李永军 博士，教授

河南大学科技创新团队

【团队负责人】李永军

【所在学院（科研机构）】物理与电子学院

【涉及技术领域】图像处理与传输

【主要研究方向】

李永军，男，博士，教授，2021年度开封市科技创新人才，2023年度开封市创新型科技团队负责人。主持国家自然科技基金1项（国家自然科学基金委员会，联合基金项目U1704130，基于深度卷积神经网络和显著性感知的压缩域图像大数据再编码技术研究，2018-1至2020-12，50万元），省科技攻关项目一项，参加国家自然科技基金7项，陕西省重点科技创新团队计划项目1项，授权国家发明专利8项。

【创新成果1】

本发明提供一种3D SPIHT图像压缩系统中基于分形多小波变换实现方法。本发明采用六组具有正交性、对称性、短支撑性和高阶消失矩的分形多小波滤波器向量，组成6乘6的滤波器矩阵，该滤波器矩阵用于3D SPIHT高光谱图像压缩的三维小波变换，不但可以有效消除高光谱图像谱间和谱内冗余，而且没有支集重叠部分，能精确重构，无边界失真效应，算法复杂度低，能量和熵集中程度高，从而使本发明具有低复杂度、高压缩比的优点。发明可用于各种三维高光谱图像压缩编码。

图2. 本发明的授权专利证书及流程图

【创新成果2】

本发明首先通过相关系数矩阵和互信息量对高光谱图像进行分组得到不同的谱段组并确定出每个谱段组的关键帧；然后根据高光谱图像的特定应用，从各谱段组中提取表征场景局部细节显著性的特征信息，再由深度学习网络训练出表征场景全局轮廓显著性的深层次基于识别和理解的信息，并进行融合，得到表征高光谱图像全面显著性的显著性特征映射图；最后根据该显著性特征映射图提取出各谱段组的感兴趣区域，并在各谱段组全面显著性映射图的指导下进行基于感兴趣区域的Wyner-Ziv有损分布式高光谱图像压缩，实现基于显著性感知和分布式信源编码的高光谱图像深度压缩。

图2. 本发明的授权专利证书及流程图

【合作形式】技术开发、技术转让、作价入股

【联系人】张超                  【联系电话】15737955421