公开(公告)号：CN111667439A

公开(公告)日：2020-09-15

申请号：CN202010391411.3

申请日：2020-05-11

Applicant: 武汉大学

Inventor： 崔晓晖 ,  付忠旺 ,  刘斌 ,  沈志东 ,  杨亦平

IPC: G06T5/50

Abstract: 本发明公开了一种多光谱卫星遥感图像融合方法，首先构造二维四通道不可分小波滤波器，构造二维四通道不可分小波滤波器提升形式；然后使用构造的二维四通道不可分小波滤波器提升形式，对参加融合的两幅图像进行逐层分解；接着融合分解得到的子图像；最后对所得结果进行不可分提升小波的逆变换，重构融合后的图像。本发明基于二维四通道不可分提升小波多光谱图像融合方法，从融合的视觉效果看，本方法有较好的视觉效果，融合结果图像清晰，能保持较好的色彩效果。从客观性能指标看，本方法既能保持较好的光谱信息,又能保持较高分辨力。

公开(公告)号：CN109785409A

公开(公告)日：2019-05-21

申请号：CN201811644583.6

申请日：2018-12-29

Applicant: 武汉大学

Inventor： 刘进 ,  郭峻材 ,  沈晨凯 ,  崔晓晖 ,  储玮 ,  周平义 ,  余啸 ,  付忠旺

IPC: G06T11/60 ,  G06K9/62

Abstract: 本发明公开了一种基于注意力机制的图像-文本数据融合方法和系统，该方法首先构建基于注意力机制的图像-文本数据融合网络，并基于特定任务构建完整的训练网络，再利用训练集进行训练，然后将待融合的图像和文本数据输入训练好的数据融合网络中，实现两者的数据融合。具有如下突出的特点和优点：第一，引入位置编码代替循环神经网络对文本上下文进行建模，数据融合网络的可并行化程度更高，训练模型的训练速率更快；第二，通过图像和文本在语义层次上的融合，使得融合后的数据质量更高，可用性更强；第三，该方法可以通过多种任务训练数据融合网络，鲁棒性更强。

公开(公告)号：CN110990221A

公开(公告)日：2020-04-10

申请号：CN201911177188.6

申请日：2019-11-26

Applicant: 武汉大学

Inventor： 沈志东 ,  崔晓晖 ,  韩小范 ,  孙慧 ,  陈维英 ,  黄隆欢 ,  付忠旺

IPC: G06F11/30

Abstract: 本发明公开了一种基于内核LKM的Android平台恶意软件自动化检测方法与系统，该方法包括以下步骤：步骤1)安装运行待检测软件，解析被测程序的界面的控件信息，并根据控件信息模拟用户的点击操作；步骤2)在操作过程中，在内核中对Android软件目标敏感行为的API调用进行监控；步骤3)将生成的监控消息从内核空间发送到外部自动化模块。本发明方法能克服动态分析不能对包含第三方本地库的应用进行监控的缺陷，有效提高了恶意软件检测的覆盖范围，提高了动态分析结果的准确性。

公开(公告)号：CN109598241A

公开(公告)日：2019-04-09

申请号：CN201811480053.2

申请日：2018-12-05

Applicant: 武汉大学

Inventor： 崔晓晖 ,  付忠旺 ,  杨威 ,  倪敏垚 ,  陶启 ,  徐超

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明提供了一种基于Faster R-CNN的卫星图像海上舰船识别方法，其特征在于：使用基于目标选择的卫星图像分割算法将原始卫星图像数据进行分割，基于生成对抗网络增加训练样本，根据Faster R-CNN算法建立卫星图像海上舰船训练数据集，利用Faster R-CNN算法和训练数据集生成卫星图像海上舰船识别模型，建立经纬度匹配模型，基于像素与经纬度映射关系，支持精准经纬度匹配，实现对卫星图像中海上舰船的识别。本发明基于卫星图像提出具有实用性的海上舰船识别技术方案，处理速度快，精度高，对不同类型的一个或多个舰船目标都可以进行有效地识别。

公开(公告)号：CN109598241B

公开(公告)日：2022-08-12

申请号：CN201811480053.2

申请日：2018-12-05

Applicant: 武汉大学

Inventor： 崔晓晖 ,  付忠旺 ,  杨威 ,  倪敏垚 ,  陶启 ,  徐超

IPC: G06V10/774 ,  G06V10/44 ,  G06V20/13 ,  G06V10/82 ,  G06K9/62

Abstract: 本发明提供了一种基于Faster R‑CNN的卫星图像海上舰船识别方法，其特征在于：使用基于目标选择的卫星图像分割算法将原始卫星图像数据进行分割，基于生成对抗网络增加训练样本，根据Faster R‑CNN算法建立卫星图像海上舰船训练数据集，利用Faster R‑CNN算法和训练数据集生成卫星图像海上舰船识别模型，建立经纬度匹配模型，基于像素与经纬度映射关系，支持精准经纬度匹配，实现对卫星图像中海上舰船的识别。本发明基于卫星图像提出具有实用性的海上舰船识别技术方案，处理速度快，精度高，对不同类型的一个或多个舰船目标都可以进行有效地识别。

公开(公告)号：CN109785409B

公开(公告)日：2020-09-08

申请号：CN201811644583.6

申请日：2018-12-29

Applicant: 武汉大学

Inventor： 刘进 ,  郭峻材 ,  沈晨凯 ,  崔晓晖 ,  储玮 ,  周平义 ,  余啸 ,  付忠旺

IPC: G06T11/60 ,  G06K9/62

Abstract: 本发明公开了一种基于注意力机制的图像‑文本数据融合方法和系统，该方法首先构建基于注意力机制的图像‑文本数据融合网络，并基于特定任务构建完整的训练网络，再利用训练集进行训练，然后将待融合的图像和文本数据输入训练好的数据融合网络中，实现两者的数据融合。具有如下突出的特点和优点：第一，引入位置编码代替循环神经网络对文本上下文进行建模，数据融合网络的可并行化程度更高，训练模型的训练速率更快；第二，通过图像和文本在语义层次上的融合，使得融合后的数据质量更高，可用性更强；第三，该方法可以通过多种任务训练数据融合网络，鲁棒性更强。