“光谱矩阵”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果234567个，建议您升级VIP下载更多相关专利

[发明专利]光谱仪杂散光校正方法-CN202211687176.X在审
发明人：贺晓龙;王婷婷;胡松婷;崔靖;殷海玮 -专利权人：上海复享光学股份有限公司
申请日： 2022-12-27 - 公布日： 2023-03-14 - 主分类号： G01J3/28 文献下载
摘要：发本明涉及一种光谱仪杂散光校正方法，包括步骤：将具有已知强度分布的m个连续光谱射入待校正光谱仪中，利用所述待校正光谱仪测得所述m个连续光谱的实际光谱强度分布，其中，m为大于等于1的自然数；利用压缩感知算法以所述m个实际光谱强度求解所述待校正光谱仪的杂散光矩阵，所述杂散光矩阵的维度为n×n(n为预设的自然数，且m＜n)。本发明调试简单、快速，且调试精确度高，可支持多种入射光源，能够更全面地实现光谱仪的像面重合优化。本发明利用远小于杂散光校正矩阵信号维度的有限波段光谱即可快速计算出杂散光校正矩阵，大大减少了测试所需的光谱采样率，降低了设备成本，提高了测量效率，并保证了校正精度。
光谱仪散光校正方法

[发明专利]一种基于相似性矩阵块对角划分的高光谱波段选择方法-CN202310061863.9在审
发明人：李淑英;刘喆 -专利权人：西安邮电大学
申请日： 2023-01-19 - 公布日： 2023-06-13 - 主分类号： G06V10/762 文献下载
摘要：本发明涉及高光谱波段选择方法，具体涉及一种基于相似性矩阵块对角划分的高光谱波段选择方法，用于解决现有基于图的聚类算法均是在固定的输入数据图上进行聚类，以及需要后处理来提取聚类指标的不足之处。该基于相似性矩阵块对角划分的高光谱波段选择方法包括构建初始亲和矩阵、构造块对角相似性矩阵和选择代表性波段；本发明允许在聚类过程中对高光谱图像本身进行自适应调整，从而生成高质量的相似图；首先，通过计算高光谱图像中波段之间的距离来学习精确的亲和矩阵，构造包含有序划分点的块对角相似性矩阵，同时将波段划分为多个子块矩阵；最后，提出了一种基于波段间线性组合的代表性波段选择方法。
一种基于相似性矩阵对角划分光谱波段选择方法

[发明专利]基于匹配追踪生成对抗网的高光谱异常检测方法-CN202111305120.9在审
发明人：王佳宁;杨攀泉;王昭;郭思颖;黄润虎;焦李成 -专利权人：西安电子科技大学
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于匹配追踪生成对抗网的高光谱异常检测方法，主要解决现有技术中提取特征信息能力不足、缺乏先验信息，导致检测效果差的问题。其实现方案为：对高光谱图像使用KRX算法计算其异常概率矩阵，根据背景阈值对异常概率矩阵置1置0得到假定标签；提取标签为0的光谱向量组成背景光谱向量矩阵；根据光谱向量矩阵制作训练样本数据集，输入到深度卷积生成对抗网，得到伪高光谱图像数据集；将高光谱图像与伪高光谱图像的光谱向量作差得到残差图像，再对残差图像进行匹配追踪，计算其异常概率值，得到异常检测结果。
基于匹配追踪生成对抗光谱异常检测方法

