-
公开(公告)号：CN108646538B
公开(公告)日：2020-11-20
申请号：CN201810375858.4
申请日：2018-04-24
Applicant: 安徽大学
Abstract: 本发明公开了一种单次曝光复振幅物体全息重建方法、设备及系统，属于全息重建技术领域，其用于对图像传感器捕获的来自3D物体衍射波场经传播到达图像传感器平面的复波场的强度信息进行处理，且图像传感器的平面与掩模平面、3D物体的纵截面位于同一光路上，通过传感器阵列捕获衍射传播场的强度图像进行两步GS角谱迭代相位恢复算法，分别恢复出3D物体传播到掩模平面上的复波场的相位和振幅，并通过压缩重建算法利用该复波场重建原3D物体。本发明适用于实际应用中掩模平面波场强度无法直接获得的情形，并使用单次曝光的方法来获取传播到掩模平面衍射场的相位信息，简化操作过程，具有节省系统资源，成像速度快，维护成本低，应用范围广等优点。
-
公开(公告)号：CN110378975A
公开(公告)日：2019-10-25
申请号：CN201910625515.3
申请日：2019-07-11
Applicant: 安徽大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于深度神经网络的压缩编码孔径成像方法及系统，属于压缩成像领域，包括：训练时，将原训练集中每个原始图片裁剪成多个尺寸相同的子图像块；分别将每个子图像块与编码孔径进行卷积和下采样操作，得到与每个子图像块对应的测量值；增加预处理步骤，得到优化后的测量值和测量矩阵；将每个子图像块及其对应的测量值作为训练数据对，对该深度神经网络进行训练；测试时，将待重建图像的测量值作为所述训练好的深度神经网络的输入，进行图像重建。本发明通过将深度学习引入压缩编码孔径的重建过程，改善了压缩编码孔径成像重建的时间限制，并且预处理步骤的引入，提高了重建结果的质量。
-
公开(公告)号：CN110363843A
公开(公告)日：2019-10-22
申请号：CN201910528680.7
申请日：2019-06-18
Applicant: 安徽大学
Abstract: 本发明公开了一种基于相移压缩菲涅尔全息的三维图像光学重建方法及系统，属于数据安全技术领域，包括利用随机相位掩膜对三维物体进行加密，通过对参考光进行三种不同相移，得到三幅不同的全息图；利用三步相移法从所述三幅不同的全息图中计算出物光场的复振幅；利用压缩菲涅尔全息法和密钥，从所述物光场的复振幅中重建出所述三维物体。本发明对加密得到的三维物体的全息图首先使用三步相移法计算出CCD成像探测器平面上的复杂的物光场，然后使用压缩菲涅尔全息技术和正确的密钥重建三维图像，有效的避免了平方场项与直流项的干扰，图像重建的可行性与优越性均优于传统方法。
-
公开(公告)号：CN107480695A
公开(公告)日：2017-12-15
申请号：CN201710555808.X
申请日：2015-02-06
Applicant: 安徽大学
CPC classification number: G06K9/6268 , G01B11/24
Abstract: 本发明属于边防安全监控技术领域，特别涉及一种物体轮廓检测识别方法。该方法包括以下步骤：（1）KPCA数据降维；（2）字典初始化；（3）稀疏表示分类；（4）异常事件处理和在线字典更新。本发明通过若干组热电堆红外温度传感器阵列采集不同物体的轮廓特征，通过无线方式发送至计算机，采用基于字典学习的目标识别算法进行识别。本发明具有检测范围广，隐蔽性高，可靠性强等特点，采用异常事件处理机制，提高系统的可扩展性，和自适应性。
-
公开(公告)号：CN114967398B
公开(公告)日：2024-05-31
申请号：CN202210532716.0
申请日：2022-05-13
Applicant: 安徽大学
IPC: G03H1/08 , G06T7/168 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于深度学习的大尺寸二维计算全息图实时生成方法，包括利用分解法消除大尺寸图像的不同图像块之间的数据依赖性，之后利用带宽补偿和空间位移补偿来确保不同图像块在全息平面中的正确映射；在消除了图像块之间的数据依赖性后，利用深度学习中U‑net架构通过非迭代生成经过补偿后得到图像块对应的子子全息图，再利用空间移位将同一图像块在不同空间位置生成的子子全息图合成为一幅子全息图；最后将不同图像块对应的子全息图进行复振幅叠加并提取相位得到最终全息图。本发明利用到的分解方法与深度学习训练网络是转而处理子数据，大大提高了全息图的生成速度与生成质量，实现了大尺寸二维计算全息图的实时生成。
-
