公开(公告)号：CN118134974A

公开(公告)日：2024-06-04

申请号：CN202410260733.2

申请日：2024-03-07

Applicant: 重庆邮电大学

Inventor： 肖斌 ,  苟文 ,  范骏超 ,  毕秀丽

IPC: G06T7/30 ,  G06T7/40 ,  G06F17/16 ,  G06F17/11

Abstract: 本发明涉及荧光显微成像技术，具体涉及一种基于条纹信息的结构光照明显微镜图像配准方法，包括通过三维结构光照明显微镜系统获取样品在不同区域的样本图像，并获取不同区域的配准图像；选一个区域作为参考区域，并采用传统配准方法得到不同区域的初次配准矩阵；将对应的样本图像和初次配准矩阵进行粗配准，得到每一个区域的亚像素误差粗配准图像；计算每一个区域三个方向的二阶初相，然后求取每一个区域三个方向的初相差；将初相差转换为像素移动量，将每一个区域三个方向的像素移动量合并为一个亚像素XY像素移动量；本发明可以实现不同区域三维SIM图像二阶零初相差，以减少后续重建任务中的因配准错误导致的伪影问题。

公开(公告)号：CN118015429A

公开(公告)日：2024-05-10

申请号：CN202410278924.1

申请日：2024-03-12

Applicant: 重庆邮电大学

Inventor： 肖斌 ,  赵欢 ,  毕秀丽 ,  刘波

IPC: G06V10/82 ,  G06V10/764 ,  G06V10/44 ,  G06V10/28 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于边界比特优化的二值描述符学习方法；该方法包括：获取训练图像并对其进行预处理，得到正例对图像和负例对图像；将两种图像对分别对应输入到神经网络的两个分支中进行对比学习，得到训练图像的实值描述符；将实值描述符输入到二值化模块中进行处理，得到二值描述符；计算对比损失；根据对比损失，采用描述符梯度优化模块进行梯度优化，调整模型参数，得到训练好的二值描述符学习模型；使用训练好的二值描述符学习模型得到二值描述符，根据二值描述符得到图像特征匹配结果；本发明解决了网络学习过程中出现的低效用维度问题，可得到更强信息能力与区分能力的二值描述符，进而提高图像匹配的准确性。

公开(公告)号：CN117496215A

公开(公告)日：2024-02-02

申请号：CN202311229276.2

申请日：2023-09-21

Applicant: 重庆邮电大学

Inventor： 乔丽红 ,  王瑞 ,  肖斌 ,  舒禹程

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明公开一种运用基于三重重参数化的Re3Adapter模块进行参数高效迁移学习的方法，在预处理阶段，通过预训练的ViT‑B/16，ConvNeXt等公开模型作为基础模型；采用重参数化来代替Adapter中的激活函数来引入非线性，整个过程中的非线性通过采样实现，让改进后的Adapter成为完全可重参数化的结构；利用训练时重参数化来改进Adapter中的单层线性层，提升Adapter的表征能力。本发明通过重参数化转移Adapter中非线性的方法，并结合训练时重参数化来加强MLP的表征能力，随后使用结构重参数化将训练好的Adapter任何到骨架网络中从而产生零推理延迟的参数高效的迁移学习的方法。

公开(公告)号：CN116468898A

公开(公告)日：2023-07-21

申请号：CN202310257938.0

申请日：2023-03-16

Applicant: 重庆邮电大学

Inventor： 肖斌 ,  杨双 ,  毕秀丽 ,  范骏超

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/774 ,  G06V10/77 ,  G06V10/764 ,  G06V40/16

Abstract: 本发明公开了一种基于学习的Tchebichef矩不变量特征提取方法，涉及图像处理、计算机视觉、机器学习等技术领域。具体步骤为：1)将数据集图像旋转至主轴并将图像坐标原点移到图像质心得到归一化图像；2)构建归一化图像的尺度空间，计算并融合多尺度图像Tchebichef矩形成具有几何变换不变性的矩特征；3)利用两阶段特征学习策略，将矩特征有效降维得到最终的Tchebichef矩不变量；4)将矩不变量作为特征送入到SVM分类器中进行图像分类或者不变性识别等后续任务。本方法提出的Tchebichef矩不变量识别性能较好而且计算复杂度也较低，可应用于人脸识别、目标识别等实时场景中，具有实际意义。

公开(公告)号：CN116416112A

公开(公告)日：2023-07-11

申请号：CN202310259860.6

申请日：2023-03-16

Applicant: 重庆邮电大学

Inventor： 毕秀丽 ,  李明月 ,  肖斌 ,  刘波

IPC: G06T1/00 ,  G06T5/00 ,  G06T7/00

Abstract: 本发明公开了一种基于图像修复算法的医学图像自恢复方法，搜集并整理公开的医学图像样本，对医学图像进行DWT后选取低频子带LL3作为原始图像的近似压缩版本并生成水印值。再利用Hessian矩阵提取医学图像的轮廓、边缘等区域，利用LSB算法将水印值嵌入轮廓、边缘等区域生成水印图像。当受到攻击时，从攻击图像中提取参考水印，利用所提取的水印值检测水印图像的篡改区域，并借助图像修复算法利用攻击图像本身的相似信息恢复篡改区域。本方法利用所提出的将水印值嵌入在原始医学图像的特征区域能够很好的保护原始医学图像信息。在恢复篡改区域时，能够利用医学图像本身的相似信息恢复篡改区域，具有实际意义，并且取得较好效果。

