头像

闵超波

职称: 副教授 硕士生导师

部门: 信息科学与工程学院党委、信息科学与工程学院

学科: 信息与通信工程

教学部门: 信息科学与工程学院党委、信息科学与工程学院

电话: 13813880954

邮件: chaobomin@outlook.com

办公地址: 江苏省常州市金坛区西城街道河海大道1915号20楼319

通讯地址: 江苏省常州市金坛区西城街道河海大道1915号

邮编: 213000

10 访问

个人简介

    闵超波,男,江苏常州人,1987年1月出生。2009年于南京师范大学获学士学位,2014年于南京理工大学获博士学位。目前为河海大学信息科学与工程学院教师。

    主要研究领域为机器视觉、图像处理及其工程化实现。专注于机器视觉、图像算法理论研究,精通基于FPGADSP以及ARM等多种平台硬件电路设计与嵌入式软件开发,在光电成像系统方面具备多年总体设计与研制经验,主持国家科研项目、军工横向项目以及企事业单位科研项目共计20余项,所研制的光电成像系统,包括红外、短波红外、微光、紫外成像模组、以及多光谱图像融合系统,已在多个领域得到实际应用和批量生产。目前发表SCIEI论文30余篇,授权专利10项。

    每年招收2~3名硕士研究生,欢迎电子、计算机、光电、物联网、通信等专业同学加入团队。

主要研究成果简介

1. 用于日盲紫外电晕探测的多源图像融合技术

    为使基于日盲紫外的视觉技术能实际应用于电力设备故障检测、机器人智能巡检等领域,开展基于FPGA+ARM双核嵌入式架构的多源图像实时融合技术研究,研制出了用于电力设备故障检测的日盲紫外多源图像融合相机。

2. InGaAs短波红外成像增强技术

    为了打破国外在短波红外探测领域对我国的限制,针对国产InGaAs短波红外焦平面所存在的缺陷,开展短波红外成像增强技术研究,研制出了高像质的国产化InGaAs短波红外相机。

3. 高分辨率低照度CIS成像技术

    针对目前低照度CISCMOS Image Sensor)分辨率低、噪声高等问题,开展高分辨率低照度CIS成像技术的研究,研制出了高分辨率、小型化、低噪声的低照度彩色CIS机芯,最高分辨率为2048×2048,体积为35mm × 35mm × 12mm,与同类机芯相比体积降低30%

个人资料

  • 姓名: 闵超波
  • 性别:
  • 学位: 博士
  • 出生年月: 1987-01-13 00:00:00.0
  • 学历: 博士研究生
  • 毕业院校: 南京理工大学

教育经历

  • 2005-2009,南京师范大学,应用物理,学士
  • 2009-2014,南京理工大学,光学工程,博士

工作经历

  • 2014-2017,中国兵器集团北方夜视集团,光电探测系统开发与应用,第一研究室副主任
  • 2017-至今,河海大学物联网工程学院,科研教学

研究领域

机器视觉

图像处理

光电成像

嵌入式软硬件设计与工程化实现(FPGA/DSP/ARM/MCU)

科研项目

  • 1、红外与可见光图像融合一体化机芯,2018.01.01-2019.12.31,物联网工程学院
  • 2、紫外相机电路升级,2017.10.18-,北方夜视技术股份有限公司南京分公司,物联网工程学院
  • 3、紫外、红外与可见光图像融合信息处理电路,2018.05.08-,北方夜视技术股份有限公司南京分公司,物联网工程学院
  • 4、科技支撑江淮生态大走廊水环境治理路径研究,2018.07.31-,江苏省科学技术厅,企业管理学院
  • 5、小型化紫外、可见光图像融合信息处理电路,2019.05.12-,北方夜视技术股份有限公司南京分公司,物联网工程学院
  • 6、基于三目共光路图像配准的运动目标融合检测方法研究,2020.01.01-,国家自然科学基金委员会,物联网工程学院
  • 7、3D激光扫描与红外成像协同感知的特高压输电线路智能巡检系统关键技术研发,2019.06.01-,江苏省科学技术厅,物联网工程学院

