公开(公告)号：CN107358592B

公开(公告)日：2020-06-30

申请号：CN201710806854.2

申请日：2017-09-08

Applicant: 哈尔滨理工大学

Inventor： 赵蓝飞 ,  王爱丽 ,  王博 ,  吕鑫淼

IPC: G06T5/00

Abstract: 本发明涉及一种迭代式全局自适应图像增强方法。本发明为了解决现有的图像增强方法需要手动设置合理的参数，非常难于实现的缺点，而提出一种迭代式全局自适应图像增强方法，包括：输入RGB彩色图像。将RGB彩色图像转换为HSV数据。将HSV数据的V通道数据进行反gamma变换，得到校正后的图像数据。将校正后的数据作为迭代的初始值，进行低照度灰度拉伸，再进行高照度灰度拉伸。判断本次迭代与上一次迭代的迭代参数之差的绝对值是否小于等于预设的阈值，若是，则对迭代得到的结果进行gamma校正，若否，则返回上一步骤继续迭代。对gamma校正后的结果做RGB变化，并在显示器中进行显示。本发明适用于图像增强工具。

公开(公告)号：CN118506096A

公开(公告)日：2024-08-16

申请号：CN202410686361.X

申请日：2024-05-29

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  张康 ,  吴海滨 ,  孙慧 ,  孙晓明 ,  盖建新 ,  陈寅生

IPC: G06V10/764 ,  G06V20/13 ,  G06V20/10 ,  G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明基于噪声干扰启发的空间‑光谱神经架构搜索HSI分类方法属于图像分类技术领域。首先，本发明构建了一个包括空间‑光谱注意卷积算子、跳跃连接、池化操作等候选操作在内的模块化搜索空间。然后，根据一定的比例从高光谱(Hyperspectral Image，HSI)中随机选择像素作为训练、验证和测试集并应用于超网络架构搜索阶段和最终网络优化阶段。在架构搜索过程中，Surpernet构建了一个包含网络中所有可能操作的权重共享模型，并由该模型架构中搜索和优化最终算子信道和核大小，同时保持算子与Surpernet原模型的一致。接着，本发明由噪声‑可微分架构搜索策略(Noisy‑DifferentiableArchitecture Search，Noisy‑DARTS)构建了一个公平竞争的环境，并引导训练超网络中的网络参数和模型参数，推导出性能最优的网络架构。最后，在性能评估阶段，本发明将标签平滑损失函数和多项式展开损失函数集成构建一个融合损失函数，以解决由于HSI样本长尾分布导致的数据不平衡问题，并自动调整参数为不同数据集自驱性地设计最优网络架构。

公开(公告)号：CN117115556A

公开(公告)日：2023-11-24

申请号：CN202311189790.8

申请日：2023-09-14

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  周华明 ,  吴海滨 ,  徐恺阳 ,  刘城洋 ,  戴诗语

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种高光谱开放集分类方法及系统，涉及高光谱图像开放集分类领域技术领域。本发明中高光谱图像通过多个图像特征提取层得到高光谱的最终图像特征；将最终高光谱的图像特征通过逐层图像重建处理得到主路重建图像，各层图像处理后的重建特征图分别经反卷积支路处理后与主路重建图像叠加融合得到最终重建图像；根据最终重建图像和原图像获取重建损失，根据重建损失和EVT算法判断所述高光谱图像是否为已知类；对判定为已知类的高光谱图像进行分类，输出分类结果。本发明增强了图像特征识别能力，能够更好地提取与未知类别相关的空间和通道特征，有效分离未知类，提高了已知类的分类精度。

