公开(公告)号：CN119863006A

公开(公告)日：2025-04-22

申请号：CN202411939287.4

申请日：2024-12-26

Applicant: 吉林大学

Inventor： 桑爱军 ,  陈炳阳 ,  李晓妮 ,  陈绵书 ,  王思锐

IPC: G06Q10/047 ,  G06Q50/26

Abstract: 本发明所提供的一种考虑恐慌扩散的人群疏散路径规划方法，方法包括：确定目标场景的人群中每个个体的初始个体恐慌程度；确定每个个体的相邻个体，并更新每个个体的初始个体恐慌程度，得到每个个体在恐慌传播下的个体恐慌程度；对每个个体在恐慌传播下的个体恐慌程度进行恐慌衰减处理，得到当前时刻的最终个体恐慌程度；确定目标场景的人群中每个个体在下一时刻的预测避障速度，得到最终个体恐慌程度更新下一时刻的最终避障速度；基于各个时刻下的最终避障速度确定人群疏散规划路径。本发明在考虑人群恐慌情绪影响下，完成人群疏散路径规划，提高了人群疏散路径规划仿真的真实性，进而提高了疏散效率。

公开(公告)号：CN118397411A

公开(公告)日：2024-07-26

申请号：CN202410499154.3

申请日：2024-04-24

Applicant: 吉林大学

Inventor： 陈绵书 ,  胡超亚 ,  许瑞雪 ,  谷静云 ,  李晓妮 ,  桑爱军

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/58 ,  G06V10/764 ,  G06V20/10 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于注意力二阶池化的高光谱遥感图像分类方法及系统，所述方法包括：获取高光谱遥感图像中每个特征图块对应的一阶特征，并根据每个所述一阶特征得到对应的二阶池化特征；根据每个一阶特征计算每个所述特征图块对应的空间注意力权重矩阵；获取每个特征图块对应的嵌入特征，并计算每个特征图块对应的光谱注意力权重矩阵；根据每个特征图块对应的空间注意力权重矩阵和光谱注意力权重矩阵计算对应的注意力权重矩阵，计算对应的注意力二阶池化特征；分别根据每个所述注意力二阶池化特征得到最终融合向量，根据最终融合向量进行分类，得到分类结果。本发明提升了对高光谱遥感图像的分类准确性。

公开(公告)号：CN117440257A

公开(公告)日：2024-01-23

申请号：CN202311507152.6

申请日：2023-11-13

Applicant: 吉林大学

Inventor： 桑爱军 ,  冯胜琦 ,  刘伟业 ,  李晓妮 ,  陈绵书

IPC: H04N23/951 ,  H04N23/95

Abstract: 本发明公开了一种多维矢量矩阵Walsh变换的实时鬼成像方法及相关设备，所述方法包括：通过四维矢量Walsh变换核矩阵获得Walsh散斑基图样，将通过Zigzag扫描和排序后的Walsh散斑基图样加载到数字微镜器件上作用到目标物体得到桶探测值，对桶探测值进行反Zigzag扫描后进行四维矢量矩阵Walsh逆变换得到高质量图像；获取图像对应的桶探测值序列和散斑信息，根据前后两帧桶探测值和散斑的对应关系设置合理的帧频参数，通过滑窗相关运算得到滑窗序列；将得到的滑窗序列矩阵化后进行四维矢量矩阵Walsh逆变换重构得到平滑图像。本发明使视频帧频实现自由可调控不受DMD刷新速率的限制，使鬼成像视频在时间上进行增强，实现质量和帧频可调的平滑实时鬼成像视频。

公开(公告)号：CN113221921B

公开(公告)日：2022-05-27

申请号：CN202110558502.6

申请日：2021-05-21

Applicant: 吉林大学

Inventor： 陈绵书 ,  张雅琦 ,  张子墨 ,  李晓妮 ,  桑爱军

IPC: G06V10/46

Abstract: 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

公开(公告)号：CN118470553A

公开(公告)日：2024-08-09

申请号：CN202410942816.X

申请日：2024-07-15

Applicant: 吉林大学

Inventor： 陈绵书 ,  许瑞雪 ,  胡超亚 ,  谷静云 ,  李晓妮 ,  桑爱军

IPC: G06V20/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于空间光谱注意力机制的高光谱遥感图像处理方法，涉及高光谱遥感图像处理技术领域，所述方法包括：获取原始高光谱图像，对所述原始高光谱图像进行预处理得到输入数据块；将所述输入数据块输入到预设数量的卷积核中，提取目标特征图，并将所述目标特征图分别输入到第一多尺度特征融合模块得到第一特征融合特征图，将所述第一特征融合特征图输入到第二多尺度特征融合模块，输出第二特征融合特征图；将所述第二特征融合特征图和所述目标特征图相加，并根据分类器进行分类，得到目标分类结果图。本发明可以高效并精确的对高光谱遥感图像进行处理，得到准确的分类结果。

