公开(公告)号：CN118799183A

公开(公告)日：2024-10-18

申请号：CN202411027238.3

申请日：2024-07-30

Applicant: 安徽大学

Inventor： 梁栋 ,  高微 ,  王科 ,  叶鸿

IPC: G06T3/4053 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0442 ,  G06T7/30

Abstract: 本发明公开了一种空间、频域联合的任意尺度多模态遥感图像的超分辨率重建方法，包括：1、获取低分辨率的多模态遥感图像集与高分辨率图像，2、构建超分辨率重建网络，包括：上采样模块、浅层特征提取模块、N个级联的编码器模块、多模态融合模块、中间模块和N个级联的解码器模块以及通道映射模块，3、通过反向传播算法对所述超分辨率重建网络进行训练，并使用损失函数计算网络损失以更新网络参数，直至损失函数收敛为止，从而得到训练好的超分辨率重建模型。本发明能在大因子退化的场景下，解决重建结果语义错误和模糊效果的问题，从而能提高重建图像质量。

公开(公告)号：CN118781498A

公开(公告)日：2024-10-15

申请号：CN202411097043.6

申请日：2024-08-12

Applicant: 安徽大学

Inventor： 梁栋 ,  方俊杰 ,  王科 ,  刘少杰

IPC: G06V20/13 ,  G06N3/0455 ,  G06V10/44 ,  G06N3/08 ,  G06V10/82 ,  G06N3/048 ,  G06V10/80

Abstract: 本发明公开了一种基于多尺度特征互补和校验注意力网络的遥感图像变化检测方法，包括：1.将同一地区的不同时间的双时态RGB图像对作为输入进行特征提取；2.将每个阶段的双时态特征对输入到解码器中，其中包含多尺度特征互补模块和对互补特征对的减法操作；3.通过视野扩张模块和校验注意力模块进行渐进式跨尺度特征融合并通过网络的训练与优化得到最佳遥感图像变化检测网络，用于对任意双时态遥感图像进行高精度的变化检测。本发明能够减弱多个尺度上特征之间冗余信息的影响，并通过渐进式融合以获得检测效果更优的变化范围图像，从而更好地挖掘变化的特征信息，并提高对变化区域检测效果。

公开(公告)号：CN118537754A

公开(公告)日：2024-08-23

申请号：CN202410628551.6

申请日：2024-05-21

Applicant: 安徽大学

Inventor： 陈鹏 ,  王子怡 ,  章军 ,  王兵 ,  黄林生 ,  赵晋陵 ,  梁栋

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于无人机的水稻幼苗计数方法，包括：得到水稻全景图片；得到预处理后的水稻图片；生成包含训练集、验证集和测试集的矩形框标注数据集；对YOLOv8网络进行改进，得到改进后的YOLOv8网络即水稻幼苗检测模型；得到训练后的水稻幼苗检测模型；对待预测的水稻图片进行预处理，输入训练后的水稻幼苗检测模型，训练后的水稻幼苗检测模型输出无人机拍摄水稻幼苗计数结果。本发明使得预测的特征图不仅具备了高度的语义信息，还包含了丰富的位置信息，为模型提供了更全面、更准确的信息基础，从而提高了目标检测任务的精度和鲁棒性，这个颈部网络的设计不仅提高了模型对目标的识别能力，也使得模型在处理复杂场景和遮挡情况下表现更加出色。

公开(公告)号：CN118172688B

公开(公告)日：2024-08-13

申请号：CN202410334921.5

申请日：2024-03-22

Applicant: 安徽大学

Inventor： 朱奇磊 ,  梁栋 ,  唐俊 ,  王科

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/26 ,  G06N3/0464

Abstract: 本发明涉及一种基于DeeplabV3+和Unet网络架构的无人机小麦倒伏影像分割方法，包括：利用无人机获取田间小麦种植区域的可见光遥感RGB影像进行预处理；基于DeeplabV3+与UNet结构网络构建小麦倒伏分割模型；将预处理后的无人机遥感RGB影像作为训练样本输入到小麦倒伏分割模型进行训练；获取待分割小麦倒伏区域影像，并进行预处理；将预处理后的待分割小麦倒伏区域影像输入小麦倒伏分割网络模型中，得到小麦作物倒伏区域图片的分割结果。本发明提高语义分割效果，有利于小麦倒伏分割提取任务；将主干特征提取网络各阶段输出结果与编码输出特征进行特征信息融合重建，逐步完善分割模型在不同尺度重建过程中的细节融合，从而提高小麦倒伏区域的分割精度。

公开(公告)号：CN117849795B

公开(公告)日：2024-08-02

申请号：CN202410054007.5

申请日：2024-01-15

Applicant: 安徽大学

Inventor： 徐凯 ,  汪安铃 ,  朱洲 ,  陈咏夷 ,  梁栋 ,  贾兆红

IPC: G01S13/90

Abstract: 本发明设计一种顾及成像特性误差补偿的扫描成像模式SAR的几何处理方法，与现有技术相比解决了扫描成像模式SAR应用对高精度几何质量数据的要求，以及成像特性误差对几何定位精度带来的严重影响缺陷。本发明包括以下步骤：扫描成像模式SAR几何处理数据准备及预处理，升降轨异视配置下的扫描成像模式SAR距离和方位向时延系统误差自补偿，距离向和方位向的成像特性误差自适应补偿，子带SAR影像的基准传递标定，扫描成像模式多子带SAR影像拼接处理。本发明通过多重步骤补偿几何误差，包括预处理、自补偿、误差自适应补偿、基准传递标定和多子带拼接，提高了扫描成像模式SAR影像几何质量，为后续遥感应用提供可靠基础。

