-
公开(公告)号：CN116665063B
公开(公告)日：2023-11-03
申请号：CN202310926894.6
申请日：2023-07-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于自注意力和深度卷积并行的高光谱重建方法，属于计算机视觉图像处理技术领域。包括以下步骤：在编码阶段，利用CASSI光学系统进行压缩采样得到二维测量值，再经过反转色散过程，获得初始化信号；解码阶段，采用本方法提出的基于transformer和CNN并行架构的重建算法将2D压缩图像重建为3D高光谱图像，通过训练网络学习二维压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重建压缩感知高光谱图像，实现了压缩感知高光谱图像的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重建高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
Patent Agency Ranking
公开(公告)号：CN116665063A
公开(公告)日：2023-08-29
申请号：CN202310926894.6
申请日：2023-07-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于自注意力和深度卷积并行的高光谱重建方法，属于计算机视觉图像处理技术领域。包括以下步骤：在编码阶段，利用CASSI光学系统进行压缩采样得到二维测量值，再经过反转色散过程，获得初始化信号；解码阶段，采用本方法提出的基于transformer和CNN并行架构的重建算法将2D压缩图像重建为3D高光谱图像，通过训练网络学习二维压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重建压缩感知高光谱图像，实现了压缩感知高光谱图像的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重建高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
公开(公告)号：CN117392250A
公开(公告)日：2024-01-12
申请号：CN202311480532.5
申请日：2023-11-08
Applicant: 南京信息工程大学
IPC: G06T9/00 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了多假设运动补偿增强的视频压缩快照成像重建方法及系统，涉及图像处理技术领域，将初始重建值输入到训练好的多假设运动补偿增强的Transformer重建网络中，由多个阶段级联计算；每个阶段中由整体重建分支利用基于掩码指导的多尺度Transformer编解码网络，提取深度特征，输出整体重建结果；由运动补偿增强分支，用多假设预测模块对参考帧进行运动估计，生成预测帧；计算掩码调制后的预测帧与原始测量值的残差，残差重构模块对计算得到的残差进行重构；通过跳跃连接，利用重构信息对预测帧结果进行优化，以获取运动补偿值；将运动补偿值与整体重建结果求和，获取当前阶段的重建结果；输出重建后的高质量视频。
-
公开(公告)号：CN117237432A
公开(公告)日：2023-12-15
申请号：CN202311364899.0
申请日：2023-10-20
Applicant: 南京信息工程大学
IPC: G06T7/593 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自注意力的掩码不确定性高光谱图像重建方法，具体为：步骤1：利用CASSI光学系统压缩采样，得到二维测量值Y；步骤2：利用掩码不确定性的自调优网络自动捕获不同掩码空间结构间的不确定性，从而得到调优掩码m'；步骤3：将二维测量值和调优掩码输入到transformer的残差重建网络中，得到最终的高光图谱。本发明表现出较好的重建质量和重建速度，并且具有不同掩码的适应性，满足了CASSI系统的实际应用，并进一步促进高光谱压缩快照成像技术的深入发展与推广应用。
-
公开(公告)号：CN116228912B
公开(公告)日：2023-07-25
申请号：CN202310500566.X
申请日：2023-05-06
Applicant: 南京信息工程大学
Inventor： 黄凯宣
IPC: G06T11/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于U‑Net多尺度神经网络的图像压缩感知重建方法，包括以下步骤：S1、压缩采样：利用光学系统编码孔径调制HSI信号，并将其压缩成二维测量；S2、重建过程：采用本方法提出的基于U‑Net多尺度扩展卷积神经网络重建算法将2D压缩图像重建为3D高光谱图像。本发明使用多尺度扩展卷积神经网络重建算法解决压缩感知高光谱图像重建问题，通过训练网络学习二维压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重建压缩感知高光谱图像，实现了压缩感知高光谱图像的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重建高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
公开(公告)号：CN116228912A
公开(公告)日：2023-06-06
申请号：CN202310500566.X
申请日：2023-05-06
Applicant: 南京信息工程大学
Inventor： 黄凯宣
IPC: G06T11/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于U‑Net多尺度神经网络的图像压缩感知重建方法，包括以下步骤：S1、压缩采样：利用光学系统编码孔径调制HSI信号，并将其压缩成二维测量；S2、重建过程：采用本方法提出的基于U‑Net多尺度扩展卷积神经网络重建算法将2D压缩图像重建为3D高光谱图像。本发明使用多尺度扩展卷积神经网络重建算法解决压缩感知高光谱图像重建问题，通过训练网络学习二维压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重建压缩感知高光谱图像，实现了压缩感知高光谱图像的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重建高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
