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。