公开(公告)号：CN118967517A

公开(公告)日：2024-11-15

申请号：CN202411419956.5

申请日：2024-10-12

Applicant: 昆明理工大学

Inventor： 张亚飞 ,  周沈 ,  李华锋 ,  谢明鸿

IPC: G06T5/73 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/084 ,  G06T5/60

Abstract: 本发明涉及基于深度估计的协同互促进图像去雾方法，属计算机图像处理领域。本发明包括：将经过预处理好的雾霾图像输入到去雾网络中；该去雾网络利用多尺度聚合注意力模块和调制融合模块，在前向传播过程中对预处理好的雾霾图像进行图像恢复，得到相应的去雾图像；构建深度估计网络对去雾图像进行处理，并生成相应的去雾图像的深度图；构建第一差异感知模块和第二差异感知模块。第一差异感知模块利用对去雾图片和清晰图片之间的差异区域进行感知；第二差异感知模块通过对去雾图片的深度图与清晰图像的深度图之间的差异区域进行感知，来促进去雾网络在这些区域产生准确的去雾结果，实现对去雾网络的优化。本发明在整体上提升了去雾技术的性能。

公开(公告)号：CN118195926B

公开(公告)日：2024-07-12

申请号：CN202410616956.8

申请日：2024-05-17

Applicant: 昆明理工大学

Inventor： 王丹 ,  李华锋 ,  张亚飞

IPC: G06F17/12

Abstract: 本发明涉及基于空间位置偏移感知的免配准多聚焦图像融合方法，属于图像融合技术领域、目标检测技术领域。本发明包括步骤：检测输入源图像的聚焦区域；将多聚焦图像对输入特征提取层，提取源图像特征；将源图像特征和聚焦检测结果输入空间位置偏移感知模块，获取偏移核大小以及各偏移核的概率；利用偏移核和偏移概率对待搬移图像的特征进行搬移，实现源图像特征空间位置的对齐。对齐后的特征经过重建解码层，计算对齐损失，优化空间偏移感知层；将搬移后的特征与基准图像的特征送入解码器，重建出无伪影的融合结果；计算融合损失，优化网络参数。本发明有效缓解了未配准图像融合产生的伪影问题，能够获取高质量的融合结果。

公开(公告)号：CN117934309B

公开(公告)日：2024-05-24

申请号：CN202410307105.5

申请日：2024-03-18

Applicant: 昆明理工大学

Inventor： 李华锋 ,  杨增轶 ,  张亚飞 ,  谢明鸿

IPC: G06T5/50 ,  G06T5/60 ,  G06T5/77 ,  G06V10/74 ,  G06V10/772 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及基于模态字典和特征匹配的未配准红外可见图像融合方法，属于图像融合技术领域。本发明主要解决了现阶段难以应对未对齐红外可见光图像对融合困难的问题，包括步骤：将固定图像和偏移图像输入到特征提取模块中，获得固定特征和偏移特征；将固定特征和偏移特征输入到跨模态表示学习模块中，获得统一表示的固定特征和偏移特征；将统一表示的固定特征和偏移特征输入特征匹配模块中，输出匹配矩阵；将匹配矩阵和偏移特征输入特征重组块中，利用匹配矩阵对偏移特征进行重组；将重组特征和固定特征输入融合模块中，并重构出红外可见光融合图像。本发明能矫正红外可见光图像对在空间上的未对齐，并消除融合结果中的伪影和偏移，提升了融合性能。

公开(公告)号：CN116703949A

公开(公告)日：2023-09-05

申请号：CN202310979259.4

申请日：2023-08-05

Applicant: 昆明理工大学 ,  重庆大学

Inventor： 张亚飞 ,  李志远 ,  李华锋 ,  柴毅 ,  陈伟庆

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及基于肿瘤原型驱动与多专家集成的多模态MRI脑肿瘤分割方法，属于医学图像处理技术领域。本发明包括步骤：获取用于多模态MRI肿瘤分割模型的训练数据集；将不同模态的肿瘤图像输入肿瘤原型构建模块中，实现不同模态特征的相互传递，并根据信息交互后的特征来构建肿瘤原型；将获得信息完整的肿瘤原型特征传输到原型驱动的特征表示与融合模块中，增强每个模态中肿瘤区域的特征，并得到不同模态的融合特征；将不同模态的肿瘤图像拼接后输入多专家集成的关键信息整合模块中，实现不同深度层上的特征直接辅助肿瘤区域的识别与定位；构建解码网络，输出肿瘤的分割结果图。本发明能辅助肿瘤区域的识别与定位，提升了分割性能。

公开(公告)号：CN116664605A

公开(公告)日：2023-08-29

申请号：CN202310954604.9

申请日：2023-08-01

Applicant: 昆明理工大学 ,  重庆大学

Inventor： 张亚飞 ,  李志远 ,  李华锋 ,  柴毅 ,  陈伟庆

IPC: G06T7/11 ,  G06T7/00 ,  G06T5/00 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及基于扩散模型和多模态融合的医学图像肿瘤分割方法，属于医学图像处理技术领域。本发明包括步骤：获取多模态MRI医学图像，并对图像进行预处理；构建去噪网络，将预处理好的多模态图像分别送入不同的去噪网络，该网络通过正向扩散过程对输入图像进行破坏，然后预测噪声并修复出正常区域；将每个模态的原始输入图片和噪声图像的预测值被级联输入到不同的分割网络编码器中；构建自适应融合模块，预测每个模态的重要性，自适应融合不同模态的编码特征；构建分割网络解码器，将编码器的输出特征通过跳越连接送入到解码器并输出分割结果图。本发明通过网络自适应学习不同模态的贡献程度，提升了融合效率和分割精度。

