-
公开(公告)号：CN105842173B
公开(公告)日：2018-05-08
申请号：CN201610395755.5
申请日：2016-06-06
Applicant: 南京大学
IPC: G01N21/25
Abstract: 本发明提出一种高光谱材质鉴别方法，首先搭建标准光源光谱数据库并建立光谱材质标准数据库，标准光源光谱采用差值法与控制变量法获取；然后对需要鉴定的材质拍摄光谱数据信息通过预处理与本征材质信息提取，获得其光谱特性，再与光谱材质标准数据库中数据进行匹配，实现材质的高精度鉴别。该方法能够抵抗不同光照条件、材质形状变化等复杂因素对材质光谱信息的干扰，突破传统RGB以及RGBD相机无法解决的同色异谱、同质异色问题瓶颈，鉴别准确率较高。
-
公开(公告)号：CN106840398B
公开(公告)日：2018-02-02
申请号：CN201710021578.9
申请日：2017-01-12
Applicant: 南京大学
IPC: G01J3/28
Abstract: 本发明公开了一种多光谱光场成像方法，采用的硬件包括：沿光路方向顺次设置宽带滤波片阵列、异构相机阵列、控制板阵列和信息联合处理装置。成像方法为：在异构相机阵列的每个相机镜头和传感器中间放置不同波长的宽带滤波片，使得相机阵列中的每个相机接收固定波段的光谱信息；通过信息联合处理装置对相机阵列获取的多路信息进行基于卷积神经网络的立体匹配以获取入射光线的角度信息，得到全视场范围内的光场信息；根据相机之间的分布位置进行相机校准和视场对齐，通过光谱解复用获取相机阵列中任一相机视角下三倍于相机个数的多波段光谱信息。本发明能在同一时间获得全视野范围内每一像素的多光谱光场信息，实现光场和光谱信息的动态联合获取。
-
Patent Agency Ranking
公开(公告)号：CN105842173A
公开(公告)日：2016-08-10
申请号：CN201610395755.5
申请日：2016-06-06
Applicant: 南京大学
IPC: G01N21/25
CPC classification number: G01N21/25
Abstract: 本发明提出一种高光谱材质鉴别方法，首先搭建标准光源光谱数据库并建立光谱材质标准数据库，标准光源光谱采用差值法与控制变量法获取；然后对需要鉴定的材质拍摄光谱数据信息通过预处理与本征材质信息提取，获得其光谱特性，再与光谱材质标准数据库中数据进行匹配，实现材质的高精度鉴别。该方法能够抵抗不同光照条件、材质形状变化等复杂因素对材质光谱信息的干扰，突破传统RGB以及RGBD相机无法解决的同色异谱、同质异色问题瓶颈，鉴别准确率较高。
-
公开(公告)号：CN105678769A
公开(公告)日：2016-06-15
申请号：CN201610011916.6
申请日：2016-01-05
Applicant: 南京大学
IPC: G06T7/00
CPC classification number: G06T2207/10036
Abstract: 本发明涉及一种地物光谱图像的分解算法，属于计算机视觉及计算摄像学领域。本发明以更好地利用地物光谱图像中的有效信息为目的，将地物光谱图像分解为光源光谱、明暗图像，材质反射图像以及高光图像。本发明主要算法的核心在于利用光谱图像丰富的频谱信息进行一致性区域分割，以带权均值算法计算材质反射光谱图像，最后利用局部照明条件一致性计算明暗图像。本发明提出的方法能够有效的分解出地物光谱图像中的有效信息，对地物场景的分割及识别有极大的帮助。
-
公开(公告)号：CN106067171B
公开(公告)日：2018-10-19
申请号：CN201610355413.0
申请日：2016-05-26
Applicant: 南京大学
Abstract: 本发明提出一种高光谱图像本质分解和图像分割方法，具体步骤为：S1:将人造光源下的自然物体的高光谱图像分解为四种独立本质成分：光源信息、几何信息、材料特性、高光信息，并对其进行数学关系表述；S2:获取自然场景中多种不同材质物体的高光谱图像，对图像进行如步骤S1的本质分解，并建立基于标定数据的高光谱图像本质分解数据库；S3:提取步骤S1中获得的独立本质成分中的材料特性，采用无监督学习方法进行高光谱图像分割。本发明能够有效降低非平行光源和复杂几何纹理等影响，获得更好的图像分割效果；并为其他可视化研究如物体追踪、场景光源重建等提供数据获取方法和标定数据库(Ground Truth)支持。
-
公开(公告)号：CN106840398A
公开(公告)日：2017-06-13
申请号：CN201710021578.9
申请日：2017-01-12
Applicant: 南京大学
IPC: G01J3/28
Abstract: 本发明公开了一种多光谱光场成像方法，采用的硬件包括：沿光路方向顺次设置宽带滤波片阵列、异构相机阵列、控制板阵列和信息联合处理装置。成像方法为：在异构相机阵列的每个相机镜头和传感器中间放置不同波长的宽带滤波片，使得相机阵列中的每个相机接收固定波段的光谱信息；通过信息联合处理装置对相机阵列获取的多路信息进行基于卷积神经网络的立体匹配以获取入射光线的角度信息，得到全视场范围内的光场信息；根据相机之间的分布位置进行相机校准和视场对齐，通过光谱解复用获取相机阵列中任一相机视角下三倍于相机个数的多波段光谱信息。本发明能在同一时间获得全视野范围内每一像素的多光谱光场信息，实现光场和光谱信息的动态联合获取。
-
公开(公告)号：CN106067171A
公开(公告)日：2016-11-02
申请号：CN201610355413.0
申请日：2016-05-26
Applicant: 南京大学
CPC classification number: G06T2207/10036
Abstract: 本发明提出一种高光谱图像本质分解和图像分割方法，具体步骤为：S1:将人造光源下的自然物体的高光谱图像分解为四种独立本质成分：光源信息、几何信息、材料特性、高光信息，并对其进行数学关系表述；S2:获取自然场景中多种不同材质物体的高光谱图像，对图像进行如步骤S1的本质分解，并建立基于标定数据的高光谱图像本质分解数据库；S3:提取步骤S1中获得的独立本质成分中的材料特性，采用无监督学习方法进行高光谱图像分割。本发明能够有效降低非平行光源和复杂几何纹理等影响，获得更好的图像分割效果；并为其他可视化研究如物体追踪、场景光源重建等提供数据获取方法和标定数据库(Ground Truth)支持。
-
-
-
-
-
-
Search Results
7
records
(took 0.041 seconds)
