公开(公告)号：CN119741608A

公开(公告)日：2025-04-01

申请号：CN202411821936.0

申请日：2024-12-11

Applicant: 安徽大学

Inventor： 王啟军 ,  汤淇钧

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/74 ,  G06V10/771 ,  G06V10/77 ,  G06V10/80

Abstract: 本申请公开了一种区域多图融合和社团检测的高光谱图像波段选择方法，涉及高光谱图像处理技术领域，解决了现有的波段选择方法只考虑单个区域的相关特征对单个区域的波段进行选择，导致波段选择最终得到选择波段精准度不高的技术问题；包括以下步骤：步骤一：获取原始高光谱图像立方体，基于原始高光谱图像立方体生成若干均匀区域；步骤二：构建各个均匀区域的若干波段相似图；步骤三：根据各个均匀区域之间影响关系对各个均匀区域对应的波段相似图进行更新得到更新相似图；步骤四：根据更新相似图生成最优相似图；步骤五：对最优相似图进行社团检测得到若干最终选择波段；增加了最终波段选择的精准度。

公开(公告)号：CN119720775A

公开(公告)日：2025-03-28

申请号：CN202411811315.4

申请日：2024-12-10

Applicant: 安徽大学

Inventor： 王啟军 ,  孙小雯

IPC: G06F30/27 ,  G06N3/006 ,  G06N3/126 ,  G06V20/10 ,  G06V10/764 ,  G06F111/06

Abstract: 本发明公开了一种基于包装器引导的滤波器进化波段选择方法，涉及高光谱图像技术领域，解决了传统高光谱波段选择算法只进行一次优化，得到给定大小的所选波段子集，未考虑不同大小的所选波段子集之间的关系的技术问题；本发明步骤一，高光谱波段的选择；步骤二，多目标优化问题；步骤三，基于包装器引导的滤波器进化波段选择方法，1)双种群进化多目标定义，2)双种群的编码方式，3)双种群的进化策略，4)双种群交互过程，5)环境选择；与最先进的半监督和无监督波段选择算法相比，对于几个的标准高光谱数据集，实验结果表明，本发明提出的WFBS方法获得的波段子集具有更好的性能。

公开(公告)号：CN115994867A

公开(公告)日：2023-04-21

申请号：CN202211465044.2

申请日：2022-11-22

Applicant: 安徽大学

Inventor： 程凡 ,  陈乃坤 ,  王啟军

IPC: G06T5/00 ,  G06N3/006

Abstract: 本发明公开了一种基于全局到局部的进化算法的高光谱端元提取方法，包括：1、导入高光谱遥感图像数据并构建种群的个体；2、对得到的高光谱遥感图像种群进行全局进化操作和多代进化获得一个高质量种群；3、对高质量种群进行局部进化和多代进化获得一组非支配的Pareto解集，获得一组高光谱端元提取的结果。本发明能从多个角度衡量端元的质量，探索整个图像，解决了端元重复问题，进一步提高了端元的精度，从而能达到更加完美的端元提取效果。

公开(公告)号：CN114898003A

公开(公告)日：2022-08-12

申请号：CN202210502600.2

申请日：2022-05-09

Applicant: 安徽大学

Inventor： 王啟军 ,  钱明山 ,  林云翔 ,  刘萍

IPC: G06T9/00 ,  G06N5/00 ,  G06N3/12 ,  G06N3/00

Abstract: 本发明公开了一种基于分解的多目标优化的JPEG量化表优化方法，属于多目标进化算法和JPEG编码优化技术领域，具体包括以下步骤：根据所述质量因子对标准量化表进行处理，从而获得一个初始化的量化表种群，将种群个体分配权重向量和邻域；将图像的色度分量分别进行独立处理，对图像块进行量化；基于分布稀疏度对子问题进行排序，从而获得分布均匀的最优量化表解集；采用混合高斯模型的抽样变异或分阶段多方法交叉变异对种群进行搜索；采用基于分解的惩罚边界交点法对种群进行更新，从种群中选择改进程度最大的子问题进行更新，获取最优量化表；本发明在提升编码效率的同时，能够减少图像质量损失。

公开(公告)号：CN110363724B

公开(公告)日：2022-05-17

申请号：CN201910662190.6

申请日：2019-07-22

Applicant: 安徽大学

Inventor： 张晨 ,  王啟军

IPC: G06T5/00 ,  G06V10/74 ,  G06V10/44

Abstract: 本发明公开了基于面内透视和规律性的非局部低秩化图像去噪方法，首先使用通用算法计算出一幅图内的消失点，使用两个消失点计算出一个平面的面内透射变换矩阵，在已重建的图像区域中搜索最佳匹配位置时，利用面内投射变换矩阵计算出当前片内每个像素所对应的位置或利用规律性侦测获取片内每个像素对应的位置，取出该位置的像素值作为该像素的预测。通过相似度匹配来获取当前片在透视变换空间和规律侦测上的相似片，并通过计算相似程度进行排序。选取某些相似程度较高的相似片组成矩阵，对该矩阵进行低秩处理，利用处理后得到的矩阵的值代替当前片的像素值；本发明简单有效，且易于实用，能够轻松实现对非局部低秩化图像进行去噪。

公开(公告)号：CN114241267A

公开(公告)日：2022-03-25

申请号：CN202111570819.8

申请日：2021-12-21

Applicant: 安徽大学

Inventor： 邱剑锋 ,  俞晓山 ,  张兴义 ,  王啟军

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于结构熵采样的多目标架构搜索骨质疏松图像识别方法，包括：1收集含骨密度信息的腰椎X光图像数据并进行预处理，划分为训练集和验证集；2初始化神经网络结构种群；3将种群中所有个体解码成对应的神经网络架构，并使用X光图片训练集对每个神经网络进行训练，将不同类别识别的准确率和神经网络的参数量作为适应度值；4根据个体的适应度值进行交配池选择、基于结构熵采样的交叉变异和环境选择；5重复上述过程进行启发式网络结构搜索，达到预设定条件结束进化，并输出最优的网络结构；6利用训练集重新训练所获得的最优网络结构。本发明能自动搜索适应腰椎X光图像数据集的卷积神经网络架构，实现对腰椎X光图像的分类。