-
公开(公告)号：CN106441577B
公开(公告)日：2018-01-09
申请号：CN201610855019.3
申请日：2016-09-27
Applicant: 北京理工大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于随机投影的协同编码高光谱成像系统及图像重构方法。使用本发明能够提高高光谱数据的重构速度和重构精度。本发明包括逐点扫描模块、分束器模块、第一观测通道模块、第二观测通道模块和图像重构模块；其中，第一观测通道针对收到的点光谱信息组成的光谱信息矩阵，随机生成观测矩阵A，利用观测矩阵A对光谱信息矩阵进行压缩编码；第二观测通道针对收到的每一个点光谱信息，均随机生成一个观测子矩阵，利用观测子矩阵分别对对应的点光谱信息进行光谱压缩编码；图像重构处理模块根据第一观测通道发送的观测值和第二观测通道发送的观测值，实现高光谱图像的重构。
-
公开(公告)号：CN112802136B
公开(公告)日：2022-11-15
申请号：CN202110116368.4
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息互补编码的场景重建方法和系统。过程包括利用压缩光谱成像系统分别加载快照式编码模板和随机编码模板对场景成像，获取场景的低分辨率光谱信息和压缩编码信息；根据场景的低分辨率光谱信息和压缩观测信息，获取场景的互补压缩编码信息；将场景的压缩观测信息与互补压缩编码信息作为约束项，加入重构场景的目标函数；根据设置的求解方法，求解目标函数，解出原始的场景信息。本发明在观测次数较少时，相比传统的随机编码方法，重构质量更好；对于不同光谱波段，相比传统的随机编码方法，重构图像的质量更稳定、更好。并且，本发明在重构过程中，互补编码信息作为额外的约束项，充分利用了低分辨率先验信息，提高了重构场景信息的质量。
-
公开(公告)号：CN112802136A
公开(公告)日：2021-05-14
申请号：CN202110116368.4
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息互补编码的场景重建方法和系统。过程包括利用压缩光谱成像系统分别加载快照式编码模板和随机编码模板对场景成像，获取场景的低分辨率光谱信息和压缩编码信息；根据场景的低分辨率光谱信息和压缩观测信息，获取场景的互补压缩编码信息；将场景的压缩观测信息与互补压缩编码信息作为约束项，加入重构场景的目标函数；根据设置的求解方法，求解目标函数，解出原始的场景信息。本发明在观测次数较少时，相比传统的随机编码方法，重构质量更好；对于不同光谱波段，相比传统的随机编码方法，重构图像的质量更稳定、更好。并且，本发明在重构过程中，互补编码信息作为额外的约束项，充分利用了低分辨率先验信息，提高了重构场景信息的质量。
-
公开(公告)号：CN109682476B
公开(公告)日：2020-06-19
申请号：CN201910104509.3
申请日：2019-02-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种利用自适应编码孔径进行压缩高光谱成像的方法，利用高光谱图像具有高的谱间相关性的特点，预先得到几个波段的恢复图像，将其作为先验信息通过阈值操作构造自适应编码孔径，可以提取出目标场景的结构特征；相对传统的随机编码孔径，能够提高压缩效率，仿真和实验结果验证了本发明能够切实改善高光谱仪的成像质量；通过本发明所述的方法设计出的自适应编码孔径取值为0、1，很容易通过掩膜或者数字微镜阵列编码实现；在压缩高光谱仪中具有很强的普适性，有着广泛的应用前景。
-
公开(公告)号：CN108955882B
公开(公告)日：2020-06-19
申请号：CN201810752547.5
申请日：2018-07-10
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于液晶高光谱计算成像系统的三维数据重构方法，该方法将液晶高光谱计算成像系统的成像过程进行建模，将面阵探测器上得到的光强分布进行离散表示，进而将液晶高光谱计算成像系统的数据获取过程转化为矩阵形式；采用压缩感知理论，可从少量的观测数据中重构出高分辨率的目标场景。
-
Patent Agency Ranking
公开(公告)号：CN109946241A
公开(公告)日：2019-06-28
申请号：CN201910184983.1
