-
公开(公告)号：CN112765493B
公开(公告)日：2022-07-05
申请号：CN202110002497.0
申请日：2021-01-04
Applicant: 武汉大学
IPC: G06F16/9537 , G06F16/9535 , G06K9/62
Abstract: 本发明提出了一种用于兴趣点推荐的获取时间偏好融合序列偏好的方法。本发明首先通过数据预处理，得到兴趣点的特征时间戳，初始化兴趣点的嵌入向量、时间戳差值的嵌入向量，得到用户的正、负样本兴趣点嵌入向量序列和其对应的签到时间戳差值嵌入向量序列，然后将正、负样本兴趣点嵌入向量和其对应的签到时间戳差值嵌入向量融入GRU模型，进而构建用户的嵌入向量，计算用户对正、负样本兴趣点的序列偏好和时间偏好，将序列偏好和时间偏好进行融合，得到用户对正样本兴趣点和负样本兴趣点的融合偏好值。更进一步，利用正、负样本兴趣点的融合偏好值构造损失函数，优化相关模型参数。最后将优化后的模型用于推荐任务。
-
公开(公告)号：CN113205453B
公开(公告)日：2022-03-15
申请号：CN202110367197.2
申请日：2021-04-06
Applicant: 武汉大学
Abstract: 本发明公开了一种基于空间‑光谱全变分正则化的高光谱、多光谱和全色数据融合的方法。本发明主要针对由低分辨率高光谱图像与低分辨率多光谱和高分辨率全色图像融合得到高分辨率高光谱图像的应用需求。我们的融合方法将图像的子空间正则化与图像融合相结合，从而将对融合目标的求解转为对低维系数矩阵的求解。我们提出的模型包含三个二次数据拟合项和一个空间‑光谱全变分正则化项，并通过ADMM算法进行求解，从而获得定性和定量方面均优于对比方法的高光谱融合图像。
-
公开(公告)号：CN114019526A
公开(公告)日：2022-02-08
申请号：CN202111219396.5
申请日：2021-10-20
Applicant: 武汉大学
Abstract: 本发明提出了一种基于偏振调制的双目标光子测距方法。利用共焦扫描系统对微光条件下双目标场景的回波光子信号进行建模，并基于泊松负对数似然函数由光子计数器接收实际计数值直接计算理论计数值。此外，本发明建立了光子计数器的理论计数率与回波信号的几个变量之间的关系，变量包括双目标的单脉冲平均回波光子数和回波光子飞行时间，并进一步地通过改变电光相位调制器的工作电压波形来解算上述变量。因此，可以得到双目标的单脉冲平均回波光子数和回波光子飞行时间的有效解。该方法能以极少的数据量在微光条件下实现高分辨率和高测距精度的双目标探测。
-
公开(公告)号：CN113311446A
公开(公告)日：2021-08-27
申请号：CN202110570528.2
申请日：2021-05-25
Applicant: 武汉大学
IPC: G01S17/10 , G01S7/497 , G01S7/484 , G01S7/4861 , G01S7/4865
Abstract: 本发明公开了一种脉冲激光测距仪及测距方法，包括：大功率半导体泵浦激光器驱动部分、小体积高增益激光回波探测部分和主控部分，本发明的创新性在于：1、在单次探测模式中采用了过阈值时间和动态灵敏度相结合的方法，保证测距仪在整个量程范围内都有较高的精确度.2、在多次测量模式中使用了自适应灵敏度调整和动态阈值比较相结合的办法，证测距仪在整个量程范围内都有较高的精确度。
-
公开(公告)号：CN113205462A
公开(公告)日：2021-08-03
申请号：CN202110367190.0
申请日：2021-04-06
Applicant: 武汉大学
Abstract: 本发明提供一种基于神经网络学习先验的光子反射率图像去噪方法，主要包括成像模型的构造与模型的网络化。首先构造光子计数成像模型，对模型进行求解，得到相应的子问题，然后将子问题的模型进行网络化，构建卷积神经网络，给定训练集，对先验和模型相应参数进行学习，最后得到光子反射率图像的去噪结果。通过实验证明，本发明提出的方法通过学习先验，将模型网络化，采用卷积神经网络对图像进行去噪，从而使得去噪图像的上述指标接近理想值。
-
Patent Agency Ranking
公开(公告)号：CN112859101A
公开(公告)日：2021-05-28
申请号：CN202110029743.1
申请日：2021-01-11
Applicant: 武汉大学