公开(公告)号：CN115952794A

公开(公告)日：2023-04-11

申请号：CN202211373435.1

申请日：2022-11-04

Applicant: 昆明理工大学

Inventor： 余正涛 ,  朱栩冉 ,  张亚飞

IPC: G06F40/284 ,  G06F40/242 ,  G06F40/216 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及融合双语敏感词典和异构图的汉泰跨语言敏感信息识别方法，来解决汉泰敏感信息识别中双语敏感词难以对齐的问题。本发明首先，基于维基百科和社交媒体敏感数据构建汉泰双语敏感词典。然后，将文档以及所含关键词和敏感词作为节点，双语对齐、相似关系和不同词性作为边构建汉泰跨语言异构图，增强文档的敏感特征和双语敏感特征对齐，并利用多语言预训练模型对文档节点和词节点进行表征。最后通过多层图卷积神经网络对输入文档进行编码，利用敏感信息分类器对文档进行分类预测。实验结果表明提出的模型在汉泰跨语言敏感信息识别任务上比通用的跨语言文本分类方法效果更好。

公开(公告)号：CN110706156B

公开(公告)日：2023-03-07

申请号：CN201910868215.8

申请日：2019-09-16

Applicant: 昆明理工大学

Inventor： 李华锋 ,  周宗泽 ,  张亚飞 ,  谢明鸿

IPC: G06T3/40 ,  G06V10/772 ,  G06V10/774

Abstract: 本发明涉及基于多成分分析和残差补偿的图像融合与超分辨率重建联合实现方法，属于图像处理技术领域。本发明首先设计一种新的多成分分析字典学习模型，在该模型中引入了高、低分辨率稀疏编码系数之间的相关关系。其次，为了补偿超分辨率重建过程中的信息损失，本发明设计一种重建残差补偿机制，将重建残差补偿到重建‑融合的初始结果中，以改善最终处理结果的质量。另外，对于结构和纹理成分，本发明提出采用不同的融合方案。对于结构成分，采用L1范数最大的融合规则；对于纹理成分，本发明提出一种新的显著性度量方案来构建融合结果。本发明提出的方法能同时较好地保留原图中的亮度和细节信息，并在主观和客观评价上获得更优的评价结果。

公开(公告)号：CN112561842B

公开(公告)日：2022-12-09

申请号：CN202011436276.6

申请日：2020-12-07

Applicant: 昆明理工大学

Inventor： 谢明鸿 ,  王加新 ,  张亚飞 ,  李华锋

IPC: G06T5/50 ,  G06V10/774 ,  G06F17/16

Abstract: 本发明涉及基于字典学习的多源受损图像融合与恢复联合实现方法，属于图像处理技术领域。本发明包括步骤：收集多张无损图像，构建训练集；设计字典学习模型训练样本集，得到低秩字典和稀疏字典；确定图像分解模型，优化目标函数，得到图像的低秩编码系数矩阵和稀疏编码系数矩阵；通过l1范数最大系数融合规则，确定低秩融合编码系数矩阵和稀疏融合编码系数矩阵；根据低秩字典和稀疏字典、低秩融合编码系数矩阵和稀疏融合编码系数矩阵，获得最终融合图像。本发明大量的实验结果表明，利用该方法实现图像融合和恢复时，在视觉质量和客观评价上均能取得良好效果。

公开(公告)号：CN114970498A

公开(公告)日：2022-08-30

申请号：CN202111557667.8

申请日：2021-12-20

Applicant: 昆明理工大学

Inventor： 张亚飞 ,  李良毅 ,  郭军军 ,  高盛祥 ,  余正涛

IPC: G06F40/211 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及融入依存信息的新闻事件时序关系识别方法，属于自然语言处理技术领域。本发明通过预训练模型将事件句转换为向量序列，将句向量序列送入Bi‑LSTM中，为句向量序列融入上下文信息，从该序列中提取事件语义信息，再通过双路依存注意力提取出事件句的依存句法信息，使用事件语义信息与依存信息共同表示事件的时序关系特征，最后通过多层感知机来判断事件发生的先后顺序；本发明基于Bi‑LSTM与依存注意力机制结构进行事件时序关系识别，针对目前时序关系方法中缺少对于句法关系有效利用的问题，实验结果表明，融合依存句法信息的新闻事件时序关系方法相较传统新闻事件时序关系识别方法在识别效果上有一定的提升。

公开(公告)号：CN111783526B

公开(公告)日：2022-08-05

申请号：CN202010434344.9

申请日：2020-05-21

Applicant: 昆明理工大学

Inventor： 李华锋 ,  庞健 ,  严双林 ,  欧洋汛 ,  张亚飞 ,  余正涛

IPC: G06V40/20 ,  G06V10/74 ,  G06V10/772

Abstract: 本发明提出了一种利用姿势不变和图结构对齐的跨域行人重识别方法，属于计算机视觉领域。本发明提出了一个基于矩阵分解的字典学习算法来消除数据集间的域信息以及行人姿态信息对跨域行人重识别的影响。具体来说，将方法分为两部分：(1)基于矩阵分解的思想，将原始的视觉特征分解为姿态不变成分、域信息成分及干扰信息成分，目的是为了提取到不受域信息和行人姿态信息影响的视觉成分；(2)为了进一步提高模型泛化能力，通过引入超图结构对齐约束来建立姿态不变特征和语义属性的关系，以便后期能精确预测目标数据集的行人属性，最终能联合行人的姿态不变特征和语义属性来进行行人相似性度量，进一步提高识别性能。