公开(公告)号：CN119295756A

公开(公告)日：2025-01-10

申请号：CN202411812830.4

申请日：2024-12-10

Applicant: 安徽大学

Inventor： 徐凯 ,  钱磊 ,  马会阳 ,  贾兆红 ,  梁栋 ,  程志友

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种抗非对齐的SAR‑光学影像耦合对比融合建筑物分割方法。本发明包括以下步骤：构建建筑物遥感影像分割多模态数据集；构建抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；训练抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型结果获取。与现有技术相比，解决了现有方法在处理多模态图像对弱对齐问题时，注重严格的模态对齐从而忽略了模态间的差距。本发明通过偏移引导自适应特征对齐模块捕获最佳的对齐位置，从而实现模态间的自适应对齐。进一步通过多模态图像融合的耦合对比学习框架提取模态间的互补特征，从而减少融合结果的冗余信息，保证分割结果的精度和鲁棒性。

公开(公告)号：CN118864865A

公开(公告)日：2024-10-29

申请号：CN202411345013.2

申请日：2024-09-25

Applicant: 安徽大学

Inventor： 徐凯 ,  汪帮俊 ,  朱洲 ,  钱磊 ,  贾兆红

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及一种基于对比学习和多模态融合的遥感影像水体分割方法，与现有技术相比，解决了现有的方法在处理遥感影像水体分割问题时，分割性能严重依赖训练样本的数量及质量和忽视了不同模态之间的互补信息，从而导致分割结果的精度和鲁棒性不足的问题。本发明包括以下步骤：获取多模态的遥感影像数据集、构建基于对比学习和多模态融合的遥感影像水体分割模型、基于对比学习和多模态融合的遥感影像水体分割模型训练、水体分割结果获取。本发明充分利用了遥感影像中的多模态信息，通过对比学习提取各模态间的互补和对比特性，进一步通过多模态融合策略整合各模态信息，从而在规则化和优化水体分割的解空间，保证分割结果的精度和鲁棒性。

公开(公告)号：CN117908580A

公开(公告)日：2024-04-19

申请号：CN202410080326.3

申请日：2024-01-19

Applicant: 安徽大学

Inventor： 贾兆红 ,  陈宽燕 ,  刘闯

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明公开了一种基于重构混合动态策略和多种群差分算法的多无人机协同航迹规划方法，包括：1)在考虑空间和时间协同约束下，为多无人机协同航迹规划建立了完善的多约束目标模型；2)将重构混合动态策略多种群差分算法应用于多无人机协同航迹规划模型，并得到多无人机协同航迹规划方案。本发明能适用于三维复杂场景下多无人机协同航迹规划，能同时为多无人机找到近似最优的协同规划路径，从而达到减少成本，改善多无人机协同飞行路径的目的。

公开(公告)号：CN117849795A

公开(公告)日：2024-04-09

申请号：CN202410054007.5

申请日：2024-01-15

Applicant: 安徽大学

Inventor： 徐凯 ,  朱洲 ,  汪安铃 ,  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：CN117788281A

公开(公告)日：2024-03-29

申请号：CN202410025880.1

申请日：2024-01-08

Applicant: 安徽大学

Inventor： 徐凯 ,  汪安铃 ,  朱州 ,  陈咏夷 ,  贾兆红

IPC: G06T3/4007 ,  G06T3/4038 ,  G06T5/80 ,  G06T17/00 ,  G06V20/10

Abstract: 本发明涉及低POS精度的机载线阵高光谱影像区域影像拼接方法及系统，与现有技术相比实现了低POS精度下大区域机载线阵高光谱影像高精度多轨拼接。本发明包括以下步骤：附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理；利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正；地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配；航带定位基准一致的分块校正与多航带影像拼接。本发明实现利用交叉航带配置有效消除系统误差，以航带间同名点坐标误差聚类分块结果为单位进行拼接，有效解决沿轨和垂轨向误差变化所引起的航带间影像错误，为高光谱影像的大区域应用提供高质量数据。