公开(公告)号：CN117911830B

公开(公告)日：2024-05-28

申请号：CN202410321562.X

申请日：2024-03-20

Applicant: 安徽大学

Inventor： 徐凯 ,  陈咏夷 ,  梁栋 ,  秦智泉

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/54 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。

公开(公告)号：CN117408920A

公开(公告)日：2024-01-16

申请号：CN202311449679.8

申请日：2023-11-02

Applicant: 安徽大学

Inventor： 李宁 ,  梁栋 ,  沈玲

IPC: G06T5/77 ,  G06T5/60 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06N3/0985

Abstract: 本发明公开了一种基于多尺度特征和注意力机制的多样性图像修复方法，包括S1：预处理数据集中图像，预处理后的数据集中包括受损图像和真实图像；S2:构建多尺度特征和分离注意力的多样化图像修复网络；S3：将步骤S1中图像数据集中训练集的真实图像和掩码数据集中训练集的受损图像输入步S2构建的多样化图像修复网络；S4：将步骤S3处理后的图像经过语义注意力层和空洞卷积模块输出特征图，并将输出的特征图像拼接在一起合成一个特征图，并通过图像修复模型进行修复。采用多尺度特征表示模块从图像中提取多尺度空间信息细化粗糙结果，同时具有较快的推理速度，且配合使用注意力机制，使得模型在补全受损图像时，提高了生成的修复图像的视觉质量。

公开(公告)号：CN117235886A

公开(公告)日：2023-12-15

申请号：CN202311207520.5

申请日：2023-09-19

Applicant: 安徽大学

Inventor： 梁栋 ,  程浩 ,  王辛迪

IPC: G06F30/15 ,  H04W24/02 ,  H04W4/40 ,  G05D1/10 ,  G06F30/27 ,  G06F18/214 ,  G06F18/23 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明涉及一种基于用户分布时序预测的无人机辅助通信系统优化方法，包括：建立无人机机载电源电池组的数学模型；建立无人机与用户之间的关联性指标；利用高斯混合分布对地面用户的二维坐标进行聚类，通过期望最大化算法得到高斯混合分布的参数；得到未来时刻混合高斯分布的参数；利用长短期记忆网络模型实现对用户分布在时间维度上的特征提取，得到地面用户群的大致分布情况；求出最大化无人机系统吞吐量和最小化能耗的飞行轨迹。本发明通过多种算法的融合构建了一个整体的决策框架，使得无人机能够更加精准地感知环境、预测未来分布趋势，可以帮助无人机规划最佳路径，在服务用户的同时，能最大程度地减少能源消耗和时间开销。

公开(公告)号：CN111461052B

公开(公告)日：2023-05-23

申请号：CN202010286392.8

申请日：2020-04-13

Applicant: 安徽大学

Inventor： 张东彦 ,  丁洋 ,  陈鹏飞 ,  梁栋 ,  张向前 ,  杜世州 ,  琚书存 ,  洪琪

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明涉及图像识别技术领域，特别涉及一种基于迁移学习的多个生育期小麦倒伏区域识别方法，包括以下步骤：A、拍摄待识别麦田的RGB图像和/或多光谱图像；B、对图像进行拼接和剪裁得到待识别麦田的完整图；C、将待识别麦田的完整图导入训练好的DeepLabv3+模型中进行倒伏区域的识别。这里基于DeepLabv3+网络模型，采用迁移学习的方式构建两种方法实现多生育期小麦倒伏区域提取，基于无人机影像和迁移学习方法可以有效获取多时期的倒伏小麦特征，实现高精度的小麦区域自动提取，使得精准检测小麦倒伏区域称为可能，为研究小麦倒伏影响因素提供有力的数据支持；该方法受环境影响小，且实现起来方便，在训练好DeepLabv3+模型以后，只需要拍摄待识别麦田的图像导入模型中即可自动识别倒伏区域。

公开(公告)号：CN115855045A

公开(公告)日：2023-03-28

申请号：CN202211621639.2

申请日：2022-12-16

Applicant: 安徽大学

Inventor： 段章领 ,  仰劲涛 ,  梁栋 ,  唐俊 ,  黄林生 ,  陈荪灿 ,  王坤 ,  周行云 ,  彭志 ,  夏浩源 ,  郭凡奇

IPC: G01C21/16 ,  G06T17/05 ,  G01C21/00 ,  G01S17/86

Abstract: 本发明涉及矿井巷道建图与定位技术领域，解决了弱特征下且GNSS无法作用的矿井下定位与建图困难的技术问题，尤其涉及一种应用于矿井巷道的多模态融合建图与定位方法，包括以下步骤：获取相机当前帧的图像信息，并从当前帧的图像信息中提取点特征和线特征；根据当前帧的图像信息采用KLT算法和KnnMatch算法分别跟踪当前滑动窗口关键帧的点特征和线特征得到新的视觉点线特征信息；获取激光雷达当前激光帧的点云信息，计算点云信息中每个点的曲率，并根据每个点的曲率划分出边特征和面特征。本发明达到了能够做到高精度实时定位和建图，并且时间上和功耗上均衡的目的。