-
公开(公告)号：CN113138467B
公开(公告)日：2023-06-13
申请号：CN202110403811.6
申请日：2021-04-15
Applicant: 西北农林科技大学
Abstract: 本发明涉及一种基于LCVR的压缩感知高光谱偏振成像方法，其特征在于，包括以下步骤：S1，利用高光谱偏振信号产生模块为高光谱偏振成像提供所需的高光谱偏振信号；S2，利用偏振编码模块对所述高光谱偏振信号进行偏振编码，使得所述高光谱偏振信号的斯托克斯矢量在偏振域实现压缩；S3，利用光谱编码模块对偏振编码后的高光谱偏振信号进行光谱编码，从光谱维度压缩数据量；S4，利用图像采集重构模块对光谱编码后的高光谱偏振信号进行采集、分析处理并重构出高光谱偏振图像。
-
公开(公告)号：CN115393233A
公开(公告)日：2022-11-25
申请号：CN202210878279.8
申请日：2022-07-25
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于自编码器的全线偏振图像融合方法，首先对分焦平面偏振传感器获取的不同偏振态图像进行Stokes解算，得到Stokes矢量，利用它们获得线偏振度、线偏振角的映射以形成新的偏振特征图像，并与光强图像组合获得一组新的数据范式，再利用基于卷积神经网络的自编码器从目标的光强信息和偏振特征图像进行特征提取、特征融合，图像重建。本发明能够最大程度降低由材料属性和光照环境引起的偏振模糊，并对各类场景具有鲁棒性，通过自编码器的图像融合方法能够使得特征得以充分的提取并融合，保留并增强目标的偏振信息，提高复杂背景下的目标检测能力。
-
Patent Agency Ranking
公开(公告)号：CN113138467A
公开(公告)日：2021-07-20
申请号：CN202110403811.6
申请日：2021-04-15
Applicant: 西北农林科技大学
Abstract: 本发明涉及一种基于LCVR的压缩感知高光谱偏振成像系统及方法，其特征在于，包括：高光谱偏振信号产生模块，为高光谱偏振成像提供所需的高光谱偏振信号；偏振编码模块，对所述高光谱偏振信号进行偏振编码，使得所述高光谱偏振信号的斯托克斯矢量在偏振域实现压缩；光谱编码模块，对偏振编码后的高光谱偏振信号进行光谱编码，从光谱维度压缩数据量；所述光谱编码模块包括依次设置的液晶可变相位延迟器LCVR和第二偏振片，通过改变所述液晶可变相位延迟器LCVR两端的电压，来改变入射光束不同波数的透过率；图像采集重构模块，对光谱编码后的高光谱偏振信号进行采集、分析处理并重构高光谱偏振图像。
-
公开(公告)号：CN115424115A
公开(公告)日：2022-12-02
申请号：CN202211118323.1
申请日：2022-09-11
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于偏振成像和深度学习的透明目标检测方法，包括以下步骤：步骤1，训练深度学习网络检测模型；步骤2，通过训练好的深度学习网络检测模型对透明目标进行目标检测：检测结果＝训练好的深度学习网络检测模型(S0，DoLP，IE,L1)。本发明实现了透明目标的精确、快速检测，在智能制造、智能驾驶等领域具有广泛的应用价值和前景。
-
公开(公告)号：CN114898101A
公开(公告)日：2022-08-12
申请号：CN202210489848.X
申请日：2022-05-06
Applicant: 西北农林科技大学
Abstract: 一种基于深度学习的压缩感知高光谱数据重构方法，其特征在于，包括以下步骤：步骤1：训练基于卷积神经网络的压缩感知高光谱数据重构网络模型；步骤2：使用步骤1训练好的重构网络模型重构压缩感知高光谱数据。本发明使用卷积神经网络解决压缩感知高光谱数据重构问题，通过训练网络学习压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重构压缩感知高光谱数据，实现了压缩感知高光谱数据的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重构高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
公开(公告)号：CN111505278A
公开(公告)日：2020-08-07
申请号：CN202010294483.6
申请日：2020-04-15
Applicant: 西北农林科技大学
IPC: G01N33/569 , G01N33/558
Abstract: 一种金黄色葡萄球菌检测试纸条、检测方法及应用，试纸条包括衬板，衬板上贴有硝酸纤维素膜,在硝酸纤维素膜的检测区上有检测线，检测线包被有猪免疫球蛋白。该发明只用猪的免疫球蛋白划在硝酸纤维素膜上直接进行检测，打破了传统需要采用抗体的检测方法，大大节省了成本，避免了生产抗体及配对的繁琐过程，提高稳定性和灵敏度，更简单、方便和新颖。
-
公开(公告)号：CN114898101B
公开(公告)日：2025-04-11
申请号：CN202210489848.X
申请日：2022-05-06
Applicant: 西北农林科技大学
IPC: G06V10/40 , G06V10/774 , G06V10/58 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种基于深度学习的压缩感知高光谱数据重构方法，其特征在于，包括以下步骤：步骤1：训练基于卷积神经网络的压缩感知高光谱数据重构网络模型；步骤2：使用步骤1训练好的重构网络模型重构压缩感知高光谱数据。本发明使用卷积神经网络解决压缩感知高光谱数据重构问题，通过训练网络学习压缩测量数据到原始数据的逆变换，进一步使用训练好的模型重构压缩感知高光谱数据，实现了压缩感知高光谱数据的快速、精确重建，与传统迭代重建算法相比，在重建质量上有所提高，并且在重构高光谱数据上的计算时间上有显著提高，远快于传统算法。
-
-
-
-
-
-
Search Results
7
records
(took 0.03 seconds)
