公开(公告)号：CN118429217A

公开(公告)日：2024-08-02

申请号：CN202410557270.6

申请日：2024-05-07

Applicant: 新疆大学

Inventor： 石飞 ,  王国强 ,  周燕云 ,  贾振红

IPC: G06T5/73 ,  G06T5/60 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于Unet的多级残差图像去雪方法及装置，方法包括：雪掩模提取网络，用于提取雪花图像中的低级详细特征来捕捉雪颗粒详细的空间信息，通过高级语义特征定位雪颗粒的位置信息，逐步使用下采样、残差连接、上采样的特征交互获得雪掩模图像；全局雪花感知网络利用逐级下采样和残差模块中获取的加深雪花特征的图像信息，建立雪花之间的上下文联系，获得处理后的不同尺度的雪掩模图像；将处理后的雪掩模图像与下采样中每层突出雪花特征的图像做残差，获得不同尺度的无雪背景图像；多级特征重建网络，由卷积操作和残差操作经逐步上采样构成，输入不同尺度的无雪背景图像获得多尺度无雪特征图像。装置包括：处理器和存储器。

公开(公告)号：CN116630175A

公开(公告)日：2023-08-22

申请号：CN202310270044.5

申请日：2023-03-20

Applicant: 新疆大学

Inventor： 陈娟 ,  郭磊 ,  周艳云 ,  石飞 ,  马海钰 ,  肖怒 ,  郭济 ,  王志杰 ,  陈震 ,  王隆太

IPC: G06T5/00 ,  G06N3/08 ,  G06V10/44 ,  G06V10/82

Abstract: 本发明公开了一种基于GNN‑transformer架构的单幅图像去雪方法，属于计算机图像处理技术领域，首先将需去雪图像输入到GNN‑transformer框架中，使用对比学习训练出的残差网络实现基于图像的图构建；其次，使用训练好的图卷积网络模型对带雪图进行特征提取，并引入注意力机制来定位雪花位置，聚合特征信息；最后将提取到雪花特征生成雪花注意力图，将其输入到生成对抗网络中进行去雪操作，最终输出去雪图像。本发明示例的一种基于GNN‑transformer架构的单幅图像去雪方法，能够高效地通过图像中的雪花结构和纹理特征来识别雪的位置，并将其去除；学习图像细节特征的同时准确完成图像去雪任务，恢复被雪覆盖的图像，从而提高图像质量。

公开(公告)号：CN120013955A

公开(公告)日：2025-05-16

申请号：CN202510048402.7

申请日：2025-01-13

Applicant: 新疆大学

Inventor： 宋森森 ,  任大勇 ,  张飞飞 ,  石飞

IPC: G06T7/10 ,  G06T5/70 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种泊松去噪与Mamba架构结合的脑部MRI图像分割方法，包括以下步骤：步骤1，将待分割的脑部MRI图像，进行泊松去噪；步骤2，构建图像分割模型MambaNet，用于对所述脑部MRI图像进行分割；步骤3，对所述图像分割模型MambaNet进行训练并优化；步骤4，将步骤1中经过泊松去噪后的脑部MRI图像，使用步骤2中训练好的图像分割模型MambaNet进行分割，完成所述泊松去噪与Mamba架构结合的脑部MRI图像分割。提高了模型捕捉多级特征的能力，减少了过度平滑和伪影的产生，确保了跨尺度空间信息的保留，本发明在分割性能上超越了现有方法。

公开(公告)号：CN118332431A

公开(公告)日：2024-07-12

申请号：CN202410439643.X

申请日：2024-04-12

Applicant: 新疆大学

Inventor： 贾振红 ,  何丛兵 ,  石飞 ,  王佳佳 ,  黄晓辉

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/0455 ,  G06F18/15

Abstract: 本发明公开了一种挖掘深层时间依赖性监测火电厂碳排放的方法及装置，方法包括：时间注意力协调时序时间步的重要程度；将历史统计信息作为线性相关变量，线性相关变量与TCN提取的初步时间依赖关系相结合，作为seq2seq模型中的输入数据；在seq2seq模型中采用双向长短期记忆提取时间序列数据的深层时间依赖关系；并采用编码注意力机制；将AE作为预测校准器；所有超参数依赖于贝叶斯超参数寻优算法所获得的结果，并通过最小化损失调整模型参数，实现对目标特征的准确预测；通过将碳排放预测值与碳排放阈值进行比较，实现对火电厂碳排放的监测预警；装置包括：处理器和存储器。本发明利用多传感器数据来准确预测二氧化碳未来的排放量，进而对火电厂的碳排放实现准确监测，为节能减排做出贡献。

公开(公告)号：CN118229731A

公开(公告)日：2024-06-21

申请号：CN202410280416.7

申请日：2024-03-12

Applicant: 新疆大学

Inventor： 贾振红 ,  王创创 ,  宋森森 ,  周刚 ,  石飞

IPC: G06T7/246 ,  G06T7/262 ,  G06T7/13 ,  G06V10/46 ,  G06V10/44 ,  G06V10/75

Abstract: 本发明公开了一种针对抖动视频的运动目标检测方法及装置，包括：将图像进行小波变换，提取高频区域；采用角点提取算法遍历高频区域，提取出高质量的特征点；对提取的特征点进行特征描述；将图像基于分辨率分成n个图像块，在对应图像块上进行特征匹配，并使用最小二乘法拟合出所有特征点共同的运动矩阵；将图像进行反向运动补偿得到稳定的图像序列；进行高斯背景建模，并提取运动目标。装置包括：处理器和存储器。本发明在实现视频稳像的同时也保证了运动目标的实时提取，本发明引入频域分析来提取显著区域，并使用基于深度学习的特征描述方式增强ORB描述符，提高了准确性，采用领域查询方式快速匹配特征点；采用自适应个数的高斯模型进行图像背景建模，实现了运动目标的快速提取。

