公开(公告)号：CN119068331A

公开(公告)日：2024-12-03

申请号：CN202411104615.9

申请日：2024-08-13

Applicant: 三峡大学

Inventor： 任东 ,  李梦 ,  刘莉 ,  洪子钰 ,  张竞成

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于MASFNet框架的松材线虫病树检测方法，包括以下步骤：步骤1：使用无人机获取目标范围内的遥感图像，然后对数据进行预处理，分析训练数据质量和规模，并生成良好的松材线虫病树数据集集合；步骤2：使用经典深度学习的检测算法进行实验，验证不同模型效果，比较和选择最优的模型结构和模型复杂度，设计和测试合适病树检测模型，以确保模型对病树检测问题保持稳定的预测能力；步骤3：构建MASFNet模型，并进行逐步的改进和消融对比实验，来解释模型预测结果差异的原因，增强模型的可解释性和泛化能力。

公开(公告)号：CN118837872A

公开(公告)日：2024-10-25

申请号：CN202410861399.6

申请日：2024-06-28

Applicant: 三峡大学

Inventor： 薛鑫鹏 ,  文方青 ,  任东

IPC: G01S13/62 ,  G01S13/00 ,  G01S3/14 ,  G01S7/41

Abstract: 本发明提供一种任意阵列双基地MIMO雷达的DOD和DOA联合估计方法，包括以下步骤：构建包含智能反射面的任意阵列双基地MIMO雷达系统模型；利用步骤S1中雷达系统获得接收信号后，通过建立信号模型、定义方向矢量与通道矩阵，获得接收信号匹配滤波后的协方差矩阵；利用传播算子算法估计2D‑DOD角度；结合传播算子算法所得的2D‑DOD角度，获得2D‑DOA角度估计。本发明提出了一种由智能反射面辅助下任意阵列双基地MIMO雷达的波离角和波达角联合估计方法，发射天线阵列和接收天线阵列都是任意阵列流型，智能反射面可以在信号被障碍物遮挡的情况下使得信号能到达接收阵列。

公开(公告)号：CN114091508B

公开(公告)日：2024-09-20

申请号：CN202111034429.9

申请日：2021-09-03

Applicant: 三峡大学

Inventor： 董婷 ,  符潍奇 ,  邵攀 ,  任东

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/762 ,  G06T5/30

Abstract: 一种基于高阶条件随机场的非监督遥感影像变化检测方法，它包括以下步骤：步骤1：对两期遥感影像进行预处理，获得两组不同的差分影像；步骤2：对两组差分影像进行模糊聚类，得到模糊隶属度函数，并对模糊隶属度进行融合，得到融合隶属度；步骤3：进行差分影像的分割，得到对象级差分影像；步骤4：利用融合隶属度和像素级差分影像计算条件随机场能量函数的一元势和二元势，利用融合隶属度和对象级差分影像计算条件随机场能量函数的高阶势；步骤5：对高阶条件随机场的能量函数进行最优化，输出所有像素类别标签，得到最终的变化检测图。

公开(公告)号：CN115598162B

公开(公告)日：2024-08-06

申请号：CN202111586536.2

申请日：2021-12-21

Applicant: 三峡大学

Inventor： 任顺 ,  陆旻波 ,  任东 ,  安毅 ,  杨信廷 ,  王纪华

IPC: G01N23/223 ,  G06N3/006 ,  G06N20/20

Abstract: 本发明涉及基于堆叠式模型的土壤重金属含量检测方法，包括：采集土壤样品，配置预定重金属浓度范围的土壤样本；获取土壤样本的光谱，形成样本光谱数据集；利用迭代保留信息法筛选出光谱中的强信息变量与弱信息变量；选出具有代表性的四种特征变量选择方法，分别构建基学习器进行训练、测试；将基学习器集成，构建元学习器，并对元学习器进行训练、测试；将待检测土壤的光谱输入基学习器，依据元学习器得到的波长点判断分析土壤重金属的含量。本发明将多种波长变量选择算法并联、集成，克服了单一特征变量选择方法的缺陷，提高了土壤重金属含量的检测精度，检测结果稳定性好。