[发明专利]多通道通道色散型偏振光谱仪及偏振光谱数据解调方法-CN202310587260.2在审
发明人：泊建;颜昌翔 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2023-05-23 - 公布日： 2023-08-18 - 主分类号： G01N21/21 文献下载
摘要：本发明涉及偏振光学遥感领域，具体提供了一种多通道通道色散型偏振光谱仪，包括沿光路方向依次设置的前置镜组、偏振调制模块矩阵、成像镜组和通道色散光谱仪，前置镜组用以获取平行光并将平行光入射到偏振调制模块矩阵；偏振调制模块矩阵用以产生多个调制光谱曲线对偏振光谱数据进行解调，偏振调制模块矩阵包括不同厚度比例的相位延迟器和多个线偏振器；成像镜组用以使调制光线成像在探测器上；通道色散光谱仪探测器用以接收多个通道调制光线本发明还提供了一种多通道通道色散型偏振光谱数据解调方法。本发明可避免傅里叶频域解调偏振光谱信息带来通道串扰对偏振光谱探测精度和偏振光谱分辨率的影响。
通道色散偏振光谱仪光谱数据解调方法

[发明专利]一种适用MPT光谱仪的垂直观测位置快速优化方法-CN201610876880.8有效
发明人：刘文龙;应仰威;赖晓健;陈挺;郭淳 -专利权人：浙江全世科技有限公司
申请日： 2016-10-08 - 公布日： 2019-02-15 - 主分类号： G01N21/73 文献下载
摘要：本发明提供了一种适用MPT光谱仪的垂直观测位置快速优化方法，包括：步骤1，对初测区域进行N个观测位置的待测波长光谱强度数据进行采集获得光谱强度初测矩阵R；根据所述观测位置的预设精度λ生成全观测区域的单位矩阵；步骤2，根据光谱强度初测矩阵R和全观测区域的单位矩阵A进行空间插值算法获得全观测区域内光谱强度预测模型M，所述M的每个元素包括一个坐标和对应坐标上的光谱强度值；步骤3，求解全观测区域内光谱强度预测模型M中光谱强度最大的元素MAX，根据该光谱强度最大的元素MAX获得的坐标为最佳观测位置。
一种适用 mpt 光谱仪垂直观测位置快速优化方法

[发明专利]一种光源相关色温和显色指数分析方法-CN201710102781.9有效
发明人：孙登峰;侯晓妮 -专利权人：中国测试技术研究院
申请日： 2017-02-24 - 公布日： 2019-02-19 - 主分类号： G01M11/02 文献下载
摘要：本发明公开了一种光源相关色温和显色指数分析方法，选择多个类型、相关色温和显色指数已知且范围覆盖待测光源的类型、相关色温和显色指数的光源作为参考光源；测量各参考光源的辐照度光谱，并对光谱数据进行标准化格式处理，得到参考光源光谱矩阵；将获得的参考光源光光谱矩阵与对应的相关色温及显色指数之间建立逐步多元线性回归分析模型：测量待测光源的辐照度光谱，并对光谱数据进行标准化格式处理，得到待测光源光谱矩阵；将待测光源光谱矩阵中的光谱数据对应分析模型因变量代入所述分析模型
一种光源相关色温显色指数分析方法

[发明专利]基于空谱邻域嵌入和最优相似图的高光谱分类方法-CN202010595151.1有效
发明人：王琦;李学龙;苗艳玲 -专利权人：西北工业大学
申请日： 2020-06-23 - 公布日： 2022-03-15 - 主分类号： G06V30/19 文献下载
摘要：本发明提供了一种基于空谱邻域嵌入和最优相似图的高光谱分类方法。首先，基于邻域保留嵌入法使用新的空间光谱组合距离融合空间结构和光谱信息，以选择高光谱图像像元的有效空间光谱近邻；然后，通过利用空间距离来调整像元与其相邻像元之间的重构权重，来增强嵌入特征的辨别能力，得到投影矩阵及其对应的低维高光谱图像；最后，基于低维高光谱图像构建锚点图，得到原始点到锚点的连接矩阵，再利用谱聚类方法由连接矩阵获得最优相似矩阵，进而得到分类结果。本发明方法通过更深入地挖掘高光谱图像的内在结构，获得有效的空间光谱邻居，并利用锚点图和谱聚类方法得到最优相似图，能够同时提高分类精度和算法效率。
基于邻域嵌入最优相似光谱分类方法

