公开(公告)号：CN116743934A

公开(公告)日：2023-09-12

申请号：CN202310612463.2

申请日：2023-05-29

Applicant: 上海理工大学

Inventor： 张雷洪 ,  张怡强 ,  方舒 ,  徐润初 ,  李阳俊 ,  杨麾 ,  刘凯 ,  王凯民 ,  徐邦联 ,  张大伟

IPC: H04N1/32 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  H04N19/467 ,  H04N19/86

Abstract: 本发明公开了一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法，包括：S1、利用深度学习方法对若干图像样本进行训练，得到基于编码器‑解码器结构的等分辨率图像隐写模型ERIH‑Net；S2、将两幅测试图像(明文图像和载体图像)作为ERIH‑Net模型Hide‑Net图像隐藏网络的输入端，生成一幅含有明文图像特征信息的含密图像(一级密文图像)；S3、通过数字微镜装置DMD加载一系列哈达玛相位调制矩阵调制光场，生成一系列照明散斑；通过照明散斑照明含密图像，利用不具有空间分辨能力的桶探测器装置BD计算图像空间范围内光强信息，生成一系列光强值(二级密文)；S4、通过压缩感知图像重构算法，利用调制的光场信息和采集到的桶探测器值重构出含密图像；S5、将重构的含密图像作为ERIH‑Net模型图像提取网络Extract‑Net的输入端，成功地提取出明文图像信息。根据本发明，可以提升光学图像加密系统的安全性和信息隐藏容量，单位像素点隐藏信息量可达8bit。

公开(公告)号：CN116743934B

公开(公告)日：2024-05-14

申请号：CN202310612463.2

申请日：2023-05-29

Applicant: 上海理工大学

Inventor： 张雷洪 ,  张怡强 ,  方舒 ,  徐润初 ,  李阳俊 ,  杨麾 ,  刘凯 ,  王凯民 ,  徐邦联 ,  张大伟

IPC: H04N1/32 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  H04N19/467 ,  H04N19/86

Abstract: 本发明公开了一种基于深度学习和鬼成像的等分辨率图像隐藏加密方法，包括：S1、利用深度学习方法对若干图像样本进行训练，得到基于编码器‑解码器结构的等分辨率图像隐写模型ERIH‑Net；S2、将两幅测试图像(明文图像和载体图像)作为ERIH‑Net模型Hide‑Net图像隐藏网络的输入端，生成一幅含有明文图像特征信息的含密图像(一级密文图像)；S3、通过数字微镜装置DMD加载一系列哈达玛相位调制矩阵调制光场，生成一系列照明散斑；通过照明散斑照明含密图像，利用不具有空间分辨能力的桶探测器装置BD计算图像空间范围内光强信息，生成一系列光强值(二级密文)；S4、通过压缩感知图像重构算法，利用调制的光场信息和采集到的桶探测器值重构出含密图像；S5、将重构的含密图像作为ERIH‑Net模型图像提取网络Extract‑Net的输入端，成功地提取出明文图像信息。根据本发明，可以提升光学图像加密系统的安全性和信息隐藏容量，单位像素点隐藏信息量可达8bit。

公开(公告)号：CN116681978A

公开(公告)日：2023-09-01

申请号：CN202310667710.9

申请日：2023-06-07

Applicant: 上海理工大学

Inventor： 张雷洪 ,  沈自敏 ,  方舒 ,  徐润初 ,  李阳俊 ,  张怡强 ,  杨麾 ,  刘凯 ,  王凯民 ,  徐邦联 ,  张大伟

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于注意力机制和多尺度特征融合的显著性目标检测方法，包括：S1、进行数据预处理，构建深度学习模型训练及测试所需的数据集及标签；S2、构建基于注意力机制和多尺度特征融合的显著性目标检测网络；S3、将S1中的训练数据集输入到S2中构建的显著性目标检测网络中进行训练，得到显著性目标检测模型；S4、随机挑选图片输入到该模型中，得到检测结果。根据本发明，有效的提取到显著性区域的特征，有效地过滤冗余特征。

公开(公告)号：CN116664811A

公开(公告)日：2023-08-29

申请号：CN202310494778.1

申请日：2023-05-05

Applicant: 上海理工大学

Inventor： 张雷洪 ,  沈自敏 ,  方舒 ,  徐润初 ,  李阳俊 ,  张怡强 ,  杨麾 ,  刘凯 ,  徐邦联 ,  张大伟

IPC: G06V10/20 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了应用于单像素成像领域一种针对关联成像结果进行显著性目标检测的算法，包括：S1、创建基于傅里叶单像素成像的不同采样率下的显著性目标检测数据集；S2、构建嵌套U型结构的显著性目标检测网络模型；S3、将显著性目标检测数据集输入显著性目标检测网络模型中进行训练得到训练好的显著性目标检测模型；S4、通过将实际的关联成像结果输入显著性目标检测模型进行检测得到的结果。根据本发明，指导关联成像系统针对性的对显著性目标区域进行高频次的采样，以提高关联成像系统的效率，节约其开销。

公开(公告)号：CN116681875A

公开(公告)日：2023-09-01

申请号：CN202310612434.6

申请日：2023-05-29

Applicant: 上海理工大学

Inventor： 张雷洪 ,  杨麾 ,  方舒 ,  徐润初 ,  李阳俊 ,  张怡强 ,  刘凯 ,  徐邦联 ,  王凯民 ,  张大伟

IPC: G06V10/20 ,  G06V10/30 ,  G06T7/136 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于密度峰值搜索和局部特征的红外小目标检测方法，包括：S1、通过高斯差分滤波预处理图像且抑制高亮度杂波；S2、通过密度峰值全局搜索方法在预处理图像中确定候选目标的位置；S3、对候选目标进行局部对比增强梯度特性并抑制背景杂波；S4、通过Facet模型来计算每个候选目标的多向梯度特性；S5、以候选目标点为中心，捕捉不同大小目标的八个方向上的梯度特性；S6、通过对候选目标点对称方向上的区域做差来抑制背景杂波的梯度特性并使用对称区域差的标准差加权梯度响应值；S7、对候选目标梯度特性响应值进行自适应阈值分割方法得到红外弱小目标。根据本发明，在各种场景下均具有较高的检测率，且运算过程相对更加简单。