-
公开(公告)号：CN119295584A
公开(公告)日：2025-01-10
申请号：CN202411351766.4
申请日：2024-09-26
Applicant: 安徽大学
Abstract: 本发明涉及一种基于端到端深度学习的相位掩膜约束的图像重建方法、装置、设备及存储介质。该方法包括：获取高光谱图像数据，将单幅二维高光谱图像输入CASSI成像系统，利用二元相位掩膜对单幅二维高光谱图像进行约束；对约束后的单幅二维高光谱图像进行光谱信息压缩，通过压缩感知算法进行图像重建，输出测量值；利用正则化约束对CASSI成像系统输出的测量值进行约束；使用随机初始化或预训练的权重初始化U‑Net网络，利用训练集和验证集对相位掩膜和U‑Net网络进行联合训练和验证，实现对相位掩膜和U‑Net网络的联合优化；利用U‑Net网络进行高光谱图像重建，通过不断迭代联合优化相位掩膜和网络模型的参数，评估重建图像的质量。
-
公开(公告)号：CN119150955A
公开(公告)日：2024-12-17
申请号：CN202411005044.3
申请日：2024-07-25
Applicant: 安徽大学
IPC: G06N3/0985 , G06N3/045 , G06N3/084
Abstract: 本发明涉及神经网络架构搜索技术领域，公开了一种基于分层‑反馈机制和TEG引导的可微神经架构搜索方法，包括：分层搜索阶段，搜索网络深度逐步递增，并结合TEG指标进行架构选择，使用可微分架构搜索方法进行神经架构搜索，搜索步骤中包含多个搜索阶段，每个搜索阶段对应一个搜索网络，且随着搜索阶段的增加，对应的搜索网络的单元的数量随之增加，并逐渐接近评估步骤使用的评估网络中的单元的数量；步骤二，反馈搜索阶段：评估网络由最后一个搜索阶段的搜索网络扩充而来，将搜索网络与评估网络整合，并以循环的方式联合训练最后一个搜索阶段的搜索网络和评估网络。很大程度上提高了搜索效率，同时保持了较高的搜索模型的准确性。
-
公开(公告)号：CN110308610B
公开(公告)日：2024-08-02
申请号：CN201910406993.5
申请日：2019-05-16
Applicant: 安徽大学
Abstract: 本发明公开了一种基于全息投影的多视图三维显示装置及控制方法，属于三维显示领域，包括激光器、空间滤波器、第一透镜、第二透镜、第一平面、第二平面以及分光棱镜；激光器发射光束的传播路径上依次布置有空间滤波器和第一透镜，第一透镜产生的平行光的光路上布置有分光棱镜，分光棱镜的反射光光路上布置有空间光调制器，分光棱镜的透射光的光路上布置有第二透镜，第二透镜前后分别设置有所述第一平面和第二平面，所述第二平面布置有柱透镜光栅。本方案在光学结构上简单紧凑，所采用的柱透镜光栅成本低，制作工艺简单；且纯相位全息图的重构具有更高的衍射效率。
-
公开(公告)号：CN115016237B
公开(公告)日：2024-03-29
申请号：CN202210452434.X
申请日：2022-04-27
Applicant: 安徽大学
Abstract: 本发明提供一种基于FS‑ORAP的大尺寸全息图快速生成方法，包括：将待处理大尺寸目标图像沿横向和纵向等分成若干份，得到若干个子目标图像；将每个子目标图像的振幅与事先生成的满支撑优化随机相位结合成复振幅；对所述复振幅依次进行带宽补偿和相位补偿操作，得到每个子目标图像在不同空间位置的复振幅；对每个子目标图像在不同空间位置的复振幅进行2DFFT运算，得到每个子目标图像的子子全息图；利用空间移位操作得到每个子目标图像的子全息图；将所有子全息图进行叠加，得到待处理大尺寸图像的完整全息图。本发明有效提高了数据处理速度，大大节省了大尺寸全息图的生成时间，同时保证了大尺寸全息图的生成质量。
-
公开(公告)号：CN117692773A
公开(公告)日：2024-03-12
申请号：CN202311682126.7
申请日：2023-12-08
Applicant: 安徽大学
IPC: H04N23/67
