公开(公告)号：CN118037641A

公开(公告)日：2024-05-14

申请号：CN202410076328.5

申请日：2024-01-18

Applicant: 河南大学

Inventor： 牛亚坤 ,  陈沛 ,  张磊 ,  殷红建 ,  左宪禹

IPC: G06T7/00 ,  G06T7/90 ,  G06V20/40

Abstract: 本发明涉及图像篡改检测技术领域，具体涉及一种基于双流特征提取多尺度图像篡改检测与定位方法，包括：获取不同篡改类型的待检测图像；构建篡改检测与定位模型；将待检测图像分别输入RGB流和频域流，提取待检测图像的RGB特征，提取待检测图像的频域特征，获得不同尺度的RGB特征图和频域特征图；将RGB特征图和频域特征图输入注意力机制模块，对篡改区域进行定位获得预测掩码；将RGB特征图和频域特征图输入检测模块，利用线性层对图像进行检测得到预测标签；构建损失函数，利用损失函数监督篡改检测与定位模型的训练过程；将待检测图像输入所述篡改检测与定位模型获得检测结果。本发明提升了图像篡改检测定位结果的精度。

公开(公告)号：CN117953390A

公开(公告)日：2024-04-30

申请号：CN202410132793.6

申请日：2024-01-30

Applicant: 河南大学

Inventor： 王雅娣 ,  黄梦瑶 ,  李若菲 ,  郭小丁 ,  王诗怡 ,  左宪禹

IPC: G06V20/13 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明公开一种基于流形学习和Hilbert‑Schmidt独立性准则的高光谱波段选择方法及系统，该方法包括：对高光谱数据进行预处理，得到二维数据矩阵，并作为高维空间中的流形数据；使用UMAP算法将流形数据展开并投影到低维空间中，得到嵌入矩阵；使用Hilbert‑Schmidt独立性准则衡量数据间的非线性依赖，依次将数据矩阵与嵌入矩阵的每个列向量进行拟合，得到稀疏系数矩阵；根据稀疏系数矩阵计算每个波段的重要性，将每个波段在稀疏系数矩阵中对应的行向量中的最大元素值作为该波段的重要性；根据预设的选择波段的数量选择重要性最高的波段子集。本发明可以选择最具代表性的波段子集，有效提高了后续聚类任务的精度。

公开(公告)号：CN117853862A

公开(公告)日：2024-04-09

申请号：CN202311583587.9

申请日：2023-11-24

Applicant: 河南大学

Inventor： 牛亚坤 ,  谈磊 ,  张磊 ,  左宪禹 ,  张延锋 ,  殷红建 ,  陈英健 ,  李郭宇 ,  范廷顺

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06V10/80 ,  G06V10/764 ,  G06V10/40

Abstract: 本发明涉及图像取证技术领域，具体涉及基于RGB通道信息融合的深度学习图像操作链取证方法。将预处理后的原始图像数据集划分为训练数据集和测试数据集；建立ResNet变体深度学习取证模型，确定ResNet变体深度学习模型取证算法以及评估指标；使用训练后的ResNet变体深度学习取证模型，验证模型的取证精确度；使用不同相机源数据、不同分辨率数据的场景，验证ResNet变体深度学习取证模型的泛化性能；根据得到的性能分析结果，调整训练后的ResNet变体神经网络模型参数，优化训练后的ResNet变体神经网络模型。本发明提升了图像操作链取证结果的准确率，解决了没有先验信息条件下的鲁棒性问题。

公开(公告)号：CN117130585A

公开(公告)日：2023-11-28

申请号：CN202311099366.4

申请日：2023-08-29

Applicant: 河南大学

Inventor： 刘扬 ,  石泽钊 ,  张洪霞 ,  王玖豪 ,  周黎鸣 ,  左宪禹

IPC: G06F8/10 ,  G06F8/20

Abstract: 本发明提供一种基于功能‑行为‑结构(FBS)的软件定义卫星的系统设计方法。该方法包括：步骤1：将软件定义卫星系统分为智能终端子系统、云中心子系统和智能卫星子系统；步骤2：设计智能终端子系统、云中心子系统和智能卫星子系统的功能层F；步骤3：设计智能终端子系统、云中心子系统和智能卫星子系统的行为层B；步骤4：根据设计的功能层F和行为层B映射出智能终端子系统、云中心子系统和智能卫星子系统的结构层S。通过功能、行为和结构三个层次的划分，结合面向对象和结构化软件工程方法，实现软件定义卫星的功能复用和系统架构的可重构。

公开(公告)号：CN116821687A

公开(公告)日：2023-09-29

申请号：CN202310827033.2

申请日：2023-07-06

Applicant: 河南大学

Inventor： 张磊 ,  朱绍明 ,  展桂荣 ,  左宪禹 ,  谢毅 ,  赵一鸣 ,  晋鑫鹏 ,  李郭宇 ,  史建宇

IPC: G06F18/214 ,  G06F18/20 ,  G06N3/0442 ,  G06Q50/06 ,  H02J3/00 ,  G06F21/62

Abstract: 本发明涉及风电功率预测技术领域，具体涉及基于数据隐私保护的联邦深度学习风力发电预测方法，该方法包括：获取预设数量个不同风电场的风电功率数据集，对风电功率数据集进行预处理，将预处理后的风电功率数据集划分为训练数据集和测试数据集；建立Fed‑BILSTM联邦深度学习模型；根据训练数据集，对建立的Fed‑BILSTM联邦深度学习模型进行训练，得到训练后的Fed‑BILSTM联邦深度学习模型；根据测试数据集，对训练后的Fed‑BILSTM联邦深度学习模型进行验证；通过训练后的Fed‑BILSTM联邦深度学习模型，进行风电功率预测。本发明可以提高数据的安全性和预测的准确度。

