪方法,该方法包括:对原始微光视频进行boxfilter处理;对处理后的视频序列相邻帧进行运动检测,确定相应的滤波系数,并通过三维系数时域递归滤波算法对原始微光视频进行降噪处理;通过改进的双边滤波处理方法进行图像增强,得到降噪后的微光视频。本发明在避免拖影的同时尽可能地增强了降噪的效果;时空域混合滤波解决了微光视频由于环境和器件因素所造成的对比度差、信噪比低等缺陷,提高了人眼的视觉效果。
-
公开(公告)号:CN107818900B
公开(公告)日:2019-10-18
申请号:CN201710975198.9
申请日:2017-10-19
Applicant: 南京理工大学
Abstract: 本发明公开了一种NEA‑GaAs纳米锥阵列光电阴极及制备方法,所述GaAs纳米锥阵列光电阴极包括衬底层以及位于衬底层表面的纳米锥阵列发射层,所述衬底为Si或者SiC等绝缘薄膜,纳米锥阵列发射层由若干p型GaAs纳米锥组成,并对生长的纳米锥阵列进行Cs/O激活。本发明提出的纳米锥阵列的有效折射率是渐变的,有效地减小了由于空气/GaAs电池界面折射率的不连续引起的光反射,在提高GaAs光电阴极量子效率的同时,降低了入射光角度对于吸收率的影响。
-
公开(公告)号:CN109636766A
公开(公告)日:2019-04-16
申请号:CN201811433672.6
申请日:2018-11-28
Applicant: 南京理工大学
CPC classification number: G06T5/50 , G06T7/13 , G06T2207/10004 , G06T2207/20064 , G06T2207/20192 , G06T2207/20221
Abstract: 本发明提供了一种基于边缘信息增强的偏振差分与光强图像多尺度融合方法,包括分别采用最小互信息偏振差分成像法和偏振信息解析得到偏振差分图像和光强图像;其次,对光强图像采用三维块匹配滤波算法去噪、导向滤波算法增强;对偏振差分图像进行仿射变换和三维块匹配滤波算法去噪;采用双树复小波变换将光强图像和偏振差分图像分解成高频系数和低频系数,高频系数中在不同分解层上不同方向的高频系数图像采用基于边缘检测的融合规则,低频系数中不同方向的低频系数图像采用基于区域方差和方差匹配度的融合规则;通过双数复小波逆变换得到融合图像。
-
公开(公告)号:CN107818900A
公开(公告)日:2018-03-20
申请号:CN201710975198.9
申请日:2017-10-19
Applicant: 南京理工大学
Abstract: 本发明公开了一种NEA-GaAs纳米锥阵列光电阴极及制备方法,所述GaAs纳米锥阵列光电阴极包括衬底层以及位于衬底层表面的纳米锥阵列发射层,所述衬底为Si或者SiC等绝缘薄膜,纳米锥阵列发射层由若干p型GaAs纳米锥组成,并对生长的纳米锥阵列进行Cs/O激活。本发明提出的纳米锥阵列的有效折射率是渐变的,有效地减小了由于空气/GaAs电池界面折射率的不连续引起的光反射,在提高GaAs光电阴极量子效率的同时,降低了入射光角度对于吸收率的影响。
-
公开(公告)号:CN109636766B
公开(公告)日:2022-08-16
申请号:CN201811433672.6
申请日:2018-11-28
Applicant: 南京理工大学
Abstract: 本发明提供了一种基于边缘信息增强的偏振差分与光强图像多尺度融合方法,包括分别采用最小互信息偏振差分成像法和偏振信息解析得到偏振差分图像和光强图像;其次,对光强图像采用三维块匹配滤波算法去噪、导向滤波算法增强;对偏振差分图像进行仿射变换和三维块匹配滤波算法去噪;采用双树复小波变换将光强图像和偏振差分图像分解成高频系数和低频系数,高频系数中在不同分解层上不同方向的高频系数图像采用基于边缘检测的融合规则,低频系数中不同方向的低频系数图像采用基于区域方差和方差匹配度的融合规则;通过双数复小波逆变换得到融合图像。
-
公开(公告)号:CN108694708A
公开(公告)日:2018-10-23
申请号:CN201710224866.4
申请日:2017-04-07
Applicant: 南京理工大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/20064 , G06T2207/20221
Abstract: 本发明提供一种基于图像边缘提取的小波变换图像融合的方法,包括以下步骤:对可见光图像和红外图像分别进行小波分解得到各自不同的高频和低频系数;使用加权平均法对两幅图像的低频系数进行融合得到融合后的低频系数;使用Laplacian‑Gauss算子对两幅图像的高频系数的三个方向分量进行边缘检测得到待检测目标边缘的信息,并通过比较两幅图像各方向上高频系数的绝对值获取各方向高频系数的最大值;对融合后的低频系数和高频系数的绝对值最大的高频系数,利用小波逆变换获得融合图像。
-
-
-
-
-