-
公开(公告)号：CN117218537A
公开(公告)日：2023-12-12
申请号：CN202311178242.5
申请日：2023-09-13
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于Transformer和非局部神经网络双分支架构的高光谱图像分类方法，包括：输入高光谱图像H；对输入的高光谱图像H进行双分支处理：将多个立方块Hsp作为空间子网络的输入，取H的光谱信息Hspe作为光谱子网络的输入；得到一维空间特征；得到一维光谱特征；构建多层感知器模块将提取的一维空间特征和一维光谱特征进行融合，得到分类结果。本发明通过对高光谱图像作为研究对象，用双分支策略以在充分保持计算效率的同时减少计算量和节约成本；本发明所提出的空间注意力机制探索中心像素和周围像素的相似性，提高了中心像素识别的准确性，增强了空间提取能力。
-
公开(公告)号：CN111259925B
公开(公告)日：2023-05-02
申请号：CN202010016353.6
申请日：2020-01-08
Applicant: 安徽大学
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06T7/11 , G06T7/155 , G06T7/187
Abstract: 本发明特别涉及一种基于K均值聚类和宽度突变算法的田间麦穗计数方法，包括如下步骤：S1、采集麦穗原始图像并对原始图像进行预处理；S2、对预处理后的图像依次进行图像变换、K均值聚类、形态学处理后得到麦穗粗分割图；S3、选择随机森林分类器，用滑窗法对训练集图片滑窗取样，进一步对麦穗粗分割图进行细分割；S4、根据每个连通域中的麦穗区域宽度突变情况统计麦穗数量。通过预处理将原始图像转换成统一格式的图像以方便后续处理，通过K均值聚类可以将图像中连通域挑选出来，通过随机森林分类器，可以将其中的麦穗部分筛选出来，最后根据宽度突变情况来对麦穗进行计数，这样就能较为准确的计算出麦穗的数量，即使麦穗之间有遮挡，依然不会影响到麦穗的计数。
-
公开(公告)号：CN115773449A
公开(公告)日：2023-03-10
申请号：CN202211443970.X
申请日：2022-11-18
Applicant: 安徽大学
Abstract: 本发明公开了一种无人机用多角度采集装置，涉及无人机图像采集领域，本发明包括安装机构，包括安装板；采集机构，其设置于安装机构一侧，包括设于安装板一侧的调节组件以及设于调节组件一侧的采集组件，调节组件包括设于安装板一侧的两个限位板以及与限位板活动连接的丝杆；防护机构，其设置于是谁安装机构一侧，包括设于安装板上的防护板。本发明一种无人机用多角度采集装置，通过第一电机带动丝杆转动，使得移动板在水平方向上进行调节，再使用第二电机带动调节轴转动，使得摄像头在竖直方向上移动，从而完成摄像头多角度采集图像的目的，能够对作物的表型进行全面的收集，降低了无人机操控的难度，提高了采集效率。
-
公开(公告)号：CN108846370B
公开(公告)日：2021-08-24
申请号：CN201810665242.0
申请日：2018-06-26
Applicant: 安徽大学
Abstract: 本发明涉及一种小麦白粉病中晚期病害严重度自动分析方法，该方法包括以下步骤：(1)采集叶片样本的高光谱数据。(2)根据整个叶片和病斑区域的像素数计算病斑占叶片面积的百分比，求得叶片样本的病情严重度a0。(3)对试验数据进行降维处理。(4)在降维之后，选取m个样本中的m1个样本作为训练样本，将d维特征作为自变量，对应的类别作为因变量输入到概率神经网络模型中进行训练，得到预测模型；将剩余的m‑m1个样本作为测试样本进行模型准确率验证，将这m‑m1个样本的d维特征作为自变量输入到概率神经网络模型中，得到叶片样本的病情严重度的预测结果a1，并将a1与a0进行比较。本发明能够对小麦白粉病严重度进行监测和分析。
-
公开(公告)号：CN113011499A
公开(公告)日：2021-06-22
申请号：CN202110301578.0
申请日：2021-03-22
Applicant: 安徽大学
Abstract: 本发明涉及一种基于双注意力机制的高光谱遥感图像分类方法，与现有技术相比解决了高光谱遥感影像训练样本有限及分类精度不理想的缺陷。本发明包括以下步骤：训练样本的获取；堆栈自编码器的构建和训练；构建混合密集网络；混合密集网络的训练；待分类样本的获取和降维处理；高光谱遥感图像分类结果的获得。本发明在训练样本量更少的情况下，也能得到较理想的高光谱遥感影像分类结果。
