公开(公告)号：CN109272010B

公开(公告)日：2021-06-29

申请号：CN201810839303.0

申请日：2018-07-27

Applicant: 吉林大学

Inventor： 张小利 ,  李雄飞 ,  叶发杰 ,  于爽 ,  王婧 ,  骆实 ,  朱芮

IPC: G06K9/62

Abstract: 本发明提出一种基于卷积神经网络的多尺度遥感图像融合算法，该方法包括：第一，借助卷积神经网络的性质，构建一个符合遥感图像融合特性的多尺度卷积神经网络融合模型，其输入为待融合图像，输出为融合图像；第二，构建一个合适的训练数据集，在该训练集上成功训练提出的融合模型；第三，将遥感全色图像Pan图像转换为模型需要的待融合图像；第四，将转化后的近似Pan图像和多光谱图像MS输入训练好的融合模型，得到最终的融合图像。本发明所述方法从大量数据中学习一个自适应的多尺度融合函数，其由统计学习而来，不是人为设计，更加合理。实验结果表明，所述基于卷积神经网络的多尺度融合方法能够较好地处理不同卫星、不同波段的遥感图像。

公开(公告)号：CN109272010A

公开(公告)日：2019-01-25

申请号：CN201810839303.0

申请日：2018-07-27

Applicant: 吉林大学

Inventor： 张小利 ,  李雄飞 ,  叶发杰 ,  于爽 ,  王婧 ,  骆实 ,  朱芮

IPC: G06K9/62

Abstract: 本发明提出一种基于卷积神经网络的多尺度遥感图像融合算法，该方法包括：第一，借助卷积神经网络的性质，构建一个符合遥感图像融合特性的多尺度卷积神经网络融合模型，其输入为待融合图像，输出为融合图像；第二，构建一个合适的训练数据集，在该训练集上成功训练提出的融合模型；第三，将遥感全色图像Pan图像转换为模型需要的待融合图像；第四，将转化后的近似Pan图像和多光谱图像MS输入训练好的融合模型，得到最终的融合图像。本发明所述方法从大量数据中学习一个自适应的多尺度融合函数，其由统计学习而来，不是人为设计，更加合理。实验结果表明，所述基于卷积神经网络的多尺度融合方法能够较好地处理不同卫星、不同波段的遥感图像。

公开(公告)号：CN115222637A

公开(公告)日：2022-10-21

申请号：CN202210871344.4

申请日：2022-07-22

Applicant: 吉林大学

Inventor： 朱芮 ,  李雄飞 ,  张平 ,  张小利 ,  杨飞扬 ,  宋紫萱

IPC: G06T5/50 ,  G06T7/90 ,  G06T7/30

Abstract: 本发明公开了一种基于全局优化模型的多模态医学图像融合方法，包括：获取已配准的图像对：解剖医学图像作为灰度图和功能图像作为三通道彩色图；将提取的功能图像的光照分量与单通道的灰度图像分别输入到全局优化分解的图像模块中，获得它们对应的基础层和细节层；将获得的基础层和细节层分别进行融合；将获得的融合的基础层和融合的细节层线性相加，获得融合的光照分量；将新的光照分量与输入的功能图像的颜色分量进行合并，获得最终的融合图像。本发明有效解决了医学图像融合算法中参数选择的不确定性，通过优化函数方法直接获得理想的融合图像。

公开(公告)号：CN115115895A

公开(公告)日：2022-09-27

申请号：CN202210896302.6

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 张小利 ,  赵立波 ,  周子倍 ,  杨飞扬 ,  于爽 ,  朱芮 ,  李雄飞

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06V10/22 ,  G06V10/26 ,  G06V10/40

Abstract: 本发明提供了一种基于注意力机制的爆炸性手机X光图像分类方法，包括：获取所述爆炸性手机X光图像的数据集；构建分类模型，其中所述分类模型包括位置信息注意力模块和残差网络，所述位置信息注意力模块用于对所述爆炸性手机X光图像进行信息自适应聚合和重建；改进损失函数，基于改进后的所述损失函数对所述分类模型进行训练，通过训练后的所述分类模型对所述数据集中的图像进行特征提取，获取分类结果。本发明采用位置信息注意力模块引入到残差网络的设计，以及基于样本成本系数的损失函数指导网络学习，使分类模型具有强大的细节特征属性提取能力，能够准确分类带有爆炸物的手机。