公开(公告)号：CN118675034A

公开(公告)日：2024-09-20

申请号：CN202410745855.0

申请日：2024-06-11

Applicant: 安徽大学 ,  安徽省城建设计研究总院股份有限公司 ,  长江信达软件技术(武汉)有限责任公司

Inventor： 王彪 ,  吴艳兰 ,  杨辉 ,  张灿 ,  孟玉 ,  王帅

IPC: G06V10/84 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06V10/776

Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于贝叶斯的深度学习遥感水质反演黑臭水体识别方法。针对当前黑臭水体识别方法研究不完善，水质参数遥感反演中又存在精度低、种类少，特别是普通神经网络在数据量较少时存在严重的过拟合现象，本发明基于BO‑CNN‑LSTM模型反演水质参数，进而划定指标阈值识别黑臭水体，包括：遥感影像数据获取及处理、特征波段选择、初始化CNN‑LSTM模型构建、贝叶斯算法优化寻参、模型结果输出及精度验证，划定水质参数指标阈值并获取黑臭水体识别结果。实现多类别、多尺度、大范围的智能化水质参数反演，提高水质参数反演精度，拓展黑臭水体识别研究方法，为区域水环境保护和水体污染治理等工作提供基础数据支撑和科学依据。

公开(公告)号：CN118587595A

公开(公告)日：2024-09-03

申请号：CN202410737155.7

申请日：2024-06-07

Applicant: 安徽大学 ,  安徽省第二测绘院

Inventor： 杨辉 ,  侯恩兵 ,  王彪 ,  吴艳兰 ,  任光耀

IPC: G06V20/10 ,  G06V10/52 ,  G06V10/46 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于双阶任务机制网络的建筑物变化检测方法，涉及图像处理技术领域，利用双阶任务机制网络构建建筑物变化检测模型，用于根据前时相图像和后时相图像，输出建筑物的变化检测结果；双阶任务机制网络将建筑物变化检测任务分为特征优化选择和跨尺度递进融合两个阶段来处理，从而实现图像多尺度、多时相、多特征整合，减少人为干预对建筑物变化检测精度的影响。本发明提高建筑物变化检测精度，取得了更好的检测效果，为城市规划和地质灾害评估等工作提供有力的技术支撑。

公开(公告)号：CN118537733A

公开(公告)日：2024-08-23

申请号：CN202410671607.6

申请日：2024-05-28

Applicant: 安徽大学 ,  安徽省第二测绘院

Inventor： 吴艳兰 ,  王彪 ,  杨辉 ,  侯恩兵 ,  任光耀

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于特征一致性感知的遥感影像道路提取方法，步骤如下：数据集获取及样本集制作、初始道路提取网络结构设计、特征增强和特征一致性感知模块、损失函数优化模型、模型结果评估。本发明设计特征增强和特征一致性感知网络，该网络由初始道路提取网络和特征增强和特征一致性感知模块组成，通过将初始道路信息和多尺度特征信息相结合，更好地利用多尺度信息，减少特征信息丢失，提高网络性能。本发明方法增强了道路特征的一致性，丰富了道路的特征信息，改善了由建筑物阴影或者其他地物遮盖导致的道路不连通和破碎化的问题，增强了道路提取结果的连通性和完整性。

公开(公告)号：CN118470305A

公开(公告)日：2024-08-09

申请号：CN202410663503.0

申请日：2024-05-27

Applicant: 安徽大学 ,  中国能源建设集团安徽省电力设计院有限公司

Inventor： 杨辉 ,  吴艳兰 ,  王彪 ,  江鹏 ,  许邦鑫 ,  刘平

IPC: G06V10/25 ,  G06V10/776 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/048 ,  G06N3/0464 ,  G06V10/94