公开(公告)号：CN115841566A

公开(公告)日：2023-03-24

申请号：CN202211354729.X

申请日：2022-11-01

Applicant: 吉林大学

Inventor： 陈绵书 ,  杜媛媛 ,  张子墨 ,  李晓妮 ,  桑爱军 ,  郑宏宇

IPC: G06T19/20 ,  G06T17/00 ,  G06T15/20 ,  G06T7/40 ,  G06T7/11 ,  G06T7/00 ,  G06T3/60 ,  G06V20/70 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种基于对称性约束的人脸正面化方法，包括：基于人脸图像建立并拟合三维人脸模型；基于三维人脸模型和人脸图像，进行纹理提取，得到非正面姿态下的带非正面纹理的三维人脸模型，并进行旋转和渲染，得到正面姿态下的渲染图像；并分割得到脸部区域图像；将正面姿态下的渲染图像和脸部区域图像，输入生成对抗网络中的生成器网络，得到正面生成图像；训练时通过对称性损失函数对具有对称特性的脸部区域加以约束。考虑到人脸图像中面部器官存在很强的对称性，先将图像进行语义分割，然后再进行正面化。在正面化过程中，只对具有对称特性的面部器官区域加入对称性约束，而人脸其他部分不加入对称性约束，从而提高人脸正面化效果。

公开(公告)号：CN115601648A

公开(公告)日：2023-01-13

申请号：CN202211355012.7

申请日：2022-11-01

Applicant: 吉林大学(CN)

Inventor： 陈绵书 ,  张雅琦 ,  胡超亚 ,  桑爱军 ,  李晓妮 ,  郑宏宇

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明公开了一种基于聚类分析的开集图像分类方法，包括步骤：将待分类遥感图像输入嵌入网络，得到嵌入特征，并基于聚类模块，确定嵌入特征对应的簇，根据簇确定簇对应的编解码网络；或者基于聚类模块，确定对应的簇，根据簇确定簇对应的嵌入网络和簇对应的编解码网络，并将待分类遥感图像输入嵌入网络，得到嵌入特征；将嵌入特征输入簇对应的编解码网络，得到分类结果；分类结果包括：分类类别和未知类别。由于编解码网络是按照簇分成多个，每个簇的嵌入特征之间比较相似，且与未知类别的待分类遥感图像的嵌入特征相差较大，则未知类别的待分类遥感图像可被该簇对应的编解码网络分类为未知类别，提高了基于聚类分析的代表性‑鉴别性开集识别框架对未知类别的区别能力。

公开(公告)号：CN113783959A

公开(公告)日：2021-12-10

申请号：CN202111069093.X

申请日：2021-09-13

Applicant: 吉林大学

Inventor： 陈绵书 ,  孙闻晞 ,  丛玉良 ,  薛科

IPC: H04L29/08 ,  H04L12/26 ,  H04L12/911

Abstract: 本发明公开了一种车联网联合优化计算任务卸载比率和资源分配方法，应用于车联网系统，方法包括步骤：确定优化平均开销的目标函数及约束条件；平均开销根据所有计算任务的卸载比率和计算资源分配信息确定，卸载比率为车辆将计算任务卸载至服务器的比率，计算资源分配信息为服务器对卸载的计算任务分配计算资源的信息；在约束条件下，基于凸优化法对目标函数进行优化，得到优化的计算资源分配信息；并基于蝴蝶优化法分别对目标函数进行优化，得到优化的卸载比率。基于凸优化法，优化得到优化的计算资源分配信息，并基于蝴蝶优化法，优化得到优化的卸载比率，充分利用车辆和服务器的资源，提高计算任务的计算效率，使得卸载比率、资源分配更合理。

公开(公告)号：CN103686187A

公开(公告)日：2014-03-26

申请号：CN201310682114.4

申请日：2013-12-07

Applicant: 吉林大学

Inventor： 桑爱军 ,  钟江江 ,  于洋 ,  陈绵书 ,  李晓妮 ,  陈贺新

IPC: H04N19/547 ,  H04N19/625 ,  H04N19/176 ,  H04N19/527

Abstract: 一种变换域的全局高精度运动矢量估计方法,该方法主要应用于平移运动图像序列运动矢量估计。该方法包括以下步骤：视频提取步骤，多维矩阵分块重组步骤，矩阵变换步骤，系数降维步骤，折叠点提取步骤，窗确定步骤，加窗数据筛选步骤，最小二乘直线迭代拟合步骤，获取运动矢量步骤。从本发明的实施例也证明了该方法精度误差能降到10-4量级，运动矢量估计的精度越高，而运动估计精度越高，差值的分布越趋近于零，差值块的能量越小，最后所产生的码流比特位率也越少，压缩性能越好。该方法参考了多帧图像，具有计算复杂度低，运动估计精度高且结果连续等特点，有效解决了现有空域内运动矢量估计方法估计结果局部最优、估计精度离散、高计算复杂度高的不足。

公开(公告)号：CN101232625A

公开(公告)日：2008-07-30

申请号：CN200810050395.0

申请日：2008-02-26

Applicant: 吉林大学

Inventor： 陈贺新 ,  桑爱军 ,  赵岩 ,  陈绵书 ,  胡铁根

IPC: H04N11/04 ,  H04N7/26

Abstract: 本发明涉及一种高效的多维视频流编解码方法，主要应用于运动图像序列。在全面考虑了多维视频流信号的冗余信息，并考虑了时间、空间和色调的相关性及整体性，在保证图像信号的高质量恢复的前提下，有效解决了提高多维视频流信号的压缩比问题。具体步骤如下：数据提取步骤；分块步骤；矩阵变换步骤；矢量量化步骤；熵编码步骤。本发明的核心内容是在多维视频流信号压缩方法中引入了多维矢量矩阵的定义及其算法的定义，并引入了相应的多维矢量矩阵变换方法，并全新提出了离散余弦变换的多维矢量正交矩阵公式。