-
题名面向动态场景的片上编码超分辨率图像传感器
- 1
-
-
作者
冒添逸
王磊
郑雷军
江宇祺
朱书进
戴修斌
-
机构
南京邮电大学自动化学院、人工智能学院
中国电子科技集团公司第四十四研究所
-
出处
《南京邮电大学学报(自然科学版)》
北大核心
2025年第1期49-56,共8页
-
基金
国家自然科学基金(62005128)
江苏省重点研发计划(BE2023833)资助项目。
-
文摘
针对图像传感器像素尺寸接近物理极限,难以进一步提高的问题,提出片上编码超分辨率图像传感器。不同于计算视觉中的图像超分辨率任务,片上编码超分技术通过引入光学调控,提供了较为完备的理论依据与数学约束,更加适用于遥感、医学影像等对可解释性和置信度要求较高的领域。首先,构建了面向动态场景的波分复用测量模型和二维空间的三维空间表征与编解码方法。更进一步,基于有限等距性质理论证明了片上静态随机编码板的透过率在50%时,信息采样效率最大。最后,设计了CCD器件的专用编码电路组件,通过电子学验证的方式在室内和室外场景验证了片上编码超分辨率图像传感的可行性和有效性。
-
关键词
动态场景
片上编码
图像传感器
超分辨率
可解释性
-
Keywords
dynamic scenes
on-chip code aperture
image sensor
super resolution
interpretability
-
分类号
TN29
[电子电信—物理电子学]
TP212.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名人工智能在大学英语个性化教学中的应用探究
被引量：1
- 2
-
-
作者
冒添逸
-
机构
南京邮电大学自动化学院
南京邮电大学人工智能学院
-
出处
《英语广场（学术研究）》
2024年第34期117-120,共4页
-
基金
南京邮电大学教改课题JG03221JX103
国家自然科学基金62005128。
-
文摘
本研究探讨了人工智能技术在大学英语个性化教学中的应用及潜力。人工智能技术,尤其是生成式大模型,能够为学生提供个性化的学习体验,提高教学效率和学习效果。本文分析了人工智能技术在个性化教学中的具体应用,讨论了其优势和面临的挑战,并展望了人工智能技术与传统教学方法融合的未来趋势。研究表明,人工智能技术的合理应用有望显著提升大学英语教学的个性化水平和整体质量。
-
关键词
人工智能
个性化教学
大学英语
智能评估
虚拟助教
-
分类号
H319
[语言文字—英语]
-
-
题名采用传感器融合网络的单光子激光雷达成像方法
被引量：5
- 3
-
-
作者
蒋筱朵
赵晓琛
冒添逸
何伟基
陈钱
-
机构
南京理工大学电子工程与光电技术学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第2期41-47,共7页
-
基金
国家自然科学基金(61875088,62005128)。
-
文摘
激光雷达系统采用主动照明的方式,激光发射脉冲周期信号至目标场景,激光脉冲经目标表面漫反射,由单光子雪崩二极管(Single-Photon Avalanche Diode,SPAD)探测器记录回波光子的到达时间,获得场景的深度信息。然而在探测过程中,测量结果往往会遭到环境光的干扰。传感器融合是进行单光子成像的有效方法之一。最近提出的基于LiDAR和强度相机融合的数据驱动方法大多采用扫描式激光雷达,深度获取速度慢。SPAD阵列的出现打破了帧率的限制。SPAD阵列允许同时收集多个回波光子,加速了信息采集,但分辨率较低,在探测过程中还会受到环境光的干扰,因此需要通过算法打破SPAD阵列的固有限制,从噪声中分离深度信息。针对分辨率为32×32 pixel的SPAD阵列探测器,提出了一种卷积神经网络结构,旨在强度图的引导下,将低分辨率TCSPC直方图映射至高分辨率深度图。该网络采用多尺度方法提取输入特征,并基于注意力模型融合深度数据和强度数据。另外,设计了一个损失函数组合,适用于处理TCSPC直方图数据的网络。在采集数据上进行了验证,提出方法能成功将深度数据的空间分辨率提升4倍,并在质量和数据指标上都优于其他算法。
-
关键词
激光雷达
单光子成像方法
传感器融合
SPAD阵列
卷积神经网络
-
Keywords
LiDAR
single-photon imaging method
sensor fusion
SPAD array
convolutional neural network
-
分类号
O439
[机械工程—光学工程]
-
-
题名单光子激光雷达的时间相关多深度估计
被引量：5
- 4
-
-
作者
邬淼
陆俣
冒添逸
何伟基
陈钱
-
机构
南京理工大学电子工程与光电技术学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第2期32-40,共9页
-
基金
国家自然科学基金(61875088,62005128)。
-
文摘
单光子激光雷达广泛应用于获得三维场景的深度和强度信息。对于多表面目标,如激光经过半透明表面上时,一个像素上探测到的回波信号可能包含多个峰。传统方法在低光子或相对较高的背景噪声水平下无法准确估计多深度图像。因此,提出了一种单光子激光雷达时间相关多深度估计方法。该方法利用信号响应的时间相关性,对点云数据进行多深度快速去噪,能够从背景噪声中识别每个像素上来自多个表面的信号响应。并基于该信号响应集合的泊松分布模型,通过全变分正则化引入像素之间的空间相关性,建立多深度估计成本函数。使用快速收敛的交替方向乘子算法从成本函数中估计深度图像。实验结果表明,所提方法在距离约为1 km处的多深度目标上,相较于常规方法估计深度图像的均方根误差减少了至少27.05%,信号重建误差比提高了至少18.39%,同时数据量减少至原来的4%。证明该方法能够以更小的内存需求和计算复杂度提高单光子激光雷达的多深度图像估计性能。
-
关键词
单光子激光雷达
多深度图像估计
时间相关性
交替方向乘子算法
-
Keywords
single-photon lidar
multi-depth image estimation
temporal correlation
ADMM
-
分类号
TN958
[电子电信—信号与信息处理]
-
