公开(公告)号：CN118470537A

公开(公告)日：2024-08-09

申请号：CN202410663502.6

申请日：2024-05-27

Applicant: 安徽大学 ,  安徽省测绘档案资料馆(安徽省基础测绘信息中心)

Inventor： 王彪 ,  马卫春 ,  厉香蕴 ,  胡玮 ,  杨辉 ,  吴艳兰

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/776 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明属于遥感信息提取技术领域，具体涉及一种基于多特征融合的遥感语义变化检测方法。本发明提出了一种新型遥感语义变化检测孪生卷积网络；首先，为了增强对类内和类间差异相关的评估和感知能力，引入了一个差异特征增强模块。该模块全面地从时间维度捕获特征。接着，为了解决多时序和多层次特征之间的相互关系，研究了特征选择交互模块和模块，实现了变化特征的多维深度融合和交互。这增强了多时序遥感图像内特征之间的信息传递和整合能力。最终，从“感知‑分析‑提取”角度出发，实现了高分辨率遥感影像的语义变化检测，进一步提升了遥感语义变化检测的准确性和实用性，具有重要的研究价值。

公开(公告)号：CN118628929A

公开(公告)日：2024-09-10

申请号：CN202410748707.4

申请日：2024-06-12

Applicant: 安徽大学 ,  安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)

Inventor： 王彪 ,  杨辉 ,  吴艳兰 ,  江鹏 ,  王春林 ,  黄祚继

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06V20/70 ,  G06V10/52 ,  G06V10/80 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于多层次差异信息联合增强的遥感影像变化检测方法。本发明基于高空间分辨率遥感影像数据，构建多层差异信息联合增强的孪生网络，包括：变化检测数据集获取及处理、构建编码‑解码结构的深度模型、构建差异度量模块、构建多层次特征联合增强模块、模型结果精度评价；在深入挖掘多时相影像深度特征的同时，加强对时序影像多层次特征关联下变化信息的利用，提升变化目标的完整性和变化目标间的独立性。本发明提出多层次差异信息联合增强的深度学习网络机制，对于超高分辨率遥感影像变化检测的目标矢量完整性、个体目标分离性显著提升，取得了更好地检测效果，具有重要的研究意义和实用价值。

公开(公告)号：CN118429715A

公开(公告)日：2024-08-02

申请号：CN202410610142.3

申请日：2024-05-16

Applicant: 安徽大学

Inventor： 杨辉 ,  吴艳兰 ,  王彪

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/62 ,  G06V10/77 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/0455

Abstract: 本发明属于药品储藏技术领域，具体涉及一种基于Vision Transformer‑LSTM的多时序遥感影像农作物分类方法。本发明方法设计双路Vision‑Transformer特征提取模块用于捕获图像的时空特征相关性，一路提取空间分类特征，一路提取时间变化特征；时空特征融合模块用于将多时特征信息进行交叉融合；LSTM时序分类模块捕捉多时序的依赖关系并进行输出分类，为农作物分类方法提供了新的思路。具体包括：多时序遥感影像获取、农作物样本集制作、ViTL模型结构设计、模型测试及农作物分类结果精度验证。本发明方法提升了在捕捉植被生长状态及关键农作物特征方面的潜力，为农作物分类任务提供新的解决方案，提高识别不同农作物之间的差异。

公开(公告)号：CN114708313A

公开(公告)日：2022-07-05

申请号：CN202210301648.7

申请日：2022-03-24

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  王彪

IPC: G06T7/33 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/46 ,  G06V10/74 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及图像配准技术领域，涉及一种基于双支路神经网络的光学与SAR图像配准方法，包括：一、提取光学和SAR图像的点特征信息，将点特征信息转化为以特征点为中心的特征图像作为输入信息；二、利用双支路神经网络训练识别输入的光学和SAR的特征图像信息的匹配关系；利用光学和SAR图像的样本数据制作样本库输入到网络中训练，分析网络模型的配准精度，迭代对网络进行训练，选出训练效果最佳的模型作为模型文件，获取光学和SAR的正确图像匹配对；三、筛选出正确匹配的图像对的特征点信息，利用匹配特征点计算光学和SAR的图像变换矩阵参数信息，获取到最终图像信息。本发明能较佳地进行光学和SAR的图像配准。

公开(公告)号：CN114595975A

公开(公告)日：2022-06-07

申请号：CN202210238878.3

申请日：2022-03-11

Applicant: 安徽大学

Inventor： 王彪 ,  杨辉 ,  秦军

IPC: G06Q10/06 ,  G06Q10/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于无人机遥感数据处理技术领域，具体涉及一种基于深度学习模型的无人机遥感松材线虫病害监测方法，该方法包括：步骤一、无人机遥感数据获取、处理：实地勘察了解作业区域实际状况，获取松材线虫病害监测所需数据；步骤二、松材线虫病害样本库的建立：获取对应松材线虫病害标签，构建松材线虫病害样本库；步骤三、设计针对性的松材线虫病害深度学习监测算法：经过空间信息保留模块提取目标空间细节信息，利用上下文信息模块扩大感受野获取上下文信息，结合注意力优化模块对多层次特征进行融合，输出最终提取结果。本发明在应用上取得具有使用价值的无人机遥感松材线虫病害监测技术，推进松材线虫病害监测的应用与发展。

