公开(公告)号：CN114943902A

公开(公告)日：2022-08-26

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 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  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：CN114708501A

公开(公告)日：2022-07-05

申请号：CN202210314950.6

申请日：2022-03-28

Applicant: 安徽大学

Inventor： 王彪 ,  杨辉 ,  吴艳兰

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及遥感影像建筑物检测技术领域，涉及一种基于条件对抗网络的遥感影像建筑物变化检测方法，包括：1)利用全卷积网络，研究多源高分辨率影像建筑物的语义分析和自适应传播方法，研究多时相建筑物形态特征感知方法及隐式概率分布；2)利用损失函数进行网络的优化和训练，开展建筑物多态模拟集的自学习、分析和生成，同时进行真实性判定、优化和对抗，研究生成模型与判别模型之间的对抗与优化方法，提取建筑物的变化概率分布；3)研究建筑物的域不变特征分析方法，加入分类器模型，获取建筑物变化检测结果；4)利用地表真实变化数据进行多种方式的定性与定量评价。本发明利用条件对抗网络实现建筑物变化的有效判定和提取。

公开(公告)号：CN108898085B

公开(公告)日：2022-06-21

申请号：CN201810637986.1

申请日：2018-06-20

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  朱晓峻

IPC: G06V20/40 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  H04N5/91 ,  H04N5/92 ,  H04W4/02

Abstract: 本发明公开了道路检测技术领域的一种基于手机视频的道路病害智能检测方法，包括以下步骤：第一步、采集道路病害图像，制作成不同类型的道路病害训练样本集，构建一个深度学习网络，对搜集的样本进行训练，得到一个好的深度学习模型；第二步、用手机采集具有GPS信息的视频，并将视频分割成不同时间序列的图像；第三步、将采集的视频图像代入训练好的模型中，识别出不同类型的道路病害，同时利用语义分割提取道路病害的矢量边界以及相应图像中像素坐标；第四步、对手机参数进行标定，获取单目视觉量测的计算参数，根据获取道路病害边界的像素坐标，计算道路病害的尺寸、面积、实际位置等信息；本发明适用于更多道路病害类型、准确度高。

公开(公告)号：CN111986256A

公开(公告)日：2020-11-24

申请号：CN202010825485.3

申请日：2020-08-17

Applicant: 安徽大学

Inventor： 吴艳兰 ,  倪建华 ,  杨辉

IPC: G06T7/66

Abstract: 本发明公开了地图学与地理信息科学技术领域的一种基于距离变换的复杂面域质心解算方法，包括如下步骤：起终点选取、距离变换与栅格力矩值计算、求取一条质心平衡线和最后求取面域质心，根据物理学中悬垂法求取物体质心的原理，结合地图代数中距离变换的方法，提出一种新的提取复杂面域质心的解算方法，不仅可以解决带有空洞的复杂面域质心计算，而且能够处理地理学中非匀质地理要素的质心求解难题，克服了现有技术的缺陷，易于操作实现，对地理特征的研究具有重要意义。

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。

公开(公告)号：CN118968303A

公开(公告)日：2024-11-15

申请号：CN202411063990.3

申请日：2024-08-05

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) ,  安徽省生态环境监测中心(安徽省重污染天气预报预警中心)

Inventor： 杨辉 ,  王春林 ,  王彪 ,  徐升 ,  潘成荣 ,  秦军 ,  张曦 ,  张蕊 ,  孙金彦

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了高空间分辨率光学遥感影像的细小水体自动化提取方法，涉及图像处理和目标识别技术领域，针对当前城市区域水体智能提取中存在细小水体丢失，受到建筑物阴影的严重影响问题，将人眼视觉认知相关理论与深度学习模型相结合，构建伪孪生神经网络和Densenets深度学习模型，包括：高空间分辨率光学遥感影像预处理、水体样本集制作、模型构建、基于上下文信息的建筑物阴影去除。实现遥感影像多特征并行自学习和多特征整合，减少建筑物阴影对水体提取精度的影响。取得具有实用价值的高空间分辨率光学遥感影像城市区域水体全自动分类技术，提升城市区域细小水体提取的精度，实现城市区域水体的完整提取，极大地提高城市区域水体提取的效率。

公开(公告)号：CN118279324A

公开(公告)日：2024-07-02

申请号：CN202410275723.6

申请日：2024-03-12

Applicant: 安徽大学

Inventor： 张贺 ,  吴鹏海 ,  朱晓峻 ,  杨辉

IPC: G06T7/11 ,  G06T7/62 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明涉及一种多源数据协同的热红外云下地表温度高保真重建方法，本发明首先获取长时序热红外地表温度数据、中国气象局陆面数据同化系统地表温度产品及已发布热红外地表温度数据，并构建热红外云下地表温度重建样本集；其次，设计多源数据协同的地表温度高保真重建生成对抗网络模型，并通过卷积注意力机制模块和残差网络单元避免细节损失，最后得到空间连续的高保真热红外遥感地表温度数据；本发明集成了中国气象局陆面数据同化系统地表温度产品的空间连续性和已发布热红外地表温度数据的空间细节参考性等优势，有效解决了现有方法在云下信息重建时纹理细节保持不足、非云下信息重建时存在误差等问题，最终实现云下地表温度信息的高保真重建。