[发明专利]一种快照型解色散模糊的高光谱成像方法-CN202010006728.0有效
发明人：曹汛;黄烨;华夏;李晓雯 -专利权人：南京大学
申请日： 2020-01-03 - 公布日： 2021-02-23 - 主分类号： G01J3/28 文献下载
摘要：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。
一种快照色散模糊光谱成像方法

[发明专利]图像处理方法、处理装置、电子设备及介质-CN202110941253.9有效
发明人：李小涛 -专利权人： OPPO广东移动通信有限公司
申请日： 2021-08-17 - 公布日： 2023-03-24 - 主分类号： H04N23/55 文献下载
摘要：多光谱相机模组包括对应不同第一光谱响应曲线的多个通道。图像处理方法包括：根据目标色彩校正矩阵对多光谱相机模组所拍摄的图像进行色彩还原处理，目标色彩校正矩阵为使得根据预设响应曲线确定的预设物体的目标颜色值与预设物体在预设光源下的校正颜色值的偏差达到最小时对应的色彩校正矩阵，校正颜色值根据处理第四光谱响应曲线得到的在预设光源下的第二光谱响应曲线、预设物体在预设光源下的第三光谱响应曲线和色彩校正矩阵确定，第四光谱响应曲线为根据预设响应曲线拟合第一光谱响应曲线得到的曲线。上述图像处理方法中能够提高多光谱相机模组的色彩还原的准确性。
图像处理方法装置电子设备介质

[发明专利]耦合空谱特征的多尺度超像素高光谱遥感图像分类方法-CN202110507336.7在审
发明人：王华;陈梦奇;黄伟;殷君茹;李志刚;陈启强;吴庆岗 -专利权人：郑州轻工业大学
申请日： 2021-05-10 - 公布日： 2021-08-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种耦合空谱特征的多尺度超像素高光谱遥感图像分类方法。该方法包括：将高光谱遥感图像数据集分为训练集和测试集，使用主成分分析法PCA对训练集进行降维处理，得到有效的光谱波段；在不同尺度下，分别使用基于熵率的超像素分割算法ERS对有效的光谱波段进行超像素分割处理；通过RBF核函数计算任意两个超像素之间的相似性，进而得到训练集的空间光谱核矩阵Kpp；通过多项式核函数计算训练集中任意两个像素之间的相似性，进而得到训练集的原始光谱核矩阵Kyp；将空间光谱核矩阵Kpp与原始光谱核矩阵Kyp进行融合得到多尺度超像素空间光谱合成核矩阵
耦合特征尺度像素光谱遥感图像分类方法

[发明专利]一种基于低秩与稀疏分解的高光谱图像异常目标检测方法-CN201911280058.5有效
发明人：王涛;常红伟;苏延召;姜柯;韩德帅;曹继平 -专利权人：中国人民解放军火箭军工程大学
申请日： 2019-12-13 - 公布日： 2023-07-28 - 主分类号： G06V20/60 文献下载
摘要：本发明属于遥感影像处理技术领域，公开了一种基于低秩与稀疏分解的高光谱图像异常目标检测方法，包括：S1，将高光谱图像转换成二维矩阵；S2，利用图像中背景的低秩特性和目标的稀疏特性，对所述二维矩阵进行低秩与稀疏矩阵分解，得到低秩矩阵和稀疏矩阵；S3，针对所述低秩背景矩阵，计算其均值，然后计算全局协方差矩阵；S4，利用双滑动窗遍历所述高光谱图像，得到检测结果。本发明体现了简单、快速和高精度的特点，对采用高光谱技术在进行质量检测、环境监测以及军事侦察等方面具有很好的实用价值。
一种基于稀疏分解光谱图像异常目标检测方法