公开(公告)号：CN115061909A

公开(公告)日：2022-09-16

申请号：CN202210676451.1

申请日：2022-06-15

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  赵英卉 ,  杨林林

IPC: G06F11/36 ,  G06F21/60 ,  G06F21/62 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明为一种基于联邦强化学习的异构软件缺陷预测方法；该方法首先使用主成分分析法(Principal Component Analysis，PCA)进行数据降维。中心服务器初始化全局参数发送给所有参与方，参与方将该全局参数作为本地强化学习dueling Deep Q Network(dueling DQN)模型的初始参数。所有参与方使用降维数据和上轮全局参数来更新本地dueling DQN模型，中心服务器随机选择参与方，选中的参与方将本地模型参数加入高斯噪声进行差分隐私加密。使用K‑means对选中的参与方进行聚类，通过本地聚合与全局聚合形成全局模型发送给所有参与方。当通信次数到达最大通信轮次或本地dueling DQN模型已经收敛，输出预测结果。本发明在保证数据隐私安全前提下通过结合多方数据模型，有效的提高了异构软件缺陷的预测效果。

公开(公告)号：CN119048878A

公开(公告)日：2024-11-29

申请号：CN202411061740.6

申请日：2024-11-02

Applicant: 哈尔滨理工大学

Inventor： 袁鹏飞 ,  王爱丽 ,  刘鑫禹 ,  夏丁 ,  吴海滨 ,  吕浩然 ,  闫思奇 ,  刘文柏

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0985 ,  G06N3/0455

Abstract: 本发明属于目标检测技术领域，具体涉及一种改进YOLOv8的X射线安检图像危险品检测系统；该方法依次执行以下步骤：获取X射线危险品图像数据集并进行数据增强；搭建改进的YOLO‑GEMA网络模型，包括：在YOLOv8的Backbone和Neck中添加GELAN(Generalized Efficient Layer Aggregation Network)；在YOLOv8的Neck中加入EMA(Efficient Multi‑ScaleAttention)注意力机制；最后采用inner‑CIoU改进损失函数加快收敛速度。利用训练集对改进的YOLOv8模型进行训练得到X射线安检图像检测模型；利用测试集对训练好的模型进行测试得到危险品检测结果。本发明通过使用改进的YOLOv8算法进行X射线安检图像的检测，能够更加精确的检测出危险品，提高安检效率。

公开(公告)号：CN119027727A

公开(公告)日：2024-11-26

申请号：CN202411061275.6

申请日：2024-08-03

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  戴诗语 ,  王爱丽 ,  吕浩然 ,  闫思齐 ,  刘鑫宇 ,  孙慧 ,  于双

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/58 ,  G06V20/10 ,  G06V20/64 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及一种高光谱图像(HSI)与LiDAR数据语义协同的联合分类方法，属于图像分类技术领域。该方法依次执行以下步骤：步骤a：输入待分类的HSI图像和LiDAR数据；步骤b：通过向大型语言模型提出指令，构建类别描述符文本(Text)；步骤c：对HSI和LiDAR进行patch提取，形成训练、验证和测试样本集；步骤d：将HSI、LiDAR数据输入ModaUnion编码器，提取共性特征；步骤e：将HSI、LiDAR共性特征和Text输入混合专家编码器，得到特性特征表示；步骤f：将三个特征表示输入基于集成HSI与Text对比学习和HSI与LiDAR对比学习的联合分类器，进行联合分类训练，得到协同分类结果。本发明充分挖掘HSI、LiDAR及Text表示信息，协同构建了对地物属性更为全面且精细的多维度表征，实现了卓越的协同分类效果。

公开(公告)号：CN114429565B

公开(公告)日：2024-11-26

申请号：CN202210018149.7

申请日：2022-01-08

Applicant: 哈尔滨理工大学

Inventor： 王爱丽 ,  刘城洋 ,  姜开元 ,  宋璎珞 ,  吴海滨

IPC: G06V10/764 ,  G06V10/771 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明一种基于跨场景自适应学习的高光谱图像分类方法属于图像处理技术领域；该方法依次执行输入待分类的原始高光谱数据集、对输入的高光谱图像原始数据集进行划分、对SD和TD进行特征提取，输入至改进的深度可分离嵌入模型，获得每层输出的特征图、将深度可分离嵌入模型的输出进行聚类、将聚类后的输入样本输入到判别器模型中，并区分SD和TD，获得只含有TD的嵌入空间、通过改进的加权K近邻分类器WKNN进行分类；本发明可以减少分类模型对样本的依赖，并增强模型对数据类别不平衡问题的处理能力，明显提高了分类精度，为实现小样本或无样本情况下高光谱图像精准分类的研究以及工程应用提供新的思路。

