公开(公告)号：CN119131169A

公开(公告)日：2024-12-13

申请号：CN202411130428.8

申请日：2024-08-16

Applicant: 北京航空航天大学

Inventor： 李一飞 ,  徐迈 ,  李胜曦 ,  张佳璐 ,  蒋铼 ,  关振宇

IPC: G06T11/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 本公开涉及一种图像反演方法、装置、设备、介质及程序产品。其中，图像反演方法包括：获取待处理图像；对待处理图像进行预处理，得到预处理后的目标图像以及待处理图像对应的至少一个目标图像块；将目标图像和至少一个目标图像块分别输入至块反向生成器中，由块反向生成器对目标图像和至少一个目标图像块进行图像反演处理，得到待处理图像对应的隐变量，块反向生成器包括全局特征提取网络和块编码器，由此，能够通过块反向生成器处理待处理图像对应的目标图像块的方式以对待处理图像进行图像反演处理，进而适应不同分辨率的图像，避免了实际应用场景受限的问题。

公开(公告)号：CN118247622A

公开(公告)日：2024-06-25

申请号：CN202410675864.7

申请日：2024-05-29

Applicant: 北京航空航天大学

Inventor： 蒋铼 ,  樵明朗 ,  徐迈 ,  陶晓明 ,  段一平

IPC: G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06V10/82

Abstract: 本公开实施例涉及一种基于图模型的多模态数据融合与处理方法和装置，涉及图像处理技术领域，包括：将第一模态图像、第二模态图像输入浅层特征提取模块，得到第一、第二底层视觉特征图，将二者输入深层特征提取模块，得到第一语义、第二语义特征图；构建第一、第二语义特征图对应的第一图、第二图表征；同时，将第一、第二模态图像输入场景感知模块得到第一、第二模型参数；将第一图表征、第二图表征、第一模型参数和第二模型参数输入图交互模块，得到第一、第二输出特征图后输入特征融合与重建模块得到融合图像。采用上述技术方案，利用超网络生成场景相关的模型参数，动态调整图模型中的模型权重，实现场景自适应的图像融合。

公开(公告)号：CN117354428A

公开(公告)日：2024-01-05

申请号：CN202311162039.9

申请日：2023-09-08

Applicant: 北京航空航天大学

Inventor： 邓欣 ,  高超 ,  徐迈 ,  李胜曦

IPC: H04N1/32 ,  G06T5/10

Abstract: 本公开涉及一种隐藏域图像增强方法、装置、设备及存储介质，该方法包括：获取用户上传的原始图像；基于预训练的图像隐写模型将所述原始图像嵌入预先获取的载体图像中，得到隐写图像；基于预训练的图像增强模型对所述隐写图像进行图像增强处理，得到增强图像的小波子带；基于所述图像隐写模型，从所述增强图像的小波子带中提取并重建出所述原始图像对应的增强后的目标图像，其中，所述图像隐写模型为双分支的网络结构，正向分支用于执行嵌入操作，反向分支用于执行提取操作，所述正向分支与所述反向分支采用相同的参数，所述图像隐写模型和所述图像增强模型是基于监督学习训练得到的。本公开通过对隐写后的图像进行增强处理，能够有效保护用户的隐私。

公开(公告)号：CN116990800A

公开(公告)日：2023-11-03

申请号：CN202310980313.7

申请日：2023-08-04

Applicant: 北京航空航天大学

Inventor： 雷鹏 ,  周炜 ,  王俊 ,  徐迈

IPC: G01S13/536 ,  G01S7/41 ,  G01S7/40

Abstract: 本发明公开了一种面向超宽带LFMCW毫米波雷达的目标测量系统及方法，涉及数字信号处理领域。包括：信号生成模块、无线收发模块、回波预处理模块、高精度处理模块、参数估计模块。本发明利用频谱超分辨技术，有助于实现运动目标的高精度测量，可以在不改变现有雷达体制和工作方式下对接收数据进行处理，实现即插即用式效果。

公开(公告)号：CN113630255B

公开(公告)日：2022-06-10

申请号：CN202111014092.5

申请日：2021-08-31

Applicant: 北京航空航天大学

Inventor： 关振宇 ,  朱永清 ,  李大伟 ,  王梓屹 ,  徐迈 ,  王亚伟 ,  赵伟程 ,  孟涛

IPC: H04L9/32 ,  H04L9/40

Abstract: 本发明公开了一种基于SRAM PUF的轻量级双向认证方法及系统，包括：注册步骤：设备基于SRAM PUF发送全部CRP空间，平台通过预设的内部信道对设备进行注册；标准认证步骤：设备部署后，和IoT节点通过公开信道进行通信，其中，IoT节点和平台在认证之前已经建立安全信道，IoT节点需要得到设备的PUF注册信息才可进行认证，并且能够缓存一部分设备的PUF注册信息，对于未缓存信息的设备的接入请求，IoT节点向平台申请该设备的数据，以进行对设备的标准认证；快速认证步骤：对于IoT节点已经缓存了注册信息的设备，进行基于注册信息的快速认证。该方法利用SRAM PUF和双向认证技术，保证了设备和节点的身份真实性，满足了设备低开销的需求，还能抵抗物理克隆攻击、重放攻击、中间人攻击和欺骗攻击，此外设备只需要集成至多两种复杂算法即可实现双向认证，实现简单，易于部署。