Abstract: 本发明属于遥感信息提取技术领域，具体涉及一种基于SAM多特征融合的遥感影像旋转目标检测方法。本发明针对遥感影像中地物类型繁多，大中小目标分布不均，目标尺度变化剧烈等问题，设计了基于SAM多特征融合的遥感影像旋转目标检测算法，提高遥感目标检测精度；首先收集已有的遥感目标检测样本构建样本库；并在此基础上，利用SAM编码器强大的特征提取能力，根据AdapterTuning的参数有效微调技术，使用Adapter模块和Mona模块对SAM的编码器进行微调，以增强网络对遥感图像的特征提取能力。同时引入多特征融合技术，充分利用不同尺度下的语义信息，提高遥感目标检测的精度；在应用上取得具有实用价值的遥感目标检测技术，以期切实地推进遥感图像中物体监测的应用与发展。

公开(公告)号：CN114782740A

公开(公告)日：2022-07-22

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 ,  G06N3/12 ,  G06K9/62 ,  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：CN120032267A

公开(公告)日：2025-05-23

申请号：CN202510113827.1

申请日：2025-01-24

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨志强 ,  杨辉 ,  王彪

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/776 ,  G06V10/80 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于遥感信息提取技术领域，具体涉及一种基于高分辨率遥感影像的耕地信息高精度提取方法。本发明基于特征密集叠置融合和信息同质强化，可提高遥感耕地提取精度。首先收集已有的遥感耕地提取样本构建样本库，并在此基础上，通过应用特征密集叠加融合模块，快速实现不同尺度信息的提取和密集融合，提升模型对全局一致性和局部特征的表达。并利用信息同质强化模块将底层和高层之间的信息交互，提升不同分支的特征信息的融合，实现耕地内部特征的一致化表达和边缘特征的差异性强化，提高遥感耕地提取的精度。在应用上，取得具有实用价值的遥感耕地提取技术，以期切实地推进遥感图像中地物提取的应用与发展。

公开(公告)号：CN119540554A

公开(公告)日：2025-02-28

申请号：CN202411591280.8

申请日：2024-11-08

Applicant: 安徽大学 ,  安徽省第二测绘院

Inventor： 杨辉 ,  王彪 ,  吴艳兰 ,  孙云飞 ,  侯恩兵 ,  任光耀

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于城市遥感监测技术领域，具体涉及一种基于互信息约束的多任务学习建筑物提取方法及系统。本发明针对现有建筑物提取方法往往会导致划分不完整和模糊，从而阻碍建筑物足迹提取的自动化的问题，设计了用于从遥感图像中精确提取建筑足迹的互信息约束多任务学习网络，互信息约束多任务学习网络引入了一种并行的上下文感知结构，以捕捉全局和细节建筑特征。此外，它还集成了傅立叶互信息平衡模块，以促进多尺度上下文信息的交互和融合。利用多任务学习策略，互信息约束多任务学习网络可同时提取建筑掩膜和轮廓，并采用互信息损失函数来加强这两项任务之间的信息交换。这种方法不仅能约束建筑形状，还能提高模型细化建筑边界的能力。

公开(公告)号：CN117274834A

公开(公告)日：2023-12-22

申请号：CN202311560203.1

申请日：2023-11-22

Applicant: 安徽大学 ,  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) ,  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 ,  潘成荣 ,  黄祚继 ,  徐升 ,  秦军 ,  吴艳兰 ,  董丹丹 ,  顾雯

IPC: G06V20/13 ,  G06V10/52 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了顾及光学特征多尺度融合的水体遥感提取方法，涉及图像处理技术领域，方法为：筛选出适宜水体提取的最佳谱段；获取遥感影像和对应的水体真值图像，构建水体样本库；构建用于根据遥感影像进行水体提取的神经网络，神经网络先抽取遥感影像在最佳谱段的图像信息，然后根据遥感影像在最佳谱段的图像信息输出对应的水体真值图像；利用水体样本库对神经网络进行训练和测试；利用训练完成后的神经网络模型对待提取的遥感影像进行水体提取，得到对应的水体真值图像。本发明是一种具有实用价值的遥感影像水体提取技术，对遥感影像水体提取具有良好的效果。

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。