-
Patent Agency Ranking
公开(公告)号：CN112784907A
公开(公告)日：2021-05-11
申请号：CN202110113912.X
申请日：2021-01-27
Applicant: 安徽大学 , 中国科学院空天信息创新研究院
Abstract: 本发明公开了基于空谱特征与BP神经网络的高光谱图像分类方法，涉及图像处理技术领域。首先通过PCA对高光谱图像进行降维处理，获得兼具低维波段和特征显著的光谱信息；通过LBP算法提取高光谱图像的空间纹理信息；最后将光谱信息和空间纹理信息通过串行融合的方式组成高光谱图像的特征向量，并输入BP神经网络中训练分类。将本发明的方法应用于Pavia University、Salinas和Botswana高光谱图像处理，分类精度分别达到了93.67％、98.09％和92.97％。本发明的算法相比较于经典算法KNN和几种性能优越的算法，在总体精度、平均精度和Kappa系数上均有提升，证明了本发明方法的实用性。
-
公开(公告)号：CN111881953A
公开(公告)日：2020-11-03
申请号：CN202010672339.1
申请日：2020-07-14
Applicant: 安徽大学
Abstract: 本发明涉及基于局部二值模式和KNN分类器的遥感高光谱图像分类方法，与现有技术相比解决了难以进行遥感高光谱图像分类的缺陷。本发明包括以下步骤：训练数据的获取；光谱特征向量的提取；空间特征向量的提取；颜色特征向量的提取；多特征向量的堆叠；KNN分类器的构建和训练；待分类遥感高光谱图像的获取；待分类遥感高光谱图像的预处理；遥感高光谱图像分类结果的获得。本发明通过光谱、空间、颜色特征相联合，增强了同类像元的相似性，同时增大了不同像元的相异性，与部分提出的分类方法相比，总体分类精度、平均分类精度、Kappa系数均有不同程度的提高。
-
公开(公告)号：CN111767863A
公开(公告)日：2020-10-13
申请号：CN202010616580.2
申请日：2020-07-01
Applicant: 安徽大学
Abstract: 本发明涉及一种基于近地高光谱技术冬小麦赤霉病识别方法，与现有技术相比解决了从直立角度识别冬小麦赤霉病严重程度精度低的缺陷。本发明包括以下步骤：高光谱数据的获取；赤霉病病情严重度的计算；原始光谱波段特征的筛选；最优小波特征的筛选；冬小麦麦穗赤霉病识别模型的构建；冬小麦麦穗赤霉病识别模型的训练；冬小麦麦穗赤霉病识别结果的获得。本发明不仅实现了直立角度下对冬小麦赤霉病严重度进行识别，还大大提高了冬小麦赤霉病严重度识别的精度。
-
公开(公告)号：CN107103306B
公开(公告)日：2019-06-18
申请号：CN201710362043.8
申请日：2017-05-22
Applicant: 安徽大学
Abstract: 本发明涉及基于小波分析与支持向量机的冬小麦白粉病遥感监测方法，与现有技术相比解决了小麦白粉病难以监测预报的缺陷。本发明包括以下步骤：数据获取；遥感数据的预处理；建模特征的选择；支持向量机模型的建立；获得遥感监测结果。本发明利用环境星遥感数据经过小波变换及特征筛选后，结合SVM算法建立的监测模型，实时准确获取大面积小麦白粉病发生的空间分布特征，为白粉病防治提供依据。
-
公开(公告)号：CN109657653A
公开(公告)日：2019-04-19
申请号：CN201910051447.4
申请日：2019-01-21
Applicant: 安徽大学
Abstract: 本发明涉及一种基于成像高光谱数据的小麦籽粒赤霉病识别方法，与现有技术相比解决了尚无快速识别小麦籽粒赤霉病方法的缺陷。本发明包括以下步骤：高光谱基础图像的采集；高光谱基础图像的预处理；构建小麦籽粒赤霉病识别模型；小麦籽粒赤霉病识别模型的训练；待识别高光谱图像的获取；待识别高光谱图像的预处理；小麦籽粒赤霉病的识别。本发明利用室内高光谱成像数据，通过图像分割技术，在高光谱图像中分割小麦籽粒，继而对小麦籽粒的光谱信息进行对比分析，通过数据噪声去除并进行特征波长筛选，建立了小麦赤霉病病害侵染麦粒的有效识别模型，形成了小麦籽粒赤霉病检测的快速有效方法。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.035 seconds)
