公开(公告)号：CN119398115A

公开(公告)日：2025-02-07

申请号：CN202411528722.4

申请日：2024-10-30

Applicant: 福州大学

Inventor： 钱慧 ,  李若贤 ,  蔡嘉浚 ,  游鸿 ,  张征宇

IPC: G06N3/063 ,  G06N3/0464 ,  G06N3/048 ,  G06T11/00 ,  G06T1/20

Abstract: 本发明提出无镜头成像系统轻量型预处理网络的FPGA实现架构，所述轻量型预处理网络包括7层Conv+ReLU层和一层Conv层；所述FPGA实现架构包括控制模块、BRAM存储模块、fifo缓存模块、寄存器组模块、开窗模块、卷积模块、ReLU模块；本发明根据ISP轻量型卷积神经网络（CNN‑ISP‑net）的设计，在FPGA上实现了相应的硬件框架，可以加快网络的计算速度，并且通过本发明预处理后可以重构出性能更好的图片。

公开(公告)号：CN119887960A

公开(公告)日：2025-04-25

申请号：CN202411528561.9

申请日：2024-10-30

Applicant: 福州大学

Inventor： 钱慧 ,  凌泓 ,  李若贤

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/44 ,  G06T5/90 ,  G06T5/70 ,  G06T5/60

Abstract: 本发明提出一种端到端预处理网络驱动的无镜头成像重建方法，包括以下步骤：S1、原始图像经过扩散体无镜头成像系统获得测量图像；S2、构建轻量型卷积神经网络CNN‑ISP‑net，并使用训练集进行训练；S3、将测量图像和点扩散函数输入训练后的轻量型卷积神经网络进行预处理，获得预处理后的测量图像和点扩散函数；S4、构建并训练Le‑ADMM网络用以进行图像重构，S5、将预处理后的点扩散函数和测量图像共同输入已训练好的Le‑ADMM网络中进行图像重构。本发明通过轻量型卷积神经网络CNN‑ISP‑net分别对测量图像和测量点扩散函数进行预处理，优化测量图像质量，并使测量点扩散函数更接近理想点扩散函数，达到提升重构图像效果的目的。