公开(公告)号：CN115727748A

公开(公告)日：2023-03-03

申请号：CN202211451742.7

申请日：2022-11-18

Applicant: 福州大学

Inventor： 陈丽琼 ,  杨祥昆 ,  吴桐 ,  陈振华

IPC: G01B7/004 ,  G01B11/00

Abstract: 本发明提出一种基于元学习的四象限探测器高精度光斑定位方法，包括：1）根据四象限探测器的测量原理生成充足的仿真样本数据；2）构建光斑半径估计网络，用生成的仿真数据进行训练，再将真实的小样本数据输入到训练好的光斑半径估计网络中进行预测，用得到估计的半径值生成更接近真实光斑分布的仿真样本数据；3）构建光斑位置预测网络，引入元学习的策略用更接近真实光斑分布的仿真样本进行预训练，固定网络的部分参数后再用真实的小样本数据对光斑位置预测网络进行微调，通过微调后的神经网络实现高精度的光斑定位。使得该方法在仅有少量真实样本的情况下也能获得较高精度的光斑定位能力。

公开(公告)号：CN120013762A

公开(公告)日：2025-05-16

申请号：CN202510102991.2

申请日：2025-01-22

Applicant: 福州大学

Inventor： 陈丽琼 ,  杨祥昆 ,  裘兆炳 ,  刘桓贤 ,  吴光瑞

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出一种基于渐进式特征聚合网络的真实场景遥感图像超分辨率重建方法、系统及存储介质，所述方法包括：建立用于真实场景遥感图像超分辨率重建的渐进式特征聚合网络PFAN；建立二阶混洗随机退化模型，将作为训练样本的遥感图像按二阶混洗随机退化，得到模拟真实场景随机退化过程的低分辨率遥感图像；将退化前的遥感图像和对应的低分辨率遥感图像输入PFAN网络中进行训练；获取待重建的真实遥感图像，输入到训练好的PFAN网络进行图像重建，得到超分辨率图像。本发明通过渐进式策略聚合遥感图像的边缘细节与纹理特征，利用二阶混洗随机退化模型辅助网络学习真实场景遥感图像的复杂退化过程，从而实现更高精度的真实场景遥感图像超分辨率重建。