公开(公告)号：CN116721368A

公开(公告)日：2023-09-08

申请号：CN202310775421.0

申请日：2023-06-28

Applicant: 河南大学

Inventor： 周黎鸣 ,  刘哲昊 ,  赵航 ,  左宪禹 ,  葛强 ,  刘扬 ,  党兰学 ,  侯艳娥

IPC: G06V20/17 ,  G06V10/80 ,  G06V10/82 ,  G06V10/766 ,  G06V10/40 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开一种基于坐标和全局信息聚合的无人机航拍图像多尺度目标检测方法，包括：构建目标检测网络；目标检测网络由主干网络、多重特征融合网络和预测头三部分组成；主干网络由坐标和全局信息聚合模块组成；坐标和全局信息聚合模块包括坐标信息提取分支和全局信息提取分支；对构建的目标检测网络进行训练，得到目标检测模型，并采用Focal‑EIOU loss作为模型的边界框损失；基于目标检测模型对无人机航拍图像进行多尺度目标检测。本发明通过结合坐标信息和全局信息来缓解特征提取过程中背景因素的干扰，增强了网络提取鲁棒性特征的能力；本发明设计的多重特征融合网络，可以使更好地融合多尺度特征，改善多尺度目标的检测性能。

公开(公告)号：CN114611706B

公开(公告)日：2023-04-25

申请号：CN202210155739.4

申请日：2022-02-21

Applicant: 河南大学

Inventor： 蔡坤 ,  张旭升 ,  葛强 ,  左宪禹 ,  杨宣 ,  祁永凯

IPC: G06N20/00 ,  G01N15/06 ,  G01N33/00

Abstract: 本发明提供一种基于Stacking多模型融合设计的空气污染物缺失值补充方法。该方法包括：获取各个国控站点监测的空气污染物数据和地理数据；针对每个国控站点，遍历其上的所有空气污染物数据，找到缺失值，并将缺失值所在位置处的数值补充为0；再次遍历其上的所有空气污染物数据，将数值非0的数据加入至训练集中，将数值为0的数据加入预测集中；将所有国控站点的训练集和预测集分别组合在一起，记作数据集Air‑data；使用Hyperopt分别对ET、RF、GBDT、XGBOOST和LGBM进行参数优化；将上述优化后的五种模型分别作为五个基学习器，将岭回归模型作为元学习器，基于数据集Air‑data对基学习器和元学习器进行融合得到Stacking集成模型；采用Stacking集成模型实现对空气污染物数据中的缺失值的估算。

公开(公告)号：CN113077017B

公开(公告)日：2022-12-13

申请号：CN202110566295.9

申请日：2021-05-24

Applicant: 河南大学

Inventor： 刘扬 ,  田猛 ,  曹珂境 ,  王瑞毅 ,  党兰学 ,  左宪禹

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于脉冲神经网络的合成孔径图像分类方法。具体包括：使用深度卷积神经网络对合成孔径雷达图像进行预训练，保存训练好的权重参数；对合成孔径声呐图像进行显著性计算，将显著性计算结果输入至脉冲编码器中进行脉冲编码；将预训练的深度卷积神经网络权重参数迁移到多层脉冲神经网络作为初始权重参数，使用集成学习的方法对多层脉冲神经网络进行训练；将合成孔径声呐图像的脉冲编码结果作为训练好的多层脉冲神经网络的输入，采用脉冲解码器对多层脉冲神经网络的输出结果进行解码以判别最终分类结果。针对小样本合成孔径图像的识别问题，本发明利用合成孔径雷达图像可有效提高合成孔径声呐图像分类的准确率。

公开(公告)号：CN112115972B

公开(公告)日：2022-11-22

申请号：CN202010816563.3

申请日：2020-08-14

Applicant: 河南大学

Inventor： 党兰学 ,  庞沛东 ,  林英豪 ,  刘扬 ,  左宪禹 ,  周黎鸣 ,  贾培艳

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于高光谱图像分类技术领域，公开一种基于残差连接的深度可分离卷积高光谱图像分类方法，包括：构建分类模型；所述分类模型的首层采用1×1卷积后接ReLU激活函数用于提取光谱信息的非线性特征；采用三个金字塔结构的残差单元，并在每个残差单元中采用两个深度可分离的3×3卷积用于提取图像中光谱‑空间信息；分类模型末端，采用1×1卷积和全局平均池化层相结合用于融合空‑谱特征，完成分类；通过构建的分类模型完成高光谱图像分类。本发明充分提取了高光谱图像的光谱图像的空‑谱特征，通过堆叠残差单元从而构建了一个轻量级的分类模型，该模型在保证更高精度的同时拥有更快的分类速度。

公开(公告)号：CN110245248B

公开(公告)日：2022-10-21

申请号：CN201910471477.0

申请日：2019-05-31

Applicant: 河南大学

Inventor： 葛强 ,  乔保军 ,  郑逢斌 ,  张磊 ,  左宪禹 ,  郑明远 ,  李永超 ,  陈小彤 ,  郑昱君 ,  杨艺涵 ,  崔海潮 ,  沈文举

IPC: G06F16/53 ,  G06F16/532

Abstract: 本发明公开了一种遥感影像关键字查询方法，包括以下步骤：通过工具类库读入一个遥感影像对应的模糊XML文件，将模糊XML文件转换为树状存储结构；建立关于所有节点的 的映射集合和关于所有属性元素的 的映射集合；输入一个或多个关键字，根据两个映射集合，查找并输出虽有关键字的所有最小公共祖先和对应的的模糊参数变量Tp。本发明能够减少遥感影像关键字查询过程中的冗余计算，提升查询的时间效率，并且反馈遥感影像的不确定结果。