[发明专利]基于深度网络解混的瞬态光谱仪-CN201910797710.4在审
发明人：韩静;柏连发;王旭;赵壮;张毅;陈霄宇;楼啸天;戚浩存 -专利权人：南京理工大学
申请日： 2019-08-27 - 公布日： 2019-12-31 - 主分类号： G01J3/28 文献下载
摘要：本发明提出了一种基于深度网络解混的瞬态光谱仪，包括望远物镜、数字微镜器件DMD、棱镜、准直透镜、光栅、聚焦透镜、CCD相机、光强还原模块以及光谱重建模块，光强还原模块通过卷积神经网络将色散叠加后的光谱还原为光强分布；光谱重建模块将Hadamard‑S矩阵与光强分布进行叠加形成Sub‑Hadamard‑S矩阵，并根据Sub‑Hadamard‑S矩阵重建光谱。
光强光谱重建光强分布还原模块光谱叠加卷积神经网络数字微镜器件光谱仪光栅聚焦透镜望远物镜准直透镜棱镜信噪比配准色散瞬态还原重建网络

[发明专利]基于深度学习方法的高光谱数据处理方法-CN201911151815.9有效
发明人：黄鸿;李政英;张臻;蒲春宇;潘银松 -专利权人：重庆大学
申请日： 2019-11-22 - 公布日： 2022-03-22 - 主分类号： G06V20/13 文献下载
摘要：本发明提出了一种基于深度学习方法的高光谱数据处理方法，该方案能对现有的特征投影矩阵进行优化，得到优化特征投影矩阵，然后根据优化特征投影矩阵对高光谱数据进行处理，得到高光谱图像；本发明的有益技术效果是：提出了一种基于深度学习方法的高光谱数据处理方法，该方案能适用于不同的提取特征方法，能显著提高提取特征的识别能力，改善高光谱数据的处理效果。
基于深度学习方法光谱数据处理方法

[发明专利]一种最优局部建模集快速构建方法-CN202310371457.2在审
发明人：李硕;沈佳丽;周妤薇;胡琼 -专利权人：华中师范大学
申请日： 2023-04-10 - 公布日： 2023-07-07 - 主分类号： G06F30/20 文献下载
摘要：本申请提供一种最优局部建模集快速构建方法，涉及土壤光谱建模预测方法技术领域，包括：基于马式距离衡量待测的土壤样本光谱与土壤光谱库的光谱样本的相异度；按照预设标准对相异度进行升序排序后形成距离矩阵；构建距离矩阵的“行数–库容”关系曲线；通过使用包络线去除法和默认阈值的约束，提取距离矩阵的“行数–库容”关系曲线的特征点位；以第一特征点位所对应的土壤光谱库的光谱样本作为最优局部建模集。能够改善土壤光谱库的通用模型在局部尺度上的预测效果。
一种最优局部建模快速构建方法

[发明专利]一种用于拉曼光谱的快速荧光背景抑制方法-CN201810907494.X在审
发明人：陈硕;孔令敏;路交;朱姗姗 -专利权人：东北大学
申请日： 2018-08-10 - 公布日： 2019-01-25 - 主分类号： G01N21/65 文献下载
摘要：一种用于拉曼光谱的快速荧光背景抑制方法，通过建立标准数据库对荧光背景抑制算法模型进行训练。在训练阶段，通过维纳估算的方法计算荧光背景光谱与窄带测量间关系的数学模型，即维纳矩阵1；然后通过维纳估算的方法计算去除荧光背景后的拉曼光谱与扣除荧光背景的窄带测量间关系的数学模型，即维纳矩阵2。对于待处理样本数据，即未去除荧光背景的拉曼光谱，首先通过与特定滤光片的光谱透过率相乘后得到窄带测量。随后，基于维纳矩阵1，通过窄带测量重建其对应的荧光背景光谱，并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量。最后，利用维纳矩阵2与扣除荧光背景的窄带测量重建去除背景后的拉曼光谱。
荧光背景窄带拉曼光谱矩阵测量扣除去除背景抑制快速荧光数学模型测量间光谱估算标准数据库相乘光谱透过算法模型训练阶段样本数据滤光片重建

首页
«上一页
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条