一种基于超构透镜阵列的超紧凑型光谱光场相机系统

    公开(公告)号:CN111426381B

    公开(公告)日:2021-11-19

    申请号:CN202010047021.4

    申请日:2020-01-16

    Applicant: 南京大学

    Abstract: 一种基于超构透镜阵列的超紧凑型光谱光场相机系统,包括依次排列的平行光源镜头,线偏振片,四分之一波片、物镜、超消色差超构透镜阵列、单色相机;所述的超消色差超构透镜阵列置于两对依次排列的线偏振片、四分之一波片和物镜组成结构之间,且主透镜像平面到超构透镜阵列的距离a、超构透镜阵列到再成像平面的距离b与超构透镜的焦距f满足一定的关系,相机置于像面上用于接受图像;超消色差超构透镜阵是由超消色差超构透镜在平面上按一定规律排列而成的二维透镜阵列平面,设计具有离轴聚焦性质的超消色差超构透镜,利用不同波长下超构透镜聚焦位置的变化,实现光谱的色散。

    基于极坐标变换数据增强的淋巴类细胞分类方法及其装置

    公开(公告)号:CN107977682B

    公开(公告)日:2021-09-28

    申请号:CN201711376577.2

    申请日:2017-12-19

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于极坐标变换数据增强的淋巴类细胞分类方法及其装置,属于计算机视觉领域。分类方法包括:S1获取细胞图像;S2计算图像的R通道与G通道的比值矩阵;S3对比值矩阵进行直方图统计并二值化;S4对二值图像做形态学处理;S5提取细胞的边缘像素点并分割细胞;S6选取细胞边缘像素点为极点,建立极坐标系,把图片用极坐标变换映射到直角坐标系中;S7遍历边缘像素点,得到变换后的细胞图像;S8用ResNet训练细胞图像,并测试分类结果。本发明提出了一种新的数据增强方法,可以用极少的标记数据进行分类,而且有效地分开了难以识别的大颗粒淋巴细胞与异型淋巴细胞。

    一种定位与表征球形微粒的方法及其装置

    公开(公告)号:CN108254295A

    公开(公告)日:2018-07-06

    申请号:CN201810035679.6

    申请日:2018-01-15

    Applicant: 南京大学

    Abstract: 本发明公开了一种定位与表征球形微粒的方法及其装置。该方法的步骤为:S1采集暗场图像;S2采集光源均匀照射下的明场图像;S3在传感器上方放置含有球形微粒的溶液样本,采集全息图序列,同时调整相机曝光时间;S4估计空视场下的传感器平面的图像,作为背景图像;S5对拍摄的全息图以及背景图像进行平场校正;S6得到归一化的光源照射样本形成的全息图像;S7将全息图像拟合至由散射函数和入射光场所描述的表达式,对拍摄的微粒实现高精度三维定位,并同时精确表征微粒的尺寸和折射率信息。本发明将无透镜显微装置拍摄的全息图与Lorenz‑Mie理论相结合,可以对与传感器芯片一致大小的视场下的球形微粒实现亚微米级精度的定位。

    一种基于深度层的遮挡判断方法及装置

    公开(公告)号:CN103337081B

    公开(公告)日:2016-03-16

    申请号:CN201310294784.9

    申请日:2013-07-12

    Applicant: 南京大学

    Inventor: 曹汛 华夏 闫锋

    Abstract: 本发明公开了一种基于深度层的遮挡判断方法及其装置,属于计算机视觉领域。该方法包括:对原始图像的深度图像进行直方统计,统计深度图像所有灰度值所对应的像素个数;根据上述直方图进行包络检测,得到深度统计包络图;对上述深度统计包络图做邻域平滑滤波;根据平滑的深度统计包络图,计算出最小深度跳变,从而计算出虚拟视图上最小位置平移量;以上述平移量作为空洞尺寸阈值,对不同尺寸空洞采取不同的空洞填充策略。该装置包括:深度直方图统计模块、包络图计算模块、深度层计算模块、空洞大小计算模块和空洞大小判断模块。本发明不仅简化了现有渲染算法的复杂性,加快了渲染的速度,而且大大增强了空洞类型判断的准确性。

