-
公开(公告)号：CN116228899A
公开(公告)日：2023-06-06
申请号：CN202211664724.7
申请日：2022-12-23
Applicant: 北京理工大学
Abstract: 本发明涉及一种监督与无监督学习联合的单像素成像方法和装置，属于计算摄像技术领域。该方法设计了一种基于Transformer的单像素一步成像网络，能够直接从欠采样的单像素测量值中重建目标图像，无需求解近似结果的步骤，同时采用监督学习和无监督学习结合的方式来训练该网络，保证了方法的强泛化性。通过构建均方损失函数和全变分损失函数的结合的无监督损失函数，防止网络出现过拟合问题，保证了方法的重建性能。所述装置包括数据采集子模块、监督学习子模块、无监督学习子模块和重建子模块。本发明可以有效捕获单像素测量值之间的长程依赖性，可在低采样下实现高质量的单像素成像。
-
公开(公告)号：CN117876837B
公开(公告)日：2024-06-07
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
Patent Agency Ranking
公开(公告)号：CN118917121B
公开(公告)日：2025-02-21
申请号：CN202411421994.4
申请日：2024-10-12
Applicant: 北京理工大学
Abstract: 本发明提出了基于物理原理引导的单光子图像噪声建模增强方法及系统，属于计算机图像处理技术领域。首先从单光子噪声的物理原理入手，以概率构建完整的噪声模型，根据噪声模型的性质设计噪声标定方案。然后，结合噪声模型，使用RAW图像合成高质量的成对单光子数据，为神经网络的训练提供有力支持。最后，使用高性能的图像重建模型，利用通道域和空间域的自注意力机制、结构特征增强和显式引导高频纹理恢复的损失策略，达到更好的图像重建与去噪效果。本发明能够准确表征单光子相机的真实噪声分布，并高质量地从噪声图像中恢复出清晰的细节纹理。
-
公开(公告)号：CN118917121A
公开(公告)日：2024-11-08
申请号：CN202411421994.4
申请日：2024-10-12
Applicant: 北京理工大学
Abstract: 本发明提出了基于物理原理引导的单光子图像噪声建模增强方法及系统，属于计算机图像处理技术领域。首先从单光子噪声的物理原理入手，以概率构建完整的噪声模型，根据噪声模型的性质设计噪声标定方案。然后，结合噪声模型，使用RAW图像合成高质量的成对单光子数据，为神经网络的训练提供有力支持。最后，使用高性能的图像重建模型，利用通道域和空间域的自注意力机制、结构特征增强和显式引导高频纹理恢复的损失策略，达到更好的图像重建与去噪效果。本发明能够准确表征单光子相机的真实噪声分布，并高质量地从噪声图像中恢复出清晰的细节纹理。
-
公开(公告)号：CN113724146B
公开(公告)日：2024-06-04
申请号：CN202110795952.7
申请日：2021-07-14
Applicant: 北京理工大学
IPC: G06T5/70 , G06N3/0464
Abstract: 本发明公开的基于即插即用先验的单像素成像方法，涉及一种基于即插即用先验的欠采样条件下的单像素成像方法，属于计算摄像学领域。本发明结合基于模型方法和基于深度学习方法的优点，将现代图像降噪算法隐式作为先验替换到成像方法中，提高欠采样条件下单像素图像成像质量。本发明在即插即用同一构思下，提供欠采样条件下无噪声单像素成像方法和欠采样条件下考虑噪声的单像素成像方法。本发明公开的欠采样条件下无噪声的单像素成像方法，能够在不考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建。本发明公开的欠采样条件下考虑噪声的单像素成像方法，能够在考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建，对噪声具有鲁棒性。
-
公开(公告)号：CN113724146A
公开(公告)日：2021-11-30
申请号：CN202110795952.7
申请日：2021-07-14
Applicant: 北京理工大学
Abstract: 本发明公开的基于即插即用先验的单像素成像方法，涉及一种基于即插即用先验的欠采样条件下的单像素成像方法，属于计算摄像学领域。本发明结合基于模型方法和基于深度学习方法的优点，将现代图像降噪算法隐式作为先验替换到成像方法中，提高欠采样条件下单像素图像成像质量。本发明在即插即用同一构思下，提供欠采样条件下无噪声单像素成像方法和欠采样条件下考虑噪声的单像素成像方法。本发明公开的欠采样条件下无噪声的单像素成像方法，能够在不考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建。本发明公开的欠采样条件下考虑噪声的单像素成像方法，能够在考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建，对噪声具有鲁棒性。
-
公开(公告)号：CN117876837A
公开(公告)日：2024-04-12
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