公开(公告)号：CN118865099A

公开(公告)日：2024-10-29

申请号：CN202410816594.7

申请日：2024-06-21

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  左云逸 ,  王爱丽 ,  盖建新 ,  陈寅生 ,  于双 ,  孙超

IPC: G06V20/10 ,  G06V10/42 ,  G06V10/44 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明CNN结合Transformer的HSI和LiDAR多模态数据的精细地物分类方法属于图像分类技术领域。首先，输入待分类的高光谱图像(HSI)和激光雷达(LiDAR)数据，形成训练集、验证集和测试集；采用主成分分析法降低HSI训练集的光谱维数，然后输入由卷积神经网络(CNN)和Transformer并联构成的特征提取模块，再通过特征交互模块实现局部特征与全局信息之间的交互；将LiDAR训练集输入卷积神经网络提取特征，并与HSI支路提取的特征实现特征对齐；将HSI和LiDAR双支路的对齐特征进行拼接，输入跨通道重构机制中实现多模态数据特征的高效融合；通过优化总体损失函数更新网络参数，再将双支路交叉融合之后的特征输入softmax分类器进行分类；将测试数据输入到训练好的网络模型，使用softmax分类器进行分类，得到HSI和LiDAR多模态数据的协同分类结果；本发明利用CNN强大的局部特征提取能力与Transformer的全局特征提取能力，通过特征交互模块与跨通道重构机制实现更优异的地物精细分类的效果。

公开(公告)号：CN118624249A

公开(公告)日：2024-09-10

申请号：CN202411094578.8

申请日：2022-10-10

Applicant: 哈尔滨理工大学

Inventor： 赵烟桥 ,  吴海滨 ,  徐恺阳 ,  王爱丽 ,  魏景芳 ,  胡泽宇 ,  左云逸

IPC: G01M17/007 ,  B07C5/34 ,  B07C5/38

Abstract: 本发明一种回力车测试方法属于回力车质检技术领域；所述回力车测试方法在回力车测试装置上实现，依次执行小车抓取、小车蓄力、小车换向、小车释放和小车回力测试五个步骤；所述回力车测试装置包括：测试台、蓄力机构和回收台，所述的测试台上端设置有蓄力机构，测试台的侧面设置有回收台；此结构能够实现，测试台为小车的滑动蓄能提供平台，通过蓄力机构对小车进行拖动蓄力，蓄力后的小车被释放至回收台进行测试，实现了回力车的自动质量检测，避免了专人手动测试，降低了劳动强度，提高了生产效率。

公开(公告)号：CN115524142B

公开(公告)日：2024-08-27

申请号：CN202211235863.8

申请日：2022-10-10

Applicant: 哈尔滨理工大学

Inventor： 吴海滨 ,  徐恺阳 ,  王爱丽 ,  魏景芳 ,  胡泽宇 ,  左云逸 ,  赵烟桥

IPC: G01M17/007 ,  B07C5/02 ,  B07C5/34 ,  B07C5/36

Abstract: 本发明属于回力车质检技术领域，尤其涉及一种回力车测试装置及其蓄力机构、回收台和测试方法，所述的测试装置，包括：测试台、蓄力机构和回收台，所述的测试台上端设置有蓄力机构，测试台的侧面设置有回收台；由此结构，能够实现，测试台为小车的滑动蓄能提供平台，通过蓄力机构对小车进行拖动蓄力，蓄力后的小车被释放至回收台进行测试，实现了回力车的自动质量检测，避免了专人手动测试，降低了劳动强度，提高了生产效率。