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。

公开(公告)号：CN116794737A

公开(公告)日：2023-09-22

申请号：CN202310758397.X

申请日：2023-06-26

Applicant: 安徽大学

Inventor： 吴鹏海 ,  李婵 ,  杨添 ,  黄晓涵 ,  杨辉 ,  马晓双

IPC: G01V3/38 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G01V3/12

Abstract: 本发明属于遥感图像智能处理技术领域，具体涉及一种样本优化的被动微波数据无缝重建深度学习方法，本发明获取具有轨道间隙缺失的被动微波数据，充分利用轨道间隙的周期性和相邻时相空间互补性，通过小范围缺失样本对插值生成方法和单次循环掩膜策略进行样本优化，融合U‑net和Transformer构建多时相特征连接重建网络模型，实现无缝重建，得到分布连续、重建区域与原始区域无缝连接的遥感数据。本发明方法有效解决了现有深度学习重建方法在样本数量较少、样本特征不够丰富时，重建结果存在明显的“有缝”痕迹的局限；适用于所有具有轨道间隙的被动微波影像数据或定量参量数据重建，将为全球或区域尺度上被动微波数据的空间完整监测发挥重要作用。

公开(公告)号：CN114494868B

公开(公告)日：2022-11-22

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 ,  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：CN110110621B

公开(公告)日：2022-03-08

申请号：CN201910329481.3

申请日：2019-04-23

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  王彪

IPC: G06V20/17 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了摄影测量数据处理技术领域的基于多特征整合深度学习模型的倾斜摄影点云分类方法，首先，通过研究顾及视觉注意力机制的点云分类优化，实现点云立体视觉注意特征分析方法，以及基于深度学习的立体目标视觉注意力评估方法，并进行识别目标注意力强弱评估与排序；其次，利用立体视觉注意力机制，对待识别的倾斜摄影点云进行点云过滤，开展点云初级特征描述及自学习子模型研究；最后，经过点云场景相对于待识别目标的视觉注意力机制过滤后的点云作为待识别点云；本发明在应用上，取得具有实用价值的倾斜摄影实景点云分类技术，以期切实地推进倾斜摄影应用由“可视化”向“可计算”方向发展。

公开(公告)号：CN111079835A

公开(公告)日：2020-04-28

申请号：CN201911294229.X

申请日：2019-12-16

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  江鹏

IPC: G06K9/62 ,  G06N3/04 ,  G01N21/31 ,  G01N21/17

Abstract: 本发明公开了气溶胶遥感技术领域的一种基于深度全连接网络的Himawari-8大气气溶胶反演方法，首先获取Himawari-8静止卫星的NetCDF4格式的遥感影像数据，获得反演模型所需的因变量数据集，其次，获取Himawari-8影像对应时间的AERONET站点1.5等级去云和质量控制的气溶胶产品数据，获得反演模型所需的自变量数据，接着，用整理好的数据集进行深度全连接网络的深度学习模型构建，并进行模型参数设置，用以获取Himawari-8遥感影像数据和地面AERONET站点气溶胶数据之间的关系，构建气溶胶反演模型，最后，将训练得到的深度全连接反演模型应用与监测点上空的Himawari-8遥感影像，得到对应监测位置的AOD反演结果；本发明气溶胶反演过程无需引入其他辅助数据，使其反演过程误差减少，提高AOD反演精度。

公开(公告)号：CN108898085A

公开(公告)日：2018-11-27

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: G06K9/00 ,  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：CN108846334A

公开(公告)日：2018-11-20

申请号：CN201810542454.X

申请日：2018-05-30

Applicant: 安徽大学

Inventor： 闵松寒 ,  殷志祥 ,  杨辉 ,  吴艳兰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F17/30

Abstract: 本发明公开了数字图像识别和深度学习技术领域的一种云类别自动识别方法及系统，包括数据采集模块、云图识别模块、云图结果展示模块和模型构建模块，所述云图结果展示模块分别信号连接数据采集模块、云图识别模块和模型构建模块，通过在密集连接卷积网络(Dense Net)的基础上，提出一种改进的Dense Net，结合手机APP开发和摄像头监测视频处理等技术，解决了由于云的种类繁多，部分提取的特征针对性较强，难以从海量的云图数据中提取有效的特征，不能充分挖掘不同云图之间的内在联系的问题，结构简单，效率提高。

公开(公告)号：CN114708501B

公开(公告)日：2025-04-08

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 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  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。