公开(公告)号：CN114839632A

公开(公告)日：2022-08-02

申请号：CN202210414908.1

申请日：2022-04-20

Applicant: 安徽大学

Inventor： 徐凯 ,  王子怡 ,  王文昕

IPC: G01S13/90

Abstract: 本发明涉及一种联合非摄影测量观测条件约束的SAR无控几何定标方法及其系统，与现有技术相比解决了需依赖地面几何定标场数据进行定标的缺陷。本发明包括以下步骤：构建附加非摄影测量观测条件约束的无场几何定标模型；附加非摄影测量观测条件约束的无场几何定标求解准备工作；对附加非摄影测量观测条件约束的无场几何定标模型求解。本发明提出一种具有较好操作性的联合非摄影测量观测条件约束的SAR无控几何定标方法及系统，能实现SAR卫星无场化自定标，从而有效保障SAR卫星的几何定位精度。

公开(公告)号：CN118247681B

公开(公告)日：2024-08-09

申请号：CN202410651396.X

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  赵靖齐 ,  袁明宇 ,  魏薇 ,  汪安铃 ,  鞠薇

IPC: G06V20/13 ,  G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法，所述方法包括以下步骤：基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比，通过场景级语义引导模块不仅提供了长程上下文信息，还能捕捉局部细节，从而更好地理解图像中的场景信息，而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域，避免误检和漏检的问题，并且能够实现对边界更精细的分割，为云检测任务带来了重大的性能提升。

公开(公告)号：CN118247681A

公开(公告)日：2024-06-25

申请号：CN202410651396.X

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  赵靖齐 ,  袁明宇 ,  魏薇 ,  汪安铃 ,  鞠薇

IPC: G06V20/13 ,  G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法，所述方法包括以下步骤：基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比，通过场景级语义引导模块不仅提供了长程上下文信息，还能捕捉局部细节，从而更好地理解图像中的场景信息，而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域，避免误检和漏检的问题，并且能够实现对边界更精细的分割，为云检测任务带来了重大的性能提升。

公开(公告)号：CN117522824A

公开(公告)日：2024-02-06

申请号：CN202311531117.8

申请日：2023-11-16

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  汪安铃 ,  陈咏夷 ,  张飞翔 ,  贾兆红

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/90 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。

公开(公告)号：CN115830597A

公开(公告)日：2023-03-21

申请号：CN202310014291.9

申请日：2023-01-05

Applicant: 安徽大学

Inventor： 徐凯 ,  张飞翔 ,  王文昕

IPC: G06V20/70 ,  G06V10/26 ,  G06V20/13 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于伪标签生成的从局部到全局的域自适应遥感影像语义分割方法，所述方法包括以下步骤：基于伪标签生成的从局部到全局的域自适应遥感影像语义分割准备工作、构建与训练基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型、对基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型求解和验证。与现有技术相比通过构建从局部到全局的域自适应遥感影像语义分割网络，解决了超高分辨率遥感影像难以自适应的问题，并从局部语义特征差异到全局结构特征差异进行特征对齐，得到局部以及全局的特征表示，使超高分辨率遥感影像域自适应的语义分割精度得到提升。

公开(公告)号：CN115830471A

公开(公告)日：2023-03-21

申请号：CN202310007711.0

申请日：2023-01-04

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  张飞翔

IPC: G06V20/13 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种多尺度特征融合和对齐的域自适应云检测方法，所述方法包括以下步骤：多尺度特征融合和对齐的域自适应云检测准备工作、构建与训练多尺度特征融合和对齐的域自适应云检测模型、对多尺度特征融合和对齐的域自适应云检测模型测试和求解。与现有技术相比，通过构建多尺度特征融合和对齐的域自适应网络，及提出的多尺度特征融合模块和特征对齐模块。与现有云检测技术相比，本发明解决了现有云检测技术对于碎云及边界检测困难，并且使云检测网络生成源和目标域数据集的域不变特征，从而解决由于域差异导致的难以将源训练模型推广至目标数据集的问题。

公开(公告)号：CN115015931A

公开(公告)日：2022-09-06

申请号：CN202210626755.7

申请日：2022-06-05

Applicant: 安徽大学

Inventor： 徐凯 ,  刘思远 ,  王子怡 ,  王文昕 ,  张飞翔

IPC: G01S13/90 ,  G01S7/40

Abstract: 本发明设计一种无需外部误差校正的实时差分立体SAR几何定位方法及系统，与现有技术相比解决了常规立体SAR几何定位对精密定轨数据的要来，以及需要对观测值进行大气误差改正等缺陷。本发明包括以下步骤：差分立体观测数据准备；差分观测值的获取；差分立体方程构建；差分立体方程求解。本发明无需高精度精密定轨数据和外部大气校正情况下，仅在一个参考坐标点的基础上，实现高精度立体SAR几何定位精度，满足对实时性较高的高精度几何定位应用需求。