公开(公告)号：CN116452480A

公开(公告)日：2023-07-18

申请号：CN202310397002.8

申请日：2023-04-14

Applicant: 桂林电子科技大学

Inventor： 朱华毅 ,  潘细朋 ,  刘振丙

IPC: G06T5/50 ,  G06T7/90 ,  G06T7/40 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明是属于图像融合技术领域，具体涉及一种基于卷积与自注意力机制结合的红外与可见光图像融合方法；所述方法包括编码器、融合策略和解码器三个阶段：在编码器阶段，将可将光图像和红外图像分别输入到基于卷积和自注意力机制结合的模块，得到图像特征；在融合策略阶段，将上述得到的特征在Y通道上进行融合，得到融合图像；最后通过级联的解码器重建融合图像，得到最终的红外与可见光融合图像。本发明通过建立一个图像融合的模型，得到红外与可见光融合图像，该图像不仅包含显著目标和丰富的纹理信息，而且有助于高级视觉任务的完成。

公开(公告)号：CN117218423A

公开(公告)日：2023-12-12

申请号：CN202311171181.X

申请日：2023-09-11

Applicant: 桂林电子科技大学

Inventor： 李嘉佳 ,  汪华登 ,  管军霖 ,  朱华毅 ,  陈冰鑫 ,  何冬梅 ,  梁宏达

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本说明书实施例提供了一种基于多尺度融合和深度学习的肺部结节分类方法及系统，其中，方法包括：获取LIDC‑IDRI数据集，采集LIDC‑IDRI数据集中大于等于3mm的肺结节图像，并对采集的图像进行预处理；对预处理后的肺结节图像中的肺结节区域进行分割，提取三个不同位置不同尺度的肺结节区域，对提取的肺结节区域进行卷积处理后进行信息融合，并对融合后的肺结节区域进行特征提取；构建三维残差网络，通过LIDC‑IDRI数据集对三维残差网络进行训练和验证，得到肺部结节分类模型；通过肺部结节分类模型对待分类的肺部结节进行分类。本发明不仅能够提高肺结节的检测准确性，还能够在不同尺度下捕获结节的详细特征，有望在肺癌早期诊断和治疗中发挥重要作用。