Patent Agency Ranking
公开(公告)号：CN107942523B
公开(公告)日：2023-10-10
申请号：CN201711273226.9
申请日：2017-12-05
Applicant: 安徽大学
Abstract: 本发明提供一种基于光强传输测量计算的相位恢复系统，该系统包括第一4f系统和第二4f系统，所述第一4f系统主要由第一傅里叶变换透镜、第二傅里叶变换透镜、分光棱镜、第一空间光调制器和第二空间光调制器组成，第二4f系统主要由第三傅里叶变换透镜、第四傅里叶变换透镜、透明成像屏、正弦光栅和CCD组成。本发明将光学测量与计算相结合，不是通过采集欠焦图像和过焦图像用于强度微分项的近似，而是利用光学系统实现对差分图像的直接获取，同时还能够保证上述差分图像的分辨率与CCD相匹配，克服了传统系统中CCD的机械移动造成的误差以及基于SLM的单帧测量系统所采集图像分辨率低的局限。
-
公开(公告)号：CN116430583A
公开(公告)日：2023-07-14
申请号：CN202310416699.9
申请日：2023-04-13
Applicant: 安徽大学
Abstract: 本发明的一种基于预测神经网络的消色差超透镜设计方法及存储介质，包括首先根据叠加补偿相位后的目标相位，确定不同波长和超透镜不同位置处的相位；随后，根据设计的工作波长，选定纳米柱结构的材料和形状，构建基本纳米结构的数据对作为数据集，通过预测神经网络的训练，完成以预测宽带波长的相位；最后，利用预测神经网络扩展后的数据库应用于混合粒子群‑遗传算法，将挑选宽带超透镜上不同位置处的纳米柱，得出超透镜整体纳米结构布局，完成宽带超透镜的设计。本方法缩短了宽带超透镜设计过程的时间，节约了设计过程的计算资源，有效地完成宽带消色差超透镜的设计。同时结合了智能优化算法，提高了设计效率和灵活性。
-
公开(公告)号：CN110378975B
公开(公告)日：2022-10-28
申请号：CN201910625515.3
申请日：2019-07-11
Applicant: 安徽大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于深度神经网络的压缩编码孔径成像方法及系统，属于压缩成像领域，包括：训练时，将原训练集中每个原始图片裁剪成多个尺寸相同的子图像块；分别将每个子图像块与编码孔径进行卷积和下采样操作，得到与每个子图像块对应的测量值；增加预处理步骤，得到优化后的测量值和测量矩阵；将每个子图像块及其对应的测量值作为训练数据对，对该深度神经网络进行训练；测试时，将待重建图像的测量值作为所述训练好的深度神经网络的输入，进行图像重建。本发明通过将深度学习引入压缩编码孔径的重建过程，改善了压缩编码孔径成像重建的时间限制，并且预处理步骤的引入，提高了重建结果的质量。
-
公开(公告)号：CN110363843B
公开(公告)日：2022-10-28
申请号：CN201910528680.7
申请日：2019-06-18
Applicant: 安徽大学
Abstract: 本发明公开了一种基于相移压缩菲涅尔全息的三维图像光学重建方法及系统，属于数据安全技术领域，包括利用随机相位掩膜对三维物体进行加密，通过对参考光进行三种不同相移，得到三幅不同的全息图；利用三步相移法从所述三幅不同的全息图中计算出物光场的复振幅；利用压缩菲涅尔全息法和密钥，从所述物光场的复振幅中重建出所述三维物体。本发明对加密得到的三维物体的全息图首先使用三步相移法计算出CCD成像探测器平面上的复杂的物光场，然后使用压缩菲涅尔全息技术和正确的密钥重建三维图像，有效的避免了平方场项与直流项的干扰，图像重建的可行性与优越性均优于传统方法。
-
公开(公告)号：CN110163821B
公开(公告)日：2022-10-11
申请号：CN201910385691.4
申请日：2019-05-09
Applicant: 安徽大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于非负约束的奇异值分解压缩鬼成像方法及系统，属于计算鬼成像技术领域，将二维图像转化为一维信号后用测量矩阵投影得到观测向量；对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。本发明针对基于压缩感知的非负测量矩阵进行奇异值变换，对测量矩阵和观测向量进行优化，稀疏了测量矩阵中的0元素，然后采用正交匹配算法进行原始稀疏信号的重建，减少了测量次数，缩短了重建时间，提高了信号重建质量，增强了抗噪性能。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.029 seconds)