    一种深度学习解色散模糊的高光谱成像方法

    公开(公告)号:CN113008371B

    公开(公告)日:2022-02-08

    申请号:CN202110243400.5

    申请日:2021-03-05

    Applicant: 南京大学

    Abstract: 本发明公开了一种深度学习解色散模糊的高光谱成像方法。该方法的步骤是:S1,采集高精度光谱数据和色散RGB数据;S2,制备卷积神经网络训练数据集;S3,构建解色散模糊的卷积神经网络,该网络采用三维卷积核,且多个尺度的卷积核并列;卷积神经网络的输入是色散RGB数据,输出是重建高光谱数据;S4,利用S3构建的卷积神经网络,通过反向传播算法训练网络从色散RGB数据重建出高精度光谱数据的能力;S5,经多次迭代,选择训练得到的最优模型对测试集中的色散RGB数据直接解色散模糊得到高光谱数据。本发明利用深度学习卷积神经网络解色散模糊,实现高光谱重建工作,在保证重建精度的前提下大大提高了光谱重建速度。

    基于频域的去除光场重建图像中的周期噪声的方法

    公开(公告)号:CN110866874B

    公开(公告)日:2021-07-30

    申请号:CN201910998260.5

    申请日:2019-10-21

    Applicant: 南京大学

    Inventor: 曹汛 李晓雯 华夏

    Abstract: 本发明公开了一种基于频域的去除光场重建图像中的周期噪声的方法。具体步骤为:S1采集样本的光场成像图;S2采集无样本光心位置图;S3标定各微透镜成像的中心并对光场成像图进行渲染重建;S4将光场重建图像变换至频域,生成图像频谱;S5对图像频谱进行预处理;S6生成低通滤波器;S7将低通滤波器与预处理后的图像频谱相乘,低频分量的频谱值置零;S8对光场重建图像频谱作二值化处理,得到图像掩膜;S9滤除光场重建图像原始频谱中的高频周期噪声分量;S10将过滤后的光场重建图像频谱变换回空间域,得到去除周期噪声的光场重建图像。本发明能够有效的去除光场重建图像中的周期噪声,消除拼接边缘痕迹,优化重建结果。

    一种深度学习解色散模糊的高光谱成像方法

    公开(公告)号:CN113008371A

    公开(公告)日:2021-06-22

    申请号:CN202110243400.5

    申请日:2021-03-05

    Applicant: 南京大学

    Abstract: 本发明公开了一种深度学习解色散模糊的高光谱成像方法。该方法的步骤是:S1,采集高精度光谱数据和色散RGB数据;S2,制备卷积神经网络训练数据集;S3,构建解色散模糊的卷积神经网络,该网络采用三维卷积核,且多个尺度的卷积核并列;卷积神经网络的输入是色散RGB数据,输出是重建高光谱数据;S4,利用S3构建的卷积神经网络,通过反向传播算法训练网络从色散RGB数据重建出高精度光谱数据的能力;S5,经多次迭代,选择训练得到的最优模型对测试集中的色散RGB数据直接解色散模糊得到高光谱数据。本发明利用深度学习卷积神经网络解色散模糊,实现高光谱重建工作,在保证重建精度的前提下大大提高了光谱重建速度。

    一种对于噪声鲁棒的高质量无透镜成像方法及系统

    公开(公告)号:CN112907481A

    公开(公告)日:2021-06-04

    申请号:CN202110272575.9

    申请日:2021-03-13

    Applicant: 南京大学

    Abstract: 本发明提出了一种对于噪声鲁棒的高质量无透镜成像方法。该方法包括如下步骤:在样本到图像传感器不同距离下,采集多个样本衍射图像;对采集的衍射图像进行对焦搜索和x‑y方向的图像配准;使用WGDG算法对衍射图像进行图像重建。其中,WGDG算法是通过在Wirtinger梯度下降优化中引入高斯模型来进行设计的,用于实现相位恢复。本发明的无透镜成像方法,运用了一种新型迭代算法,能够有效降低高斯噪声对图像重建的影响,获得噪声鲁棒性、高质量成像结果。

    一种快照型解色散模糊的高光谱成像方法

    公开(公告)号:CN111174912A

    公开(公告)日:2020-05-19

    申请号:CN202010006728.0

    申请日:2020-01-03

    Applicant: 南京大学

    Abstract: 本发明公开了一种快照型解色散模糊的高光谱成像方法。该方法的步骤为:S1,选择参考波长,标定参考波长的色散,并选定中心波长;S2,估算所有重建波长与中心波长的相对色散;S3,生成色散矩阵,利用传感器的光谱响应曲线,生成光谱响应矩阵;S4,采集色散模糊的图像;S5,利用S3生成的色散矩阵、光谱响应矩阵,对S4采集的图像解色散模糊,得到各个通道图像对齐的光谱数据;S6,将S5得到的对齐的光谱数据投影到成像空间,通过阈值法提取前景图像,对S4得到的色散图像采样,作为前景图像像素值的强先验约束,重建精确的空间高光谱数据,实现高光谱成像。本发明利用简单、低成本的系统,实现精准地高光谱成像。

Patent Agency Ranking