陶然
作者: Shen, Deming1, 2; Lu, Mingfeng1, 2; Wu, Jinmin3; Xing, Ruoqi1, 2; Xiong, Xiaoxin3; Wei, Hongtao1, 2; Fan, Saihui1, 2; Zhang, Feng1, 2; Tao, Ran1, 2
出处: 3rd International Conference on Optics and Image Processing, ICOIP 2023 Hangzhou, China 2023
会议录: Vol.12747
作者: Fan, Saihui1; Lu, Mingfeng1; Xiong, Xiaoxin1; Wu, Jinmin2; Shen, Deming1; Tao, Ran1
出处: 3rd International Conference on Optics and Image Processing, ICOIP 2023 Hangzhou, China 2023
会议录: Vol.12747
作者: Huang, Zhanchao1; Li, Wei1; Tao, Ran1
出处: 48th IEEE International Conference on Acoustics, Speech and Signal Processing, ICASSP 2023 Rhodes Island, Greece 2023
作者: Zeng, Simin1; Li, Yongzhe1; Tao, Ran1
出处: 6th International Conference on Information Communication and Signal Processing, ICICSP 2023 Xi'an, China 2023
会议录: 604-608
作者: Lu, Ming-Feng1; Wu, Jin-Min2; Yang, Wenming3; Zhang, Feng1; Luo, Jihao1; Tao, Ran1
出处: 53rd IEEE ASEE Frontiers in Education International Conference, FIE 2023 College Station, TX, United states 2023
作者: Li, Miao1; Wang, Hanzhuo1; Mao, Shengjian2; Shi, Zhiguo2, 3; Tao, Ran4
出处: 23rd IEEE International Conference on Communication Technology, ICCT 2023 Wuxi, China 2023
会议录: 1420-1427
作者: Gao, Yunhao1, 2; Li, Wei1, 2; Zhang, Mengmeng1, 2; Tao, Ran1, 2
出处: 13th Workshop on Hyperspectral Imaging and Signal Processing: Evolution in Remote Sensing, WHISPERS 2023 Athens, Greece 2023
作者: 姜盛1;,武进敏1;,鲁溟峰2;,魏洪涛2;,范军芳1;,张峰2;,陶然2; (1北京信息科技大学自动化学院;2北京理工大学信息与电子学院)
出处: 计量学报 2023 第44卷 第11期 P1652-1658
关键词: 计量学;波长测量;迈克尔逊干涉法;chirp信号;分数傅里叶变换;相对误差
摘要: 建立了迈克尔逊干涉法测量波长所得条纹图的数学模型,揭示了其线性调频信号(chirp信号)特性,提出了基于分数傅里叶变换信号处理方法对迈克尔逊干涉条纹进行处理,实现了激光波长测量。实验结果表明:该测量方法具有可行性,对于波长范围为400~635 nm的激光,波长测量的平均相对误差约为0.39%。在干涉 ...
作者: 武进敏1;,姜盛1;,鲁溟峰2;,沈德明2;,范军芳1;,李亚峰1;,张峰2;,陶然2; (1北京信息科技大学自动化学院;2北京理工大学信息与电子学院)
出处: 计量学报 2023 第44卷 第12期 P1783-1790
关键词: 光学计量;透镜曲率半径;牛顿环条纹图;分数傅里叶变换;三角形收缩法
摘要: 针对分数傅里叶变换用于牛顿环参数估计时速度较慢的问题,通过分析牛顿环条纹图分数傅里叶域幅值最大值与相应旋转角的分布规律,提出基于三角形收缩法改进的分数傅里叶变换进行牛顿环参数估计的方法。实验结果表明:该方法具有可行性,对于图像尺寸小于640×640 pixels的条纹图,处理所需时间<1 s,随着图 ...
作者: 张蒙蒙,李伟,刘欢,赵旭东,陶然 (北京理工大学信息与电子学院)
出处: 测绘学报 2023 第52卷 第7期 P1202-1211
关键词: 深度学习;高光谱图像;卷积神经网络;森林树种;形态学
摘要: 基于机载及卫星平台面向地面实施反射率光谱信息采集,高光谱图像可捕获数十个甚至数百个相邻窄带,为土地利用提供丰富的判别性信息。因此,同可见光及多光谱图像相比,高光谱图像可以揭示更为精细的光谱特性,有助于实现更为准确的材质及地类识别。然而,现有分析方法大多过度关注其光谱特性,忽略了高光谱输入源的形态及空 ...