公开(公告)号：CN116188993A

公开(公告)日：2023-05-30

申请号：CN202310289901.6

申请日：2023-03-23

Applicant: 安徽大学

Inventor： 黄林生 ,  施倩 ,  杨贵军 ,  杨浩 ,  赵晋陵 ,  翁士状

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多任务学习的遥感图像耕地地块分割方法，包括：制作耕地地块数据集；得到改进后的边缘检测模型DexiNed作为边缘分支；搭建语义分支，边缘分支和语义分支共同组成基于多任务学习的耕地地块识别网络模型；自适应调整耕地地块识别网络模型的子任务损失权重；将耕地地块数据集输入到耕地地块识别网络模型中进行训练；将待分割的大尺度遥感影像输入训练后的耕地地块识别网络模型中，采用膨胀滑窗预测方法进行预测，得到该区域的耕地地块识别结果。本发明以深度学习方法为基础搭建网络模型，能够提取上下文信息、高阶语义信息、空间形态信息等更加丰富的高级特征，从而使地块识别准确性和鲁棒性更优。

公开(公告)号：CN113240697A

公开(公告)日：2021-08-10

申请号：CN202110519829.2

申请日：2021-05-13

Applicant: 安徽大学

Inventor： 黄林生 ,  邵松 ,  罗耀武 ,  张娜 ,  施倩 ,  张寒苏

IPC: G06T7/194 ,  G06T7/13 ,  G06T7/33 ,  G06T5/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。

公开(公告)号：CN113240697B

公开(公告)日：2022-10-18

申请号：CN202110519829.2

申请日：2021-05-13

Applicant: 安徽大学

Inventor： 黄林生 ,  邵松 ,  罗耀武 ,  张娜 ,  施倩 ,  张寒苏

IPC: G06T7/194 ,  G06T7/13 ,  G06T7/33 ,  G06T5/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种生菜多光谱图像前景分割方法，与现有技术相比解决了多镜头多光谱相机各通道之间存在偏差以及传统方法无法精确提取生菜前景区域的缺陷。本发明包括以下步骤：生菜多光谱图像的获取和预处理；行边缘提取操作；生菜多光谱图像的配准；图像分割模型的建立；图像分割模型的训练；待分割图像的获取和处理；待分割图像结果的获得。本发明能够对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割，其单张图像的配准时间为0.92s，配准精确度达到99％。