公开(公告)号：CN113284227B

公开(公告)日：2022-11-22

申请号：CN202110528870.6

申请日：2021-05-14

Applicant: 安徽大学 ,  国网安徽省电力有限公司电力科学研究院

Inventor： 赵海峰 ,  范明豪 ,  曹明伟 ,  孙登第 ,  汤进

IPC: G06T17/00

Abstract: 本发明公开本发明的目的在于解决现有技术中存在的不足，先将大规模的航拍图像数据划分具有一定重叠度的子集，避免图像数据量过大导致单机版本的运动推断结构方法和系统出现内存溢出问题；其次，在分布式计算环境下不同节点上同时计算每个子集图像所对应的稀疏点云模型和摄像机参数，使得能够在有限的时间内计算出大规模场景的三维模型。本发明能够在在分布式环境下快速地计算出大规模航拍图像对应的稀疏点云模型和摄像机参数，使得基于航拍图像的高精度及快速的大规模室外场景三维重建变成可能。

公开(公告)号：CN115239785A

公开(公告)日：2022-10-25

申请号：CN202210810511.4

申请日：2022-07-11

Applicant: 安徽大学

Inventor： 付燕平 ,  韩润杰 ,  汤进 ,  赵海峰

IPC: G06T7/593 ,  G06T7/90 ,  G06T7/11 ,  G06T3/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开一种基于超像素分割的双目立体匹配方法，将原始左视图和右视图分别下采样以及SLIC超像素分割，将关联矩阵和邻接矩阵送入基于超像素的图神经网络，得到包含超像素信息的权重；将下采样的左视图和右视图以及关联矩阵相乘结点矩阵；结点矩阵输入基于超像素的图神经网络得到超像素特征权重；将原始左视图和右视图输入到卷积神经网络后与超像素特征权重相乘，利用左特征图和右特征图构建四维的代价体然后送入代价聚合模块，最后得到预测的视差图。本发明构建一个端到端的基于超像素分割的立体匹配深度学习框架，利用超像素块来引导和约束立体匹配算法。

公开(公告)号：CN108664976A

公开(公告)日：2018-10-16

申请号：CN201810380400.8

申请日：2018-04-25

Applicant: 安徽大学 ,  安徽安大笃北信息科技有限责任公司

Inventor： 赵海峰 ,  夏国峰 ,  陈天聪 ,  张少杰 ,  汤振宇

IPC: G06K9/34 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于超像素的模糊谱聚类脑肿瘤图像自动分割方法，首先对包含脑肿瘤的核磁共振成像的FLAIR模态图像进行超像素分割，再提取这些超像素块的灰度直方图特征，将超像素块的灰度直方图特征作为算法的输入，通过输入的特征计算图像的模糊相似性矩阵，然后通过NJW谱聚类算法进行聚类，进而得到最终的分割结果。本发明用模糊理论优化了谱聚类的相似性度量方式，在谱聚类的高斯距离度量方法上引入了模糊权重参数，定义了基于超像素特征的模糊相似性度量方式。本发明是一种自动的图像分割方法，不需要人为干预，并且利用基于超像素的模糊谱聚类分割算法，大大降低了谱聚类算法的时间复杂度，并且可以提高分割的精度。

公开(公告)号：CN102568146A

公开(公告)日：2012-07-11

申请号：CN201210009436.8

申请日：2012-01-12

Applicant: 安徽大学

Inventor： 汤进 ,  罗斌 ,  吕皖丽 ,  赵海峰

IPC: G08B17/12

Abstract: 本发明公开了一种基于红外热图像的火灾预警与早期消除系统，红外热像仪用于采集被监测设备的红外热图像；图像分析控制器，用于对上述红外热图像进行分析并生成分析结果；火灾报警及联动控制器，用于根据图像分析控制器的分析结果生成控制信号。通过获取设备的红外热图像，分析其温度场分布和变化以预防火灾发生，降低了设备发生火灾的可能性；并可实现与定点灭火装置联动对设备进行早期火灾消除，提高了火灾处理的及时性。其具有控制精度较高、误报率较低的特点。

公开(公告)号：CN119379555B

公开(公告)日：2025-03-11

申请号：CN202411904895.1

申请日：2024-12-23

Applicant: 安徽大学

Inventor： 付燕平 ,  张宇霆 ,  赵海峰 ,  张少杰 ,  曹明伟

IPC: G06T5/70 ,  G06T5/50 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06F17/14 ,  G06N3/0464

Abstract: 本发明公开一种基于二维符号距离场的阴影消除方法，通过2D符号距离场计算阴影图像的软权重掩码和SDF图像，通过软权重掩码提取原始阴影图像中的阴影区域和非阴影区域；快速傅里叶变换模块提取局部空间特征全局频率特征；通过信息交互模块IIM融合局部空间特征全局频率特征的注意力权重图得到融合特征；通过边界细化模块BRM输出边界细化后特征图；通过卷积操作提取非阴影区域的特征，通过全局特征调制模块GFM将全局特征向量、非阴影区域的特征和SDF特征进行调制，最终输出无阴影图像。本发明在阴影区域的亮度恢复、边界过渡和平滑性方面具有显著优势，使得去除后的图像接近真实无阴影效果。