申请日：2019-03-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于高光谱计算成像系统的土壤分类方法。使用本发明能够实现不同类型土壤的快速精确分类。本发明基于LCTF的高光谱计算成像系统进行土壤分类，通过测量土壤图像的压缩测量值并利用压缩感知理论进行原始光谱图像的重构，提升土壤光谱图像的光谱分辨率；然后，利用光谱差异理论，以每个土壤样本与所有土壤类型之间的光谱差异作为输入特征，增强不同土壤类型之间的差异性；最后采用3D-CNN进行分类，同时利用土壤光谱图像空间和光谱信息，发挥光谱图像的优势；并利用特征降维算法在最大程度保留原始光谱信息的同时降低光谱维度，提升训练效率，突出土壤的类型特征，提升分类精度。
-
公开(公告)号：CN108955887A
公开(公告)日：2018-12-07
申请号：CN201810752548.X
申请日：2018-07-10
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于LCTF的全偏振高光谱压缩感知成像系统和成像方法，所述系统包括线性延迟器、液晶可调滤光器、数字微镜阵列和面阵探测器；所述线性延迟器的穆勒矩阵设计为每一列前两个元素的绝对值不同；线性延迟器和液晶可调滤光器共同实现偏振维压缩；所述液晶可调滤光器切换L个不同的中心波长，输出每个波段下的图像，实现光谱维压缩；所述数字微镜阵列对每个波段的图像进行编码，实现空间维编码压缩；原始图像依次经线性延迟器、液晶可调滤光器、数字微镜阵列后，由面阵探测器探测，获得包含全斯托克斯参量的图像。使用本发明能够实现原始图像全斯托克斯参量的压缩重构。
-
公开(公告)号：CN112229514B
公开(公告)日：2023-04-18
申请号：CN202011054740.5
申请日：2020-09-27
Applicant: 北京理工大学重庆创新中心
IPC: G01J3/02 , G01J3/28 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种液晶高光谱计算成像系统的三维数据重构方法，搭建了一个适用于液晶高光谱计算成像系统的卷积神经网络，将计算成像系统获取的压缩观测结果和系统响应共同作为网络输入，经过多个隐藏层，最终输出重构后的高分辨率三维数据；其中，系统响应包括系统的空间响应和光谱响应，分别表示系统对入射场景的空间和光谱编码作用。本发明在卷积神经网络的框架下进行压缩观测数据的计算重构，同时考虑压缩数据和系统响应，在训练数据足够多的情况下，该网络可以适应不同的编码模板和各种类型的计算光谱成像系统，快速准确地获取重构后的三维数据。
-
公开(公告)号：CN112819909A
公开(公告)日：2021-05-18
申请号：CN202110116351.9
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于低分辨率先验光谱图像区域分割的自适应编码方法，包括利用压缩光谱成像系统加载快照式编码模板，获取场景的低分辨率场景信息；利用分割‑合并方法对低分辨率场景信息进行分割，获取低分辨率场景信息的分割结果；在低分辨率自适应编码框架下，利用所述分割结果生成基于区域的阈值矩阵，结合对原光谱图像的近似估计，生成基于区域的自适应编码矩阵；利用自适应编码矩阵对场景进行压缩观测，利用重构算法从压缩观测结果重建出场景的场景信息。本发明无需充足的高分辨率先验信息，所采用的分割方法挖掘了低分辨率场景信息的空间光谱相关性，以区域为单位生成自适应编码，相比传统编码方式，提高了重构光谱图像的质量。
-
公开(公告)号：CN112785662A
公开(公告)日：2021-05-11
申请号：CN202110117326.2
申请日：2021-01-28
Applicant: 北京理工大学重庆创新中心
IPC: G06T9/00
Abstract: 本发明公开了一种基于低分辨率先验信息的自适应编码方法，包括：利用低分辨率图像整体的灰度值和方差，估计原光谱图像对应各图像块的均值和方差，所述图像块为原光谱图像分别与低分辨率图像各点对应的场景信息子区域；根据各所述图像块的均值和方差，计算原光谱图像场景信息的图像块的阈值分布。利用所述低分辨率图像构建原光谱图像的近似图像。基于原光谱图像的近似图像及其对应的阈值分布，以最大化观测矩阵和稀疏矩阵之间的相关性为设计目的，利用抖色方法生成自适应编码矩阵。本发明无需重构过程提供高分辨率先验信息，利用压缩光谱成像系统中所能获取的低分辨率光谱信息即可生成自适应编码矩阵，也无需增加额外的探测过程和探测器件。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.036 seconds)
