公开(公告)号：CN119832593A

公开(公告)日：2025-04-15

申请号：CN202411821113.8

申请日：2024-12-11

Applicant: 四川警察学院 ,  中国民用航空飞行学院

Inventor： 章超 ,  张铖方 ,  康朋新 ,  牛知艺 ,  涂晓光

IPC: G06V40/10 ,  A61B5/18 ,  A61B5/00 ,  A61B5/024 ,  G06V20/59 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/096

Abstract: 本发明公开了一种基于多任务轮换配对学习的飞行员适航状态感知方法，涉及航空安全保障与监测技术领域，包括：构建基于多任务的轮换配对学习模型，并将预先获取的视频数据集输入所述基于多任务轮换配对学习模型进行训练；所述基于多任务的轮换配对学习模型包括一个共享特征提取网络和三个专用任务子网络，专用任务子网络分别包括：rPPG信号估计器、连续性情绪预测器、适航状态序列预测器；训练阶段采用多任务轮换配对学习的方法；将待预测的视频输入所述训练好的基于多任务的轮换配对学习模型进行预测，输出得到多任务预测结果。本发明可学习飞行员生理状态、心理状态以及飞行员适航状态之间的潜在联系，准确地评估飞行员在驾驶过程中的状态。

公开(公告)号：CN112884686A

公开(公告)日：2021-06-01

申请号：CN202110112009.1

申请日：2021-01-27

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50 ,  G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种自适应对比度增强字典学习的多聚焦图像融合方法，包括如下步骤：将双尺度低通分解作用于源图像，获得低频信息和高频信息。融合低频信息和高频信息；进行图像重构。本发明的优点是：融合后的图像不仅融合了近焦源图像和远焦源图像的互补信息，而且避免了边界伪影，减少了模型失配，提高了灰度和彩色多聚焦图像融合的收敛性。

公开(公告)号：CN112001870A

公开(公告)日：2020-11-27

申请号：CN202010800244.3

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于卷积字典学习的可见光与红外图像融合方法，包括以下步骤：步骤1，源图像分解；将可见光与红外图像分解成低频分量和高频分量；步骤2，低频分量融合；对低频分量使用平均值融合策略；步骤3，高频分量融合；首先使用卷积字典获得高频分量的稀疏系数；然后对采用最大值策略获得高频分量的融合稀疏系数；最后逆变换得到融合后的高频分量。步骤4，图像重构。本发明的优点是：不仅较好保留边缘细节信息，而且能有效地避免伪影，加速融合速度。

公开(公告)号：CN111899207A

公开(公告)日：2020-11-06

申请号：CN202010800248.1

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于局部处理卷积字典学习的可见光与红外图像融合方法，包括以下步骤：源图像分解；低通分量融合；细节分量融合；图像重建。本发明的优点是：解决了全局卷积稀疏编码问题，又克服融合图像模糊的缺陷。实验结果表明，所提方法在主观和客观评价上都优于其他对比方法，相比于深度学习融合算法，本发明在客观评价指标QAB/F,Qe和Qp上分别平均提高5.18％，5.02％和4.77％，较好地表达了源图像的全局信息，又保留了局部细节。

公开(公告)号：CN111899209B

公开(公告)日：2023-09-26

申请号：CN202010800624.7

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于卷积匹配追踪字典学习的可见光红外图像融合方法，包括以下步骤：1，源图像分解；2.低频部分的融合；3.首先将卷积稀疏编码和卷积字典应用于高频分量，获得高频分量的稀疏系数，然后对稀疏系数使用最大值策略，获得高频分量融合稀疏系数；最后将获得的系数与所学习的卷积字典进行卷积得到融合后的高频分量；4.图像重构。本发明的优点是：本发明使用全局信号训练集来离线学习局部字典，所获得卷积字典不仅相对稀疏，而且能较好表示图像的全局结构。将该卷积字典应用于红外可将光图像融合中，既能够有效地抑制不同模态造成的伪影，而且相对于传统单一地卷积字典而言，本发明的融合图像获得较好的全局性结构和局部细节。