公开(公告)号：CN116310343A

公开(公告)日：2023-06-23

申请号：CN202310332485.3

申请日：2023-03-29

Applicant: 重庆邮电大学

Inventor： 舒禹程 ,  程鑫磊 ,  肖斌 ,  李伟生

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/762 ,  G06V10/82

Abstract: 本发明涉及一种基于特征解耦的多模态脑肿瘤MRI分割方法，引入深监督机制对多模态脑肿瘤MRI图像的深层特征进行提取，同时采用注意力融合机制的网络提取区分性的特征，利用辅助枝干网络解耦特征并充分提取分割部位特征，同时构建动态特征库，引入无监督的聚类算法增强特征，提升模态数据不完整情况下的分割精度，拓展了网络模型在多模态数据中的适用性、泛化性，本发明能够自适应的处理脑肿瘤MRI不同模态的图像间对应关系，提升深度模型在模态数据不完整情况下的分割效果。

公开(公告)号：CN116309219A

公开(公告)日：2023-06-23

申请号：CN202310229054.4

申请日：2023-03-10

Applicant: 重庆邮电大学

Inventor： 肖斌 ,  胡超

IPC: G06T5/50 ,  G06T5/00 ,  G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明请求保护一种基于红外与可见光图像模态差异的图像融合方法，其包括以下两个阶段：第一阶段为训练阶段，该阶段使用单一自然图像预训练的方式训练网络对图像高低频特征的分离和提取及从高低频组合特征中重构图像的能力；训练阶段，包括三个阶段：特征提取阶段、特征组合阶段和重构阶段；第二阶段为测试阶段，在测试阶段，图像处理网络结构也包括三个主要阶段：频率分解阶段、阶特征融合阶段和重建阶段；在测试阶段生成最终的融合图像。本发明根据两幅图像不同模态带来的特征，提取两幅图像的有用信息，在过滤冗余甚至无用信息的同时，提高了有价值信息的利用率。

公开(公告)号：CN116035576A

公开(公告)日：2023-05-02

申请号：CN202211570940.5

申请日：2022-12-08

Applicant: 重庆邮电大学

Inventor： 邓欣 ,  樊旭峰 ,  肖斌 ,  刘柯 ,  张家豪 ,  王中寅 ,  杜雨露

IPC: A61B5/16 ,  A61B5/372 ,  A61B5/00 ,  G06F18/213 ,  G06F18/00 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明属于脑机接口领域，具体涉及一种基于注意力机制的抑郁症脑电信号识别方法及系统；该方法包括：获取受测者的原始脑电信号并对原始脑电信号进行预处理，得到第一脑电信号；对第一脑电信号进行去噪和平滑处理，得到第二脑电信号；采用分脑区神经网络对第二脑电信号进行处理，得到多个分脑区特征；拼接多个分脑区特征，得到全脑区特征；采用全脑区神经网络对全脑区特征进行处理，得到抑郁症脑电信号识别结果；本发明使用注意力机制加强不同脑区特征的权重占比，整体识别率高，识别效果好，可辅助医生进行抑郁症的诊断，实用性高。

公开(公告)号：CN115170831A

公开(公告)日：2022-10-11

申请号：CN202210571318.X

申请日：2022-05-24

Applicant: 重庆邮电大学

Inventor： 李志鑫 ,  乔丽红 ,  肖斌 ,  毕秀丽

IPC: G06V10/54 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V40/20 ,  G06N3/04 ,  G01S13/02

Abstract: 本发明涉及一种基于UWB雷达技术的手势识别方法，属于图像处理领域。该方法包括以下步骤：(1)联合局部二值卷积层和残差模块结构的UWB手势图片LBP特征提取模块；(2)基于Shuffle Net和深度可分离卷积层改进后生成的手势识别模块UGSM和UGP NAS优化的方式组成的轻量级手势识别模块UGEN；(3)基于无代理任务的神经框架搜索(UGPNAS，UWB Gesture Proxyless NAS)的适用于手势识别的应用情景以及对应的硬件设备需求的模型训练方式。本发明通过该模块可以在极低的时间成本和少参数量的条件下获得97％的手势识别准确率，较好地满足手势识别的实际应用场景和相应的设备需求。

公开(公告)号：CN115081481A

公开(公告)日：2022-09-20

申请号：CN202210720721.4

申请日：2022-06-24

Applicant: 重庆邮电大学

Inventor： 乔丽红 ,  李志翔 ,  高永浩 ,  范鹏飞 ,  刘畅 ,  肖斌

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  A61B7/04

Abstract: 本发明公开了一种基于四元数深度学习框架的心音分类系统，包括以下步骤：（1）采用四元数动态残差卷积模块（QDRCM）来提取心音潜在特征；（2）使用四元数局部注意力连接学习框架（QLACL），将注意力扩展到四元数空间，维持通道关系；（3）使用全局注意力连接模块（GCACM）学习全局通道关系。本发明中四元数由于其4个元素构成一个四元数实体的特性考虑到了输入数据的通道间关系，在学习的过程中更好的保留下通道间的相互关系，相比正常的实值网络会将参数量减少到25%，利用四元数的哈密顿积的权重分配特性来捕捉通道之间的内部关系，使用四元数组件来共享权重，学习内部关系，实现轻量，快捷且高效的进行心音诊断分类。