公开(公告)号：CN117746628A

公开(公告)日：2024-03-22

申请号：CN202311746926.0

申请日：2023-12-19

Applicant: 安徽大学

Inventor： 贾兆红 ,  袁杰 ,  杨博

IPC: G08G1/01 ,  G06Q10/04 ,  G06Q50/26 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明涉及一种基于动态图注意力时空网络的道路交通安全预测方法。在本方法中，首先提出了一个动态图注意力模块，该结构通过对道路空间特征和其周围重要特征建筑的依赖关系动态调整权重。其次，本发明还提出了一个时空卷积模块，该模块由图卷积层连接两个时间卷积层组成。通过在时空卷积层分别降低和升高特征维度，以减少参数的数量。时间卷积层中是带有不同激活函数的两个扩展卷积，并对其输出进行连接，用来提取时间特征；图卷积层通过对通道进行尺度的升降，实现尺度压缩和特征压缩，利用交通网络的拓扑性质提取空间特征。最后，处理天气等外部数据时使用了全连接网络。三个模块的结果进行特征融合后经过最后的全连接层实现输出最终预测数据。本发明通过提高交通事故预测的准确性来减少潜在的交通事故风险。

公开(公告)号：CN117689579A

公开(公告)日：2024-03-12

申请号：CN202311704091.2

申请日：2023-12-12

Applicant: 安徽大学

Inventor： 徐凯 ,  汪安铃 ,  陈咏夷 ,  贾兆红 ,  鞠薇 ,  邬伯才

IPC: G06T5/73 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，所述方法包括以下步骤：获取厚云遮挡光学遥感影像、无云参考影像和SAR影像三元数据集；构建渐进式双解耦的SAR辅助遥感影像厚云去除模型；训练渐进式双解耦的SAR辅助遥感影像厚云去除模型；待厚云去除的厚云遮挡光学遥感影像及对应SAR影像数据的获得及预处理；光学遥感影像厚云去除结果的获得。与现有技术相比，通过构建SAR和光学影像渐进式融合模块，充分利用两种模态间的互补信息，加强对光学影像缺失信息的补充和对SAR影像中噪声、形变的抑制。同时本发明设计的频域和空域双解耦特征处理架构，使得去云影像在光谱信息和结构信息的保持上均表现优异。

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：CN117291189A

公开(公告)日：2023-12-26

申请号：CN202311575611.4

申请日：2023-11-24

Applicant: 安徽大学

Inventor： 李春春 ,  杨思逸 ,  梁栋 ,  贾兆红 ,  陈鹏 ,  黄林生 ,  曾伟辉 ,  王伟

IPC: G06F40/295 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G06N3/088 ,  G06F18/213

Abstract: 本申请涉及一种基于MA‑RBC模型的水稻病虫害命名实体识别方法，其中，该基于MA‑RBC模型的水稻病虫害命名实体识别方法包括：获取待识别数据；通过训练后的MA‑RBC模型对所述待识别数据中的水稻病虫害命名实体进行识别，得到目标水稻病虫害命名实体；其中，所述MA‑RBC模型包括依次连接的预训练语言层、循环神经网络层、多头自注意力层和统计层。解决了MA‑RBC模型模型识别的准确率问题，实现了提高水稻病虫害实体识别的准确率。所述鲁棒优化的波特预训练层采用动态掩码进行预训练，且所述鲁棒优化的波特预训练层的最大输入序列长度为512，从多个数据源中获取样本数据。通过本申请，解决了MA‑RBC模型模型识别的准确率问题，实现了提高水稻病虫害实体识别的准确率。

公开(公告)号：CN116798125A

公开(公告)日：2023-09-22

申请号：CN202310798381.1

申请日：2023-07-03

Applicant: 安徽大学

Inventor： 贾兆红 ,  程建军 ,  王科 ,  叶鸿 ,  郑辉

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于选择性部分特征融合的步态识别方法，属于步态识别技术领域，具体包括以下步骤：对步态识别数据集样本进行预处理，生成步态视频轮廓序列，将所述步态识别视频轮廓序列分批次输入3D卷积网络中进行特征提取；将提取到的特征输入到多尺度局部时间聚合模块中捕获区分性的运动特征；将所述运动特征再次输入3D卷积网络中提取细粒度的步态特征；将所述步态特征输入空间注意力模块中提取判别性的空间特征；将所述空间特征输入全连接层获取每个样本的预测概率；当训练次数达到预设次数时，输出符合要求的步态识别模型；本发明得到的步态特征更具有判别性，大大提高了对于不同个体的识别效果。