IPC: G01S17/36
Abstract: 本发明属于单光子探测技术领域，公开了一种基于偏振调制的单光子测距方法，利用量子理论对光子的偏振特性进行分析，将光子的飞行时间与回波光子的偏振调制态之间建立联系，通过探测光子对线偏振片的透过率计算光子的飞行时间，从而实现对目标距离测量。本发明可以实现微弱光信号条件下的目标距离测量，且不需要计时电路，极大程度上简化了三维光子计数成像中需要集成的硬件，为高空间分辨率的三维光子计数成像提供了便利。
-
公开(公告)号：CN111896125B
公开(公告)日：2021-05-18
申请号：CN202010657471.5
申请日：2020-07-09
Applicant: 武汉大学
Abstract: 本发明提供了一种单光子计数成像的偏振去噪方法，包括：通过斯托克斯(stokes)矢量和穆勒矩阵计算出两个方向的探测器探测得到的总强度，并定义一个新的反射率指标αN；通过计算反射率α和线性去极化参数β的负对数似然函数，并添加非局部先验稀疏表示约束，构建单光子计数成像偏振去噪模型；通过交替最小化方法解决优化问题，得到并输出反射率和去极化参数图像。本发明方法可以在高背景噪声环境下，利用信号光与背景光之间的偏振差异，从根源上提高了信噪比，同时结合非局部先验稀疏表示约束，不仅能获得高质量的反映目标特征的反射率图像，还能得到目标本身的线性去极化参数图像，获取目标的偏振信息。
-
公开(公告)号：CN112765493A
公开(公告)日：2021-05-07
申请号：CN202110002497.0
申请日：2021-01-04
Applicant: 武汉大学
IPC: G06F16/9537 , G06F16/9535 , G06K9/62
Abstract: 本发明提出了一种用于兴趣点推荐的获取时间偏好融合序列偏好的方法。本发明首先通过数据预处理，得到兴趣点的特征时间戳，初始化兴趣点的嵌入向量、时间戳差值的嵌入向量，得到用户的正、负样本兴趣点嵌入向量序列和其对应的签到时间戳差值嵌入向量序列，然后将正、负样本兴趣点嵌入向量和其对应的签到时间戳差值嵌入向量融入GRU模型，进而构建用户的嵌入向量，计算用户对正、负样本兴趣点的序列偏好和时间偏好，将序列偏好和时间偏好进行融合，得到用户对正样本兴趣点和负样本兴趣点的融合偏好值。更进一步，利用正、负样本兴趣点的融合偏好值构造损失函数，优化相关模型参数。最后将优化后的模型用于推荐任务。
-
公开(公告)号：CN111899290A
公开(公告)日：2020-11-06
申请号：CN202010656633.3
申请日：2020-07-09
Applicant: 武汉大学
Abstract: 本发明提出了一种联合偏振和双目视觉的三维重建方法。针对偏振三维重建结果和双目视觉重建结果特点的互补性，以配准后的双目的深度数据为基准，对偏振重建结果的方位角误差进行校正，解决偏振重建的凹凸性模糊问题。在假设线性关系的前提下，对偏振初始重建结果和配准后的双目深度图进行空间拟合，用偏振重建的表面数据对双目深度图的缺失部分进行补全。采用交叉迭代思想，循环校正过程和补全过程，以解决双目深度图中数据缺失问题对重建结果的影响。重建结果表面分辨率高，形状信息准确，物体表面细节纹理还原度高，且最终重建结果具有较为真实的深度。
-
公开(公告)号：CN108550108B
公开(公告)日：2020-11-03
申请号：CN201710898958.0
申请日：2017-09-28
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明属于傅里叶叠层成像技术领域，具体涉及一种基于相位迭代最小化的傅里叶叠层成像图像重建方法。包括以下步骤：S1，生成一系列低分辨率子图像对应的幅度子图像；S2，获取重建算法参数，包括每幅低分辨率幅度子图像生成的频谱在高分辨率重建频谱中的位置，瞳孔函数等，建立低分辨率幅度子图像和高分辨率重建图像之间的联系；S3，将相位恢复作为优化目标之一，生成图像重建目标优化的目标函数，并通过迭代最小化进行求解，获得高分辨率重建图像频谱；S4，对高分辨率重建图像频谱进行傅里叶反变换，将结果的模作为高分辨率重建后的图像。本发明通过相同数目的低分辨率子图像进行高分辨率图像重建，具有更好的重建强度图像质量。
-
-
-
-
-
-
-
-
-
Search Results
169
records
(took 0.093 seconds)