论文

  • 1、Non-rigid infrared and visible image registration by enhanced affine trans-formation,Pattern Recognition,SCI,2020年5月,闵超波,河海大学物联网工程学院,闵超波,河海大学物联网工程学院,106: 107377
  • 2、Non-rigid registration for infrared and visible images via Gaussian weighted shape context and enhanced affine transformation,IEEE Access,SCI,2020年2月,闵超波,河海大学物联网工程学院,闵超波,河海大学物联网工程学院,8: 42562-42575
  • 3、Unsupervised evaluation method using Markov random field for moving object segmentation in infrared videos,IET Image Processing,SCI,2014年1月,闵超波,南京理工大学光电学院,闵超波,南京理工大学光电学院,12:1239-1251
  • 4、New method for unsupervised segmentation of moving objects in infrared videos,Journal of Electronic Imaging,SCI,2013年10月,闵超波,南京理工大学光电学院,闵超波,南京理工大学光电学院,22(4): 043026
  • 5、Spatio-temporal segmentation of moving objects using edge features in infrared videos,Optik,SCI,2014年3月,闵超波,南京理工大学光电学院,闵超波,南京理工大学光电学院,125: 1809-1815
  • 6、Image detail extraction via dark region approximation,Journal of Physics: Conference Series,03-DEC-20
  • 7、Adaptive enhanced affine transformation for non-rigid registration of visible and infrared images,IET image processing,24-DEC-20
  • 8、Adaptive enhanced affine transformation for non-rigid registration of visible and infrared images,IET IMAGE PROCESSING,2021-04-01
  • 9、基于泊松分布的日盲紫外电晕检测,红外技术,2020-08-14
  • 10、无需先验知识的红外显著性目标分割评价准则,模式识别与人工智能,2013-12-21
  • 11、基于自适应混合多项式变换的图像配准,计算机工程与应用,2020-08-26
  • 12、Low-Light Image Enhancement via Regularized Gaussian Fields Model,Neural Processing Letters,2023-09-13

科技成果

  • 1、红外与可见光图像配准与融合的系统与方法,ZL201610856150.1,闵超波,发明专利,授权

开授课程

  • 1、程序设计语言(C),本科生,58,48
  • 2、程序设计语言(C)上机实践,本科生,58,0
  • 3、操作系统,本科生,0,32
  • 4、操作系统实验,本科生,0,0
  • 5、物联网应用与技术前沿,本科生,16
  • 6、程序设计语言(C),本科生,0,48
  • 7、程序设计语言(C)上机实践,本科生,0,0
  • 8、离散数学,本科生,42,64
  • 9、临时借用教室,本科生,0,2
  • 10、程序设计语言(C)上机,本科生,58,24
  • 11、程序设计语言(C),本科生,58,48
  • 12、程序设计语言(C)上机,本科生,58,24
  • 13、程序设计语言(C)上机实践,本科生,58,0
  • 14、离散数学,本科生,42,64
  • 15、临时借用教室,本科生,0,2
  • 16、操作系统,本科生,43,32
  • 17、物联网应用与技术前沿,本科生,107,16
  • 18、操作系统实验,本科生,39,0
  • 19、程序设计语言(C),本科生,62,48
  • 20、程序设计语言(C)上机,本科生,64,24
  • 21、程序设计语言(C)上机实践,本科生,62,0
  • 22、离散数学,本科生,69,64
  • 23、程序设计语言(C),58,48
  • 24、程序设计语言(C)上机实践,58,0
  • 25、程序设计语言(C)上机,58,24

教学成果

教学资源

社会职务

(1)担任中国兵器集团北方夜视集团北方夜视技术股份有限公司技术顾问;

(2)担任江苏协和电子集团技术顾问;

(3)担任常州闻持电子科技有限公司技术顾问。

荣誉及奖励

招生信息

本课题组科研项目资源丰富,可以提供大量的工程实践机会。

从不“纸上谈兵”,直面机器视觉工程应用中的痛点难点。

在掌握理论方法、专业技术的同时,有效提升解决实际问题的能力。

主要研究培养方向:机器视觉、图像处理方法理论研究,嵌入式软件、硬件设计与工程化实现。

欢迎同学们的加入!!