公开(公告)号：CN119888329A

公开(公告)日：2025-04-25

申请号：CN202411949888.3

申请日：2024-12-27

Applicant: 海南大学

Inventor： 尤佳 ,  李德凯 ,  黄梦醒 ,  毋媛媛 ,  冯思玲 ,  张雨

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06V10/58 ,  G06V10/40 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于CNN和Dual‑Swin‑Transformer融合网络的高光谱图像精确分类方法，具体按照以下步骤实施：步骤1、利用改进的CNN网络对高光谱图像进行降维和提取光谱特征；步骤2、利用Dual‑Swin‑Transformer模型提取空间特征信息；步骤3、对光谱‑空间信息进行融合，得到分类结果。本发明解决了现有技术中存在的当前HSIC中，HSI的高维度问题难以解决和光谱‑空间特征难以有效、均衡的融合的问题。

公开(公告)号：CN115936963A

公开(公告)日：2023-04-07

申请号：CN202211655761.1

申请日：2022-12-22

Applicant: 海南大学

Inventor： 李京兵 ,  李德凯 ,  樊宇 ,  陈延伟 ,  黄梦醒

IPC: G06T1/00 ,  G06F17/16

Abstract: 本申请公开了一种基于AKAZE‑Curvelet‑DCT的医学图像鲁棒水印方法，包括：对医学图像进行AKAZE特征提取，得到医学图像的特征描述符矩阵；对医学图像的特征描述符矩阵进行Curvelet变化，得到医学图像的低频子带系数矩阵；对医学图像的低频子带系数矩阵进行DCT变换，生成医学图像的特征二值序列；将医学图像的特征二值序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。这样选取医学图像的AKAZE‑Curvelet‑DCT变换后的数据作为特征向量，可以弥补传统数字水印方法不能对医学图像本身进行保护的缺点，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。

公开(公告)号：CN116258619A

公开(公告)日：2023-06-13

申请号：CN202310044423.2

申请日：2023-01-30

Applicant: 海南大学

Inventor： 李京兵 ,  李德凯 ,  涂蓉 ,  黄梦醒

IPC: G06T1/00 ,  G16H30/20 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及图像处理领域，公开了一种基于DWT和Darknet53深度学习的鲁棒水印方法，包括：构建并训练DarkNet53深度网络；对医学图像进行DWT变换，提取LL层作为DarkNet53深度网络的输入特征，经过前向传播后输出设定个数特征值；对输出的特征值进行DCT变换，结合哈希函数生成医学图像的特征向量；将生成的特征向量分别与混沌置乱水印的每一行逐位进行异或运算，以将水印信息嵌入到医学图像中。这样可以有效提取图像的低频信息，具有良好的抗常规攻击性能和抗几何攻击性能，解决了传统水印嵌入技术对原图数据修改造成的缺陷，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全。

公开(公告)号：CN116542836A

公开(公告)日：2023-08-04

申请号：CN202310411516.4

申请日：2023-04-18

Applicant: 海南大学

Inventor： 李京兵 ,  李德凯 ,  黄梦醒 ,  董春华 ,  涂蓉

IPC: G06T1/00 ,  G06F21/60 ,  G06F21/62

Abstract: 本申请涉及图像处理技术领域，公开了一种基于Vision Transformer的鲁棒水印方法，包括：构建Vision Transformer网络；将医学图像输入至Vision Transformer网络，利用最后一层Transformer编码器输出医学图像的特征向量；对医学图像的特征向量进行DCT变换，得到医学图像的特征序列；将医学图像的特征序列和加密水印逐位进行异或运算，以将水印信息嵌入至医学图像中。这样通过Vision Transformer网络可以学习到医学图像中的复杂特征，再经过DCT变换后，可真实可靠地提取出医学图像的特征序列，在嵌入水印信息后，不仅可以保护医学图像本身，还能对病人的隐私信息进行保护。此方法具有较强的鲁棒性和不可见性，能够有效地抵御各种几何攻击和传统攻击，如旋转、高斯噪声等，保障医学图像的数据安全。

公开(公告)号：CN115964747A

公开(公告)日：2023-04-14

申请号：CN202211734124.3

申请日：2022-12-30

Applicant: 海南大学

Inventor： 李京兵 ,  李德凯 ,  董春华 ,  黄梦醒 ,  陈延伟

IPC: G06F21/62 ,  G06F21/64 ,  G06F21/60 ,  G06T1/00 ,  G06V10/80 ,  G06V10/48 ,  G06V10/82

Abstract: 本申请公开了一种基于DCT和DarkNet53特征融合的加密图像水印方法，包括：对加密医学图像进行DCT变换，提取第一特征向量；将加密医学图像作为DarkNet53深度网络的输入图像，并对DarkNet53深度网络进行前向传播，输出设定个数特征值，并对特征值进行DCT变换，提取第二特征向量；根据第一特征向量和第二特征向量，组成特征向量集；将特征向量集分别与混沌加密水印逐位进行异或运算，以将水印信息嵌入至加密医学图像中。在此引入特征融合的思想，弥补了单个算法的不足之处，可以将患者的个人信息隐藏在其加密医学图像中，具有不可见性和鲁棒性，实现数字水印的抗传统攻击和抗几何攻击功能，避免医学数据被篡改。