公开(公告)号：CN111556316A

公开(公告)日：2020-08-18

申请号：CN202010268700.4

申请日：2020-04-08

Applicant: 北京航空航天大学杭州创新研究院 ,  浙江宇视科技有限公司

Inventor： 徐迈 ,  李天一 ,  关振宇 ,  周迪 ,  翟禹

IPC: H04N19/176 ,  H04N19/96 ,  H04N19/103 ,  H04N19/119 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度神经网络加速的快速块分割编码方法和装置，在至少一种网络裁剪策略中选出一种网络裁剪策略，通过设置不同的权重参数的保留比例，得到不同复杂度的提前终止机制分层深度卷积神经网络模型；对不同的编码树单元中的编码单元分割采用不同复杂度的提前终止机制分层深度卷积神经网络模型进行预测，本发明实施例通过确定提前终止机制分层深度卷积神经网络模型各部分的计算复杂度，使其中最耗时的部分，即可训练层中的权重参数WP可以得到显著加速，并且通过联合优化时间复杂度和率-失真性能，提出一种最优的提前终止机制分层深度卷积神经网络模型裁剪方法，并由此获得多种不同的加速模型，用于预测编码树单元划分。

公开(公告)号：CN106682613B

公开(公告)日：2020-01-03

申请号：CN201611225706.3

申请日：2016-12-27

Applicant: 北京航空航天大学

Inventor： 徐迈 ,  任芸 ,  付旸 ,  王祖林 ,  刘帅

IPC: G06K9/00 ,  G06T9/00

Abstract: 本发明公开了一种基于学习混合高斯模型和不同人脸大小的权重的显著性检测方法，包括步骤一、建立数据库。步骤二、根据所建立的数据库以及对数据的分析，建立并训练显著度检测模型。步骤三、基于本发明提出的显著性检测方法设计一种图像压缩方法。本发明建立了一个庞大的视觉显著性数据库，为后续研究提供帮助。本发明可以根据显著性改变比特率，有效地减小压缩图像的比特率，同时提高压缩图像的质量。

公开(公告)号：CN119364189A

公开(公告)日：2025-01-24

申请号：CN202411473284.6

申请日：2024-10-22

Applicant: 北京航空航天大学

Inventor： 李胜曦 ,  孙先成 ,  徐迈 ,  蒋铼 ,  夏靖远 ,  邓欣

IPC: H04N23/698 ,  H04N19/176 ,  H04N19/20

Abstract: 本发明提供一种基于块的全景图像生成方法，包括：获取全局潜在编码、图像块潜在特征以及图像块坐标，图像块预先按照全局全景图像的坐标缩放到部分球面块，且在球面切空间上采用规则网格划分，使映射到球面上所呈现的图像块呈均匀分布；将上述内容输入至多个球面失真感知卷积块进行基于图像块的球面卷积，得到图像块的局部嵌入；将图像块的局部嵌入输入至风格化头层进行风格化头处理，得到中间全景内容和块纹理特征；将中间全景内容和块纹理特征输入至多个失真感知上采样块，得到全景图像生成块，将全景图像生成块输入判别器，与全景图像真实块进行比对，当满足比对条件，则输出全景图像。通过实施本方法，能够生成高质量且一致的全景图像。

公开(公告)号：CN119181042A

公开(公告)日：2024-12-24

申请号：CN202411210925.9

申请日：2024-08-30

Applicant: 北京航空航天大学

Inventor： 樵明朗 ,  段伟晨 ,  蒋铼 ,  徐迈 ,  李飞

IPC: G06V20/40 ,  G06V10/46 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本公开涉及一种交通视频显著性预测模型生成方法、交通视频显著性预测方法；交通视频显著性预测模型生成方法包括：获取交通视频训练样本集；所述交通视频训练样本集包括：多个交通视频片段和每个视频帧的显著性热力图；其中，每个交通视频片段包括多个连续视频帧；构建初始视频显著性预测模型；所述初始视频显著性预测模型由共享编码器的先验知识学习子网络和视频显著性预测子网络构成；基于所述交通视频训练样本集，对所述先验知识学习子网络进行预训练，学习交通视频先验知识，得到预设视频显著性预测模型；基于学习到的交通视频先验知识，对所述预设视频显著性预测模型中的视频显著性预测子网络进行微调训练，得到目标视频显著性预测模型。

公开(公告)号：CN117008130A

公开(公告)日：2023-11-07

申请号：CN202310980077.9

申请日：2023-08-04

Applicant: 北京航空航天大学

Inventor： 雷鹏 ,  李永苏 ,  王俊 ,  徐迈

IPC: G01S13/92 ,  G01S13/931 ,  G01S7/41

Abstract: 本发明公开了一种基于毫米波雷达的车辆目标速度变化测量方法及系统，涉及数字信号处理技术领域。方法包括：步骤一：产生LFMCW信号；步骤二、通过无线收发单元进行信号传递；步骤三：获得中频信号；步骤四：提取慢时间信号序列；步骤五：测量车辆目标速度变化量。系统包括信号产生单元、无线收发单元、信号去斜单元、信号校正单元、速度变化量测量单元。本发明实现了对前车速度变化量的高精度、实时的测量，将前方的车辆的速度变化以及其它信息融合及决策，进而帮助驾驶员或自动驾驶系统采取必要的合理措施，提高行车安全。