Abstract: 本发明涉及一种基于非迭代设计的自聚焦无透镜压缩成像方法及装置。该方法包括：图像压缩采样，获取无透镜成像系统的测量值，对测量值进行下采样操作；建立无透镜压缩成像系统，利用无透镜压缩成像系统获取物体图像的压缩测量值；相位掩膜生成，利用基于OFRAP的近场相位掩膜方法，获取与目标扩散点函数对应的相位掩膜；图像重建与多尺度自聚焦，利用I‑ADMM算法，确定无透镜压缩成像系统的最佳重建距离，选择图像进行重建，得到图像序列；确定图像序列的清晰度和指标权重，利用多尺度搜索方法，逐层定位最佳距离，确定最佳自聚焦距离，实现多尺度自聚焦。本发明能够提高图像质量并在无透镜压缩成像中实现精确的自聚焦功能。
-
Patent Agency Ranking
公开(公告)号：CN117237187A
公开(公告)日：2023-12-15
申请号：CN202311103606.3
申请日：2023-08-30
Applicant: 安徽大学
Abstract: 本发明涉及一种基于无训练网络的复振幅光场超分辨率成像方法及装置。该方法包括：通过低分辨率探测器，获取待测复振幅样本在光场传播过程中的低分辨率衍射图；将低分辨率衍射图作为预先建立的无训练深度神经网络模型的网络驱动；将随机张量输入预先建立的无训练深度神经网络模型中，生成估计振幅、估计相位和估计像差，根据估计相位和估计像差模拟生成第二估计相位，并根据估计振幅和第二估计相位生成估计衍射图；根据估计衍射图和低分辨率衍射图的相互作用不断优化网络权重和偏差因子，直到同时输出重构振幅、重构相位和重构像差。以此方式，可以实现在较短的时间内以随机输入和无训练网络框架完成高质量超分辨率重建。
-
-
公开(公告)号：CN116774556A
公开(公告)日：2023-09-19
申请号：CN202310744892.5
申请日：2023-06-20
Applicant: 安徽大学
Abstract: 本发明提供了一种基于FS‑ORAP和相位补偿的非迭代三维全息图生成方法及装置。所述方法包括：对待处理的三维目标沿深度分层，生成多个二维图像；根据所述多个二维图像的振幅与事先生成的满支撑优化随机相位，生成各层纯相位全息图；对所述各层纯相位全息图分别添加补偿相位，并将添加补偿相位后得到的各层全息图的复振幅叠加，生成复合相位全息图；对所述复合相位全息图进行菲涅尔变换重建所述三维目标。以此方式，突破了原始ORAP方法在空间域中目标振幅固定支撑的大小和位置的限制，且无需迭代，极大的加快了三维目标相位全息图的生成。
-
公开(公告)号：CN116449670A
公开(公告)日：2023-07-18
申请号：CN202310450000.0
申请日：2023-04-23
Applicant: 安徽大学
Abstract: 本发明的一种非迭代菲涅耳纯相位全息图生成和复用方法、设备及介质，包括以下步骤，首先，利用迭代菲涅尔方法生成不同平面的FS‑OFRAPs，再结合3D物体分层策略非迭代生成不同层对应的全息图，通过叠加或复用得到最终的相位全息图，最后将复用后的全息图重建得到三维目标物体。本发明可以直接实现用于三维全息显示的纯相位全息图的快速生成。该方法突破了原始OFRAP方法在空间域中目标振幅固定支撑的大小和位置的限制，可以在非迭代方式下实现大尺寸3DCGH的快速生成。数值实验和光学实验验证了本发明3D‑FS‑OFRAP方法的优越性。
-
公开(公告)号：CN112802135A
公开(公告)日：2021-05-14
申请号：CN202110055760.2
申请日：2021-01-15
Applicant: 安徽大学
IPC: G06T9/00
Abstract: 本发明提供一种超薄无透镜可分离压缩成像系统及其标定与重建方法，该成像系统包括随机编码孔径掩膜、图像传感器、前后两端开口的中空箱体和不透明固定板，所述随机编码孔径掩膜密封覆设在所述中空箱体的前端开口处，所述图像传感器和中空箱体均固定在不透明固定板上，所述图像传感器位于所述中空箱体的后端开口内。本发明通过采用随机编码孔径实现成像，不仅最大限度地提高了光通量，还大大减小了成像系统的厚度、体积和重量，降低了成本，具有结构紧凑、轻薄、成本低廉的优点；另外，本发明根据可分离压缩传感理论，将可分离矩阵应用到成像系统的测量矩阵中，显著降低了成像系统标定和重建的难度，具有光学实现和计算可行的优点。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.036 seconds)
