-
公开(公告)号：CN117791280A
公开(公告)日：2024-03-29
申请号：CN202410011305.6
申请日：2024-01-04
申请人： 广东工业大学
摘要： 本发明属于激光相干合成领域，公开了一种基于分段式自适应增益SPGD算法的激光相干合成系统，用于解决传统SPGD算法应用于多路激光相干合成系统时收敛速度慢，泛化能力差的问题。该方法以迭代过程中性能评价函数的大小为依据将算法分为两个阶段，并在不同阶段使用不同的增益系数调整公式，实现增益系数的自适应调整；在此基础上，根据上一次迭代过程中评价函数值与施加正负扰动后的评价函数值的大小划分两种情况，引入梯度更新因子C，在不同情况下对相位控制电压进行针对性调整。本算法可以高效的控制激光光束的相位，提高算法收敛速度的同时减少陷入局部最优解的情况，并且将该算法应用于大规模的激光相干合成系统时，仍具有很好的性能。
-
公开(公告)号：CN117199984A
公开(公告)日：2023-12-08
申请号：CN202311283704.X
申请日：2023-10-07
申请人： 广东工业大学
IPC分类号： H01S3/10
摘要： 本发明涉及激光相干合成技术领域，公开了一种用于激光相干合成的智能相位控制方法，用于解决传统相位控制方法的硬件要求高、基于深度学习的相位控制方法的鲁棒性低以及基于强化学习的方法的训练时间长的难题。本发明的方法是多次将随机相位的激光进行相干合成后的衍射图样输入至强化学习系统中根据Q网络执行的动作和获得的奖励对其进行参数更新。当Q网络训练收敛后，将光电探测器获取到的衍射图输入至网络中，网络输出校正动作空间对应的Q值，选最大的Q值对应的动作并转换为校正信号至相位控制器中，控制器通过电压调整光束的相位从而获得高相干合成输出。本发明的方法可以高效地实现对激光的相位控制，并具备高鲁棒性以及实时性。
-
公开(公告)号：CN116977809A
公开(公告)日：2023-10-31
申请号：CN202311095043.8
申请日：2023-08-29
申请人： 广东工业大学
摘要： 本发明属于图像处理领域，公开了一种基于深度学习的端到端多模态图像融合框架，用于解决针对复杂背景下跨模态图像融合结果存在模糊及特征提取能力不足的问题，本发明的融合方法基于卷积神经网络，核心在于利用特征编码模块和双分支嵌入的梯度滤波器来更好地捕获相关特征，再利自适应感知融合模块选择性地结合从红外和可见光偏振图像中提取的优势特征，实现互补融合。此外，设计了显著性加权像素级和梯度损失来指导对原始数据的图像特征进行提取和融合。最后，在特征解码模块通道维上对融合特征进行拼接和重构出融合图像。本发明能够有效实现复杂多模态图像的融合，具有特征提取效果好，融合图像视觉效果高、对比度高等特点。
-
公开(公告)号：CN116563343A
公开(公告)日：2023-08-08
申请号：CN202310575583.X
申请日：2023-05-22
申请人： 广东工业大学
IPC分类号： G06T7/246 , G06T7/73 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/80 , G06N3/084 , G06N3/098 , G06N3/0464
摘要： 本发明属于图像处理领域，公开了一种基于孪生网络结构和锚框自适应思想的RGBT目标跟踪方法，用于解决传统的RGBT目标跟踪方法在可见度低或者照明条件较差等情况下难以实现鲁棒性跟踪的难题。模型包括基于孪生网络结构的特征提取网络、跨模态信息互补的融合网络和基于锚框自适应思想的跟踪预测网络；本发明利用可见光和热红外图像信息的互补性和一致性设计基于孪生网络结构的特征提取网络，增强网络对目标的表征能力；同时设计跨模态信息互补的融合方案，增强跟踪模型在复杂场景下跟踪器的鲁棒性；基于锚框自适应思想的跟踪预测网络使跟踪器具有更强的灵活性。本发明的方法可以实现对复杂背景的目标进行跟踪，跟踪精度更高，且效率更好。
-
公开(公告)号：CN118732459A
公开(公告)日：2024-10-01
申请号：CN202410905387.9
申请日：2024-07-08
申请人： 广东工业大学
摘要： 本发明属于全息相位重建领域，公开了一种基于物理约束下复值UNet的复振幅重建方法，在摆脱端到端网络对大量数据依赖性的同时提供比实值网络更好的重建效果，本发明采用基于复值UNet的网络架构结合光学同轴全息成像模型的物理过程，首先将采集得到的全息图构建复振幅放进复值UNet中，得到输出复值场C，调制复振幅并施加复值正则化约束，模拟同轴全息正向传播过程得到重建复值场，取强度为重建全息图E，相位用以更新输入复值场B；随后计算采集的全息图与重建全息图E之间的相似度，通过复值神经网络的梯度下降优化算法实现相位重建。本发明提供一种基于复值UNet结合物理约束直接重建复值场的方法。
-
