-
公开(公告)号:CN111426383B
公开(公告)日:2022-05-10
申请号:CN202010303994.X
申请日:2020-04-17
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法,采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器,通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式;采用该全偏振调制方式对任一波段的全偏振局部图像进行处理,获得压缩信息;采用粒子群算法优化稀疏基,优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时,采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制,获得压缩信息,并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构,提高四个斯托克斯参量的重构精度。
-
公开(公告)号:CN113327231A
公开(公告)日:2021-08-31
申请号:CN202110589580.2
申请日:2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统,包括:对原始高光谱图像进行降维处理;采用自编码网络提取降维后的图像中的背景空间特征并进行重构;将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像,根据第一残差图像得到空间域检测结果;采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构;将重构后的光谱域图像与原始高光谱图像进行差值运算,得到第二残差图像,根据第二残差图像得到光谱域检测结果;加权融合空间域检测结果和光谱域检测结果,得到异常目标检测结果。本发明具有强大的特征提取和表示能力,采取了样本数量扩充方案解决训练数据匮乏的问题,具有较好的检测精度。
-
公开(公告)号:CN111998945A
公开(公告)日:2020-11-27
申请号:CN202010846546.4
申请日:2020-08-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法,能够增加偏振压缩的自由度,提高偏振重构的针对性和重构精度,缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器,选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合,利用求和法求解第一个斯托克斯参量S0,再重构后三个斯托克斯参量S1S2S3;对于2~3种快轴角度和1种入射面角度的组合,利用求差法重构S1S2S3,再求解S0;对于1~3种快轴角度和1种入射面角度的组合,利用缩放法重构S0,再重构S1S2S3。最终获得重构的全偏振高光谱图像。
-
公开(公告)号:CN111998945B
公开(公告)日:2022-11-01
申请号:CN202010846546.4
申请日:2020-08-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种斯托克斯参量分块的全偏振高光谱图像压缩重构方法,能够增加偏振压缩的自由度,提高偏振重构的针对性和重构精度,缩短整体重构用时。采用四分之一波片与液晶可调滤波器组合将待测全偏振高光谱图像成像于探测器,选取四分之一波片快轴角度和液晶可调滤波器入射面角度实现不同全偏振调制方式。对于1种快轴角度和2种入射面角度的组合,利用求和法求解第一个斯托克斯参量S0,再重构后三个斯托克斯参量S1S2S3;对于2~3种快轴角度和1种入射面角度的组合,利用求差法重构S1S2S3,再求解S0;对于1~3种快轴角度和1种入射面角度的组合,利用缩放法重构S0,再重构S1S2S3。最终获得重构的全偏振高光谱图像。
-
公开(公告)号:CN113008370A
公开(公告)日:2021-06-22
申请号:CN202110228167.3
申请日:2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
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自适应压缩重构方法,液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括:采集LCTF在各光谱通道下的低分辨率图像,获得低分辨率数据立方体;进行插值操作,快速得到高分辨率的高光谱数据立方体;利用自适应编码规则,基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径;通过自适应编码孔径分别获取各光谱通道下的压缩测量值;基于压缩感知理论,根据系统的观测矩阵、稀疏基和压缩测量值,重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典,使得本发明对目标场景有很强的适应性,能够提升成像质量。
-
公开(公告)号:CN114965293B
公开(公告)日:2025-05-09
申请号:CN202210504116.3
申请日:2022-05-10
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种偏振光谱特征融合的水中氨氮检测方法,用于偏振光谱特征融合系统,系统包括光源、反射镜、四分之一波片、线偏振片、光纤透镜和光纤光谱仪;方法包括:C1:通过系统基于目标水样,采集偏振调制光谱;C2:解调目标水样反射光波的四个斯托克斯参量光谱;C3:选取不同数量的偏振调制光谱和斯托克斯参量光谱分别进行光谱特征融合;C4:基于氨氮浓度不同的目标水样的特征融合光谱,进行光谱分类。本发明实现了基于偏振特征融合光谱检测水中氨氮,通过光与物质之间的相互作用,无需使用辅助试剂,准确的检测水中氨氮浓度。
-
公开(公告)号:CN113327231B
公开(公告)日:2022-10-14
申请号:CN202110589580.2
申请日:2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统,包括:对原始高光谱图像进行降维处理;采用自编码网络提取降维后的图像中的背景空间特征并进行重构;将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像,根据第一残差图像得到空间域检测结果;采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构;将重构后的光谱域图像与原始高光谱图像进行差值运算,得到第二残差图像,根据第二残差图像得到光谱域检测结果;加权融合空间域检测结果和光谱域检测结果,得到异常目标检测结果。本发明具有强大的特征提取和表示能力,采取了样本数量扩充方案解决训练数据匮乏的问题,具有较好的检测精度。
-
公开(公告)号:CN113008370B
公开(公告)日:2022-06-14
申请号:CN202110228167.3
申请日:2021-03-02
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
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自适应压缩重构方法,液晶高光谱计算成像系统包括LCTF、编码孔径、探测器和光学透镜。方法包括:采集LCTF在各光谱通道下的低分辨率图像,获得低分辨率数据立方体;进行插值操作,快速得到高分辨率的高光谱数据立方体;利用自适应编码规则,基于高光谱数据立方体生成各滤波波段所需的自适应编码孔径;通过自适应编码孔径分别获取各光谱通道下的压缩测量值;基于压缩感知理论,根据系统的观测矩阵、稀疏基和压缩测量值,重构出高分辨率的目标光谱数据立方体。本发明利用先验信息设计自适应编码孔径和空‑谱联合字典,使得本发明对目标场景有很强的适应性,能够提升成像质量。
-
公开(公告)号:CN113327304A
公开(公告)日:2021-08-31
申请号:CN202110593767.X
申请日:2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于端到端神经网络的高光谱图像显著图生成方法,包括S1:图像预处理;S2:构建端到端的神经网络模型提取空谱特征;S3:神经网络的训练;端到端的神经网络模型结构为W2型卷积神经网络,神经网络模型包括左右两支编码通道和中间一支解码通道分别为空间编码模块、光谱编码模块和解码模块,模型还包括用于生成预测显著图的结果预测模块。本发明通过构建的端到端的神经网络模型,能够提取图像的深层空谱特征,并直接生成预测显著图,节省了计算资源的消耗,提高了特征的鲁棒性。
-
公开(公告)号:CN111426383A
公开(公告)日:2020-07-17
申请号:CN202010303994.X
申请日:2020-04-17
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种机器学习优化稀疏基的高光谱全偏振图像压缩重构方法,采用四分之一波片与具有线偏振特性的器件组合将图像成像于探测器,通过切换四分之一波片的快轴角度和/或具有线偏振特性的器件的透光轴角度实现不同的全偏振调制方式;采用该全偏振调制方式对任一波段的全偏振局部图像进行处理,获得压缩信息;采用粒子群算法优化稀疏基,优化后的稀疏基使得利用压缩信息重构的全偏振局部图像逼近其原图像。应用时,采用上述全偏振调制方式对高光谱全偏振图像进行偏振调制,获得压缩信息,并利用优化稀疏基获得重构的高光谱全偏振图像。采用本发明能够实现高光谱图像四个斯托克斯参量的重构,提高四个斯托克斯参量的重构精度。
-
-
-
-
-
-
-
-
-