公开(公告)号：CN118365615A

公开(公告)日：2024-07-19

申请号：CN202410504003.2

申请日：2024-04-25

Applicant: 新疆大学

Inventor： 贾振红 ,  林嘉俊 ,  宋森森 ,  周刚 ,  石飞

IPC: G06T7/00 ,  G06V10/40 ,  G06V10/762 ,  G06V10/80 ,  G06V10/764 ,  G06T5/30 ,  G06T7/194 ,  G06T7/136 ,  G06V10/28

Abstract: 本发明公开了一种用于低照度宽视场视频图像的显著变化检测方法及装置，方法包括：利用对数比算子和减法算子分别获取全局差异图并进行融合；利用频域注意力机制获取全局差异图的显著变化区域；结合形态学滤波、以及能量特征和密度特征进行噪声处理，并提取目标所在的局部变化区域对；利用对数比率算子提取局部变化区域对的差异特征，得到局部变化差异图；采用加权融合对局部变化差异图进行特征优化，得到局部特征融合图；利用k‑means聚类算法对局部特征融合图进行分类生成对应的局部变化图，并将所有的局部变化图合成为全局变化图，得到最终的变化检测结果。装置包括：处理器和存储器。

公开(公告)号：CN118968091A

公开(公告)日：2024-11-15

申请号：CN202411016166.2

申请日：2024-07-27

Applicant: 新疆大学

Inventor： 陈娟 ,  陈震 ,  郭磊 ,  石飞 ,  郭济 ,  周燕云 ,  林嘉焕 ,  谢详奇 ,  唐慧

IPC: G06V10/52 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明涉及一种基于双视图互补一致性的半监督医学图像分割方法，仅利用少量有标注医学图像数据，来挖掘大量无标注数据中的潜在特征信息来提升分割模型性能，包括以下步骤：采用特征空间蒸馏机制，通过教师‑学生模型提取和转移多尺度语义特征；利用双视图融合策略优化伪标签，优化模型对未标记数据的学习效果；通过预训练自编码器辅助的不确定性估计方法，优化模型的可靠性和分割精度。本发明在左心房(LA)和肝脏肿瘤分割(LiTS)数据集上的实验结果显示，该方法在分割精度和模型鲁棒性方面取得了不错的效果。

公开(公告)号：CN118041663A

公开(公告)日：2024-05-14

申请号：CN202410265033.2

申请日：2024-03-08

Applicant: 新疆大学

Inventor： 贾振红 ,  张宇 ,  黄晓辉 ,  王佳佳 ,  周刚 ,  石飞 ,  吕长武

IPC: H04L9/40 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明为基于流信息图及时空特征融合增强的Tor加密流量分类方法。基于流信息图及时空特征融合增强的Tor加密流量分类方法，包括以下步骤：(1)数据预处理：对原始流量数据进行预处理；(2)将预处理后的数据生成流关系图FIG；(3)基于深度神经网络的特征自动提取，得到网络流的空间和时序特征；(4)将所述的空间和时序特征在节点之间传播、更新后，用平均池化法对流节点的特征进行聚合，再进行分类，最终输出标签。本发明所述的基于流信息图及时空特征融合增强的Tor加密流量分类方法，减轻了概念漂移的问题，同时提高了整体的有效性、鲁棒性以及准确率。

公开(公告)号：CN119849692A

公开(公告)日：2025-04-18

申请号：CN202411926682.9

申请日：2024-12-25

Applicant: 新疆大学

Inventor： 秦继伟 ,  孙得志 ,  石飞 ,  何芳

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/2131 ,  G06F18/10 ,  G06F18/214 ,  G06N3/084

Abstract: 本发明公开了一种基于帕塞瓦尔定理的数据形态感知损失的碳数据预测方法及系统，属于碳数据预测领域，包括以下步骤：对原始TCCON站点数据进行预处理得到预处理后数据；对预处理后数据进行傅里叶变换及关键特征提取得到频域特征；构建大气碳数据预测模型，基于频域特征调整能量分布得到调整后的频域数据；基于调整后的频域数据和预处理后数据进行滞后偏移检测及调整优化得到调整后的滞后偏移参数；基于调整后的滞后偏移参数和调整后的频域数据构建联合损失函数；基于联合损失函数和预处理后数据对大气碳数据预测模型训练得到训练好的大气碳数据预测模型；将新的待预测大气碳数据输入训练好的大气碳数据预测模型得到大气碳数据的预测结果。

公开(公告)号：CN118366564A

公开(公告)日：2024-07-19

申请号：CN202410325640.3

申请日：2024-03-21

Applicant: 新疆大学

Inventor： 贾振红 ,  胡杰 ,  石飞 ,  王佳佳 ,  黄晓辉

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明公开了一种城市中未来PM2.5浓度预测方法及系统，包括：利用Pearson相关系数，构建PM2.5浓度与其它气体浓度、气象特征的相关系数矩阵，对输入变量之间的线性关系进行评估，确定LSTM网络模型和引入时空注意力机制的TCN组合模型输入特征；引入时空注意力机制，提取城市污染物浓度序列数据集中每一时间步之间的时间依赖关系以及每一时间步中的输入特征之间的关系；构建LSTM网络模型和引入时空注意力机制的TCN组合模型；利用所提出模型进行输入特征的提取和融合，进行模型训练参数调优后，以空气污染物浓度和气象数据作为训练好的预测模型输入进行预测，使用两个模型的均方根误差，进行自适应反比加权融合两个网络模型预测结果得到最终预测结果。装置包括：处理器和存储器。