公开(公告)号：CN118398155A

公开(公告)日：2024-07-26

申请号：CN202410842743.7

申请日：2024-06-27

Applicant: 安徽大学

Inventor： 黄莉莉 ,  刘欣颐 ,  孙登第 ,  汤进 ,  赵海峰

IPC: G16H15/00 ,  G06F40/284 ,  G16H30/40 ,  G16H50/70 ,  G06N3/045 ,  G06N3/084 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种医学报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括：获取综合医学影像集和对应的医学报告集及医学概念集；将综合医学影像集输入特征提取网络，提取空域视觉特征集和频域视觉特征集；将空域视觉特征集和空域平均视觉特征、频域视觉特征集和频域平均视觉特征输入增强融合网络，获得空频域结合特征集；将空频域结合特征集输入概念预测网络，生成预测医学概念集；将预测医学概念集和空频域结合特征集输入报告预测网络，生成预测医学报告集；根据预测医学报告集和医学报告集的差异度、预测医学概念集和医学概念集的差异度，更新医学报告生成模型的参数，得到训练好的医学报告生成模型。提升了生成的医学报告的质量。

公开(公告)号：CN118229872A

公开(公告)日：2024-06-21

申请号：CN202410242011.4

申请日：2024-03-04

Applicant: 安徽大学

Inventor： 曹明伟 ,  年四旗 ,  黄宝龙 ,  阿布都开依木·艾拜 ,  赵海峰

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/082 ,  G06T7/55 ,  G06T7/80 ,  G06V10/44

Abstract: 本发明公开一种基于双重不确定性估计的多视图立体方法，根据输入的多视角图像和摄像机参数，计算多视角图像的多尺度特征；构造相邻阶段不确定性估计器，计算多阶段深度图和置信图；构造两两阶段不确定性估计器，计算不确定图；再次，根据不确定图和多阶段深度图，计算混合损失；融合深度图计算高质量的点云。本发明充分挖掘级联结构的深度神经网络模型在多视图立体重建中的潜力，通过在级联结构中嵌入相邻阶段不确定性估计器和两两阶段不确定性估计器，减少误差，提升生成深度图的准确性，最终生成高质量的点云模型。

公开(公告)号：CN117853645B

公开(公告)日：2024-05-28

申请号：CN202410242047.2

申请日：2024-03-04

Applicant: 安徽大学

Inventor： 曹明伟 ,  王凤娜 ,  黄宝龙 ,  曹志伟 ,  赵海峰

IPC: G06T15/20 ,  G06N3/0464 ,  G06N3/082 ,  G06T7/529 ,  G06V10/42 ,  G06V10/44 ,  G06V10/74 ,  G06V10/774 ,  G06V10/778 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开一种基于跨视图捆绑交叉感知神经辐射场的图像渲染方法，利用轻量型捆绑特征提取模块计算多尺度捆绑卷积特征；利用混合交叉感知机制细化卷积特征，聚合跨视图交互信息并及时补充上下文特征信息，然后，进行相似性嵌入体渲染，将几何先验条件的余旋相似度作为显示匹配嵌入线索，为预测颜色密度场捕捉相似匹配信息；再后，最小化颜色与内容一致性损失，添加相同时间戳内的渲染视图与真实瞬时视图对数的绝对值差异，解决场景跨度大和特征信息匮乏情况下的伪影和模糊纹理问题。

公开(公告)号：CN117649565B

公开(公告)日：2024-05-28

申请号：CN202410122839.6

申请日：2024-01-30

Applicant: 安徽大学

Inventor： 黄莉莉 ,  刘明 ,  李成龙 ,  江波 ,  赵海峰 ,  汤进

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/084 ,  G06T7/00 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本申请公开一种模型训练方法、训练装置及医学影像分类方法，通过获取医学影像训练集，所述医学影像训练集包括若干医学影像及其对应的疾病标签信息和临床信息；将所述医学影像数据集划分为若干数据块，并基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵；采用分批方式依次将所述数据块及对应的图像级关系矩阵输入到预训练影像分类模型进行模型训练，以获取训练好的医学影像分类模型。通过在模型训练阶段，引入图像级关系矩阵，优化视觉特征嵌入，帮助分类模型理解图像，提高医学影像分类模型的分类性能。

公开(公告)号：CN117437363B

公开(公告)日：2024-03-22

申请号：CN202311754136.7

申请日：2023-12-20

Applicant: 安徽大学

Inventor： 曹明伟 ,  江健非 ,  黄宝龙 ,  赵海峰

IPC: G06T17/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于深度感知迭代器的大规模多视图立体方法，首先提取多尺度特征；然后，计算像素级视图权重、深度图和置信图；其次，构造深度感知迭代器；再次，构造混合损失策略，优化深度图；最后，融合深度图，即可获得点云模型。本发明充分利用基于深度感知迭代器的由粗到细的深度图计算方法，有效地将上下文引导的深度几何信息融合到代价体中计算出高质量的深度图，进而计算出精确的点云模型。