公开(公告)号：CN111899206A

公开(公告)日：2020-11-06

申请号：CN202010800233.5

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于卷积字典学习的医学脑部图像融合方法，包括：步骤1，源医学脑部图像分解成低频分量和高频分量，步骤2，低频分量融合；步骤3，高频分量融合。步骤4，经过快速傅里叶逆变换得到融合后的高频分量；步骤5，将融合的低频分量和融合的高频分量进行图像重构，得到融合图像。本发明的优点是：更好的保留图像信息，在视觉质量和客观指标方面都能获得先进的效果，获得的图像中的脑组织、额窦等边界更清晰，更利于医务人员诊断和分析病情。

公开(公告)号：CN112862734A

公开(公告)日：2021-05-28

申请号：CN202110112021.2

申请日：2021-01-27

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50 ,  G06T5/00 ,  G06T7/90 ,  G06N3/08 ,  G06N3/04 ,  G06F17/16

Abstract: 本发明公开了一种使用卷积分析算子学习的多聚焦图像融合方法，包括：将双尺度低通分解作用于源图像，获得低频信息和高频信息；融合低频信息和高频信息；进行图像重构；本发明的优点是：将CAOL框架所学的计算流体力学应用于三种类型的多聚焦图像融合。不仅解决了块融合方法的内存消耗不足问题，而且获得了更好的融合效果。

公开(公告)号：CN111899209A

公开(公告)日：2020-11-06

申请号：CN202010800624.7

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于卷积匹配追踪字典学习的可见光红外图像融合方法，包括以下步骤：1，源图像分解；2.低频部分的融合；3.首先将卷积稀疏编码和卷积字典应用于高频分量，获得高频分量的稀疏系数，然后对稀疏系数使用最大值策略，获得高频分量融合稀疏系数；最后将获得的系数与所学习的卷积字典进行卷积得到融合后的高频分量；4.图像重构。本发明的优点是：本发明使用全局信号训练集来离线学习局部字典，所获得卷积字典不仅相对稀疏，而且能较好表示图像的全局结构。将该卷积字典应用于红外可将光图像融合中，既能够有效地抑制不同模态造成的伪影，而且相对于传统单一地卷积字典而言，本发明的融合图像获得较好的全局性结构和局部细节。

公开(公告)号：CN111899208A

公开(公告)日：2020-11-06

申请号：CN202010800612.4

申请日：2020-08-11

Applicant: 四川警察学院

Inventor： 张铖方

IPC: G06T5/50

Abstract: 本发明公开了一种基于卷积分析算子的多模态图像融合方法，包括以下步骤：步骤1，使用快速傅里叶变换分解源图像，分别获得低频分量和高频分量。步骤2，低频分量的融合；步骤3，高频分量的融合；步骤4，根据低频分量的融合结构和高频分量的融合结果重构图像。本发明的优点是：更好地表达图像特征，显着提高了融合图像的重建质量，更好地保留重建图像中的边缘。

公开(公告)号：CN111429392A

公开(公告)日：2020-07-17

申请号：CN202010287573.2

申请日：2020-04-13

Applicant: 四川警察学院

Inventor： 张铖方 ,  高志升

IPC: G06T5/50

Abstract: 本发明公开了一种基于多尺度变换和卷积稀疏表示的多聚焦图像融合方法，其步骤包括：步骤1、多尺度变换。步骤2、低通分量融合。步骤3、高通分量融合。步骤4、多尺度逆变换重建。本发明的优点是：融合效果明显，不仅利用多尺度变换模型的细节捕捉能力，而且将卷积稀疏表示模型的平移不变性引入到多聚焦图融合，得到的图像对近焦和远焦部分之间的边界区域得到了很好的管理，同时该发明提取了源图像中的大部分细节，对边界区域的合并效果也很好。