公开(公告)号：CN114494868A

公开(公告)日：2022-05-13

申请号：CN202210061551.3

申请日：2022-01-19

Applicant: 安徽大学

Inventor： 杨辉 ,  王彪 ,  吴艳兰

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了摄影测量处理技术领域的基于多特征融合深度学习模型的无人机遥感建筑物智能提取方法，以“如何利用深度学习，模拟人眼立体视觉中建筑物多特征表达形式”为核心，研究基于孪生网络的DSM(数字表面模型)与DOM(数字正射影像)的多特征融合方法，设计建筑物多特征的特征抽取、分析能力，通过密集注意力机制进一步增强建筑物的特征传递和累积整合特性，将原来使用的单网络结构变为使用对称网络结构，并且两个对称网络结构完全相同，并结合注意力机制，构建混合模型，深度挖掘无人机遥感建筑物的多层次、多维度的特征和空间关系，实现顾及建筑物多层次特征的无人机遥感建筑物自动提取新方法。

公开(公告)号：CN114943902B

公开(公告)日：2025-05-09

申请号：CN202210330867.8

申请日：2022-03-30

Applicant: 安徽大学

Inventor： 杨辉 ,  王彪 ,  吴艳兰

IPC: G06V20/17 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0985 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及无人机遥感分类技术领域，涉及一种基于多尺度特征感知网络的城市植被无人机遥感分类方法，包括：一、对采集的照片进行拼接、校正处理生成无人机正射影像；二、采用目视解译方法构建植被样本数据集；三、基于HRNet网络构建了多尺度特征感知深度神经网络MFDN植被分类模型，训练数据集至模型拟合效果最佳，选取最优模型进行预测并进行精度评价，最终得到城市植被分类结果图，实现无人机遥感城市植被快速调查。本发明在网络输入层引入坐标卷积减少空间信息的丢失，构建多层并行网络增强尺度信息，减少细节特征的丢失，同时利用分离特征模块，扩大感受野并获取多尺度特征信息，有效缓解了植被漏分、错分现象，提高了分类精度。

公开(公告)号：CN114330530B

公开(公告)日：2025-05-09

申请号：CN202111597460.3

申请日：2021-12-24

Applicant: 安徽大学

Inventor： 吴鹏海 ,  吴艳兰 ,  杨辉 ,  王彪

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G01N21/3577

Abstract: 本发明涉及水质参数遥感反演领域，公开了基于空谱融合与模型学习耦合的叶绿素a浓度反演方法，通过获取相同日期MODIS和Sentinel‑2数据，经过预处理，得到样本数据集；构建面向叶绿素a浓度反演的MODIS和Sentinel‑2空‑谱融合深度学习网络，并耦合光谱响应函数、影像退化模型等物理约束，从而获得具有MODIS光谱分辨率和Sentinel‑2空间分辨率的融合数据，为叶绿素a浓度反演提供高空谱分辨率数据源；结合实地采样数据与融合的高空谱分辨率数据，在梯度提升树等机器学习的水质反演算法下验证融合的有效性，结果表明本处理方法有效提高了叶绿素a浓度的反演精度。

公开(公告)号：CN114782740B

公开(公告)日：2025-04-15

申请号：CN202210342843.4

申请日：2022-03-31

Applicant: 安徽大学

Inventor： 王彪 ,  杨辉 ,  霍彦峰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/771 ,  G06V10/58 ,  G06V20/17 ,  G06V20/10 ,  G06N3/126 ,  G16C20/20 ,  G16C20/70 ,  G01N21/25

Abstract: 本发明涉及水质监测技术领域，涉及一种结合遗传优化与极端梯度提升的遥感水质监测方法，包括：一、构建水质参数反演模型输入的特征工程，研究水质参数值与光谱特征的非线性关系；二、构建基于遗传算法优化的极端梯度提升算法，利用遗传算法对极端梯度提升算法部分内置参数进行全局优化，从而构建水质参数反演模型；三、基于构建的最优水质参数反演模型得到河段叶绿素a、总磷、总氮、氨氮以及浊度的反演结果，从而进一步研究河段水质参数空间分布特征、时空变化及其影响因素。本发明对于进一步推动城市水环境监测技术的智能化和自动化水平提供可靠的依据，有利于推动城市河流高效率、高质量的水质监测和保护。

公开(公告)号：CN119494988A

公开(公告)日：2025-02-21

申请号：CN202411852452.2

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 吴艳兰 ,  姜志鹏 ,  杨辉 ,  王彪

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/44 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于遥感语义分割信息提取技术领域，具体涉及一种基于SAM多阶微调的遥感影像土地分类方法。本发明方法能够提高遥感多分类精度与泛化能力，首先基于国产高分系列影像通过目视解译构建样本数据集；并在此基础上，利用SAM编码器强大的特征提取能力设计网络，设计了域偏移适配模块与深度低秩适配模块，并改进原始SAM的掩码生成部分，对SAM进行三阶段适配微调，以增强网络对遥感图像的特征提取能力，提升模型性能。本发明在应用上，取得具有实用价值的遥感土地利用覆盖多分类技术，以期切实地推进大模型在遥感图像语义分割多分类中的应用与发展。