公开(公告)号：CN118864720A
公开(公告)日：2024-10-29
申请号：CN202410905308.4
申请日：2024-07-08
申请人： 广东工业大学
摘要： 本发明属于全息相位重建领域，公开了一种基于双复值神经网络迭代的同轴全息重建方法，用于解决端到端网络训练对大量数据集的依赖及重建质量不高的问题，本发明采用基于复值神经网络的网络架构结合光学同轴全息成像模型，首先将采集得到的全息图作为输入放进复值神经网络CNet1中，得到估计相位构建复值场，反向传播后经过复值神经网络CNet2，重建相位模拟同轴全息衍射过程得到模拟的全息图；随后计算采集的全息图与模拟全息图之间的相似度，通过复值神经网络的梯度下降优化算法实现相位重建。本发明充分发挥双复值神经网络的优势实现高质量的全息相位重建。
-
公开(公告)号：CN118747267A
公开(公告)日：2024-10-08
申请号：CN202410891207.6
申请日：2024-07-04
申请人： 广东工业大学
IPC分类号： G06F18/10 , G06F18/213 , G06N3/0464 , G06N3/042 , G06N3/049 , G06N3/048 , G06F18/25 , G06N3/047 , G06N3/08
摘要： 本发明属于自适应光学预测控制领域，公开了一种基于动态时空图模型的波前预测方法，针对自适应光学系统的时延进行预测补偿。该方法过程是，先通过仿真获取时序畸变波前的泽尼克系数数据集，对数据进行预处理。将数据输入构建的动态时空图模型，利用历史连续畸变多帧波前的泽尼克系数，预测出下一帧待校正波前的泽尼克系数。通过时空耦合的图网络结构以及注意力机制，消除相邻波前数据之间时序特征上存在的冗余信息，获得高精度的预测效果。该方法降低了自适应光学系统在应对大气湍流畸变波前时的时延校正误差，从而提高控制性能。
-
公开(公告)号：CN118709738A
公开(公告)日：2024-09-27
申请号：CN202410843723.1
申请日：2024-06-27
申请人： 广东工业大学
摘要： 本发明涉及激光相干合成技术领域，公开了一种基于连续动作强化学习的激光相干合成控制算法。该方法解决了传统相位控制方法硬件要求高、基于深度学习的相位控制方法鲁棒性低及强化学习方法训练时间长的难题。其步骤包括：将多束激光相干合成后的衍射图样输入至强化学习系统，通过Policy网络根据执行动作和奖励进行参数更新。当Policy网络训练收敛后，将光电探测器获取的衍射图输入网络，网络输出校正动作，选择最优动作并转换为校正信号传送至相位控制器，控制器调整光束相位实现高相干合成输出。本方法高效、具高鲁棒性、实时性和适应复杂环境变化的能力。
-
公开(公告)号：CN117635452A
公开(公告)日：2024-03-01
申请号：CN202311439295.8
申请日：2023-11-01
申请人： 广东工业大学
IPC分类号： G06T5/50 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明属于图像处理领域，提出了一种优化双分支特征金字塔的多光谱图像融合框架，旨在解决在暗光条件下红外光与可见光图像融合时可能出现的色彩不自然和对比度不匹配等问题。首先，采用多尺度残差模块强化特征提取，同时整合Canny滤波器捕捉特征信息。其次，利用浅层和深层融合模块实现信息融合，并设计了梯度和对比度的加权损失引导过程。最后，通过残差连接的特征重构模块拼接和重构融合图像的特征。本发明能够有效实现基于低光场景下的红外与可见光图像的融合，具备出色的特征提取能力和高质量视觉融合效果，以确保高对比度、背景丰富等特征。
-
公开(公告)号：CN118917362A
公开(公告)日：2024-11-08
申请号：CN202411218262.5
申请日：2024-09-02
申请人： 广东工业大学
IPC分类号： G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0895 , G03H1/04
摘要： 本发明属于全息相位重建领域，公开了一种基于频域自监督复值神经网络的复振幅重建方法，在摆脱端到端网络对大量标注数据依赖性的同时提供一种从频域学习的重建方法，本发明采用基于复值神经网络的网络架构结合光学同轴全息成像模型的物理过程，首先将采集的全息图经傅里叶变换后得频谱B，再将其放入复值神经网络中，输出物场频谱C，逆傅里叶变换后再模拟同轴全息正向传播过程得到衍射复振幅D，取强度为重建全息图E与其频谱F；随后计算采集的全息图与重建全息图E之间、频谱B与频谱F之间的相似度，通过复值神经网络的梯度下降优化算法实现相位重建。本发明提供一种基于复值神经网络频谱学习的全息复振幅重建方法。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.021 秒)