公开(公告)号：CN118191811A

公开(公告)日：2024-06-14

申请号：CN202410280483.9

申请日：2024-03-12

Applicant: 三峡大学

Inventor： 王建龙 ,  任东 ,  文方青

IPC: G01S13/06 ,  G01S13/00 ,  G01S3/14

Abstract: 本发明提供一种低复杂度单基地EMVS‑MIMO雷达角度估计算法，包括以下步骤：建立单基地EMVS‑MIMO雷达系统；利用电磁矢量传感器提取并处理电磁波的方向和极化信息；信号向量化和堆叠以及形成波形矩阵；将Rx阵列接收的信号进行降复杂度处理；利用旋转不变性对角度进行粗略估计；消除空域响应矩阵的影响，运用电磁矢量传感器唯一确定2D‑DOA；利用旋转不变性和矢量叉积方法估计出的角度来进行精细估计。本发明通过利用构造选择矩阵、空间旋转不变性以及矢量叉乘技术，解决了在大规模阵列配置下进行二维角度估计时所面临的计算复杂度问题以及实用性问题，在保持准确性的同时降低整体计算负担，为共置EMVS‑MIMO雷达领域提供了一种更为可行且实用的解决方案。

公开(公告)号：CN118033668A

公开(公告)日：2024-05-14

申请号：CN202410043544.X

申请日：2024-01-11

Applicant: 三峡大学

Inventor： 任顺 ,  杨义乾 ,  任东 ,  杨信廷

IPC: G01S17/89 ,  G01S17/933 ,  G06T7/11 ,  G06F17/16 ,  G06V10/762 ,  G06V10/77

Abstract: 一种基于机载雷达的快速树障分析方法，该方法利用机载雷达设备获取前方区域的雷达数据，经过改进的点云坡度滤波预处理后，对激光点云采用几何特征提取。构建点云索引结构，使用kd‑tree对电力线点遍历，检测周围树障点是否存在，标记检测、定位和特征提取。与现有识别技术相比，本方法可以自动识别有效三维点云，并且可以快速准确的获得识别结果，为电力检测树障问题提供一种新的快速检测方法，为电力系统人员排查电力线树障问题提供帮助。

公开(公告)号：CN117893857A

公开(公告)日：2024-04-16

申请号：CN202311274409.8

申请日：2023-09-28

Applicant: 三峡大学

Inventor： 任东 ,  王露 ,  孙航 ,  任顺 ,  余梅 ,  刘莉

IPC: G06V10/80 ,  G06V10/25 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 用于电力线资产多目标检测的层交互注意力加强方法，包含步骤1：读取电力线资产图片；步骤2，对图像预处理进行放缩和切割操作；步骤3：对图片进行数据集的划分，获取训练集，验证集和测试集；步骤4：构建层交互注意力加强深度学习网络；步骤5：将所获得的训练集输入深度学习网络进行训练；步骤6：将验证集图片加载到训练好的预测模型；步骤7：输出多目标预测结果。在特征提取中利用层交互注意力学习在通道和空间维度上聚合相邻特征的互补信息，实现深、浅特征映射之间的平衡，改善多尺度特征的学习能力，从而提高检测精度。对比其他检测模型，对电力线资产中的输电塔、阻尼器、绝缘子、隔震器、塔板进行检测，其检测度量mAP值最高。

公开(公告)号：CN117409235A

公开(公告)日：2024-01-16

申请号：CN202311158825.1

申请日：2023-09-08

Applicant: 三峡大学

Inventor： 任东 ,  黄文龙 ,  孙航 ,  任顺 ,  余梅 ,  刘莉 ,  李俊霖

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/42 ,  G06V10/44 ,  G06V10/771 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 用于外来入侵植物识别的目标增强和多区域选择网络方法，它包括以下步骤：步骤1：设计一个目标增强和多区域选择网络；步骤2：构建目标增强和定位模块，根据输入的图像特征图定位目标，得到目标的包围框，裁剪放大得到目标图片；步骤3：构建多区域选择模块，把目标图片的特征图转换成通道间关系矩阵，通过一个指标来衡量不同通道的重要性程度，从中选择最重要的那些通道所包含的区域进行学习；步骤4：把原始图片，目标图片，区域图片分别送入三个分支，得到各自分支的分类结果，通过三个分支输出的结果来计算损失并约束网络的训练；通过以上步骤对目标增强和多区域选择网络进行构建和训练。

公开(公告)号：CN112767376B

公开(公告)日：2023-07-11

申请号：CN202110111647.1

申请日：2021-01-27

Applicant: 三峡大学

Inventor： 邵攀 ,  衣云琪 ,  任东 ,  董婷

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/30 ,  G06V10/762 ,  G06V10/80 ,  G06N7/01

Abstract: 本发明公开一种引力模型优化条件随机场的多尺度融合图像变化检测方法，采用简单线性迭代聚类方法SLIC分别对两幅影像进行超像元分割，共获得像元级、超像元级和对象级三个空间尺度的影像；利用变化矢量分析技术分别生成两期影像的像元级、超像元级和对象级三种空间尺度的差分影像；对三种空间尺度的差分影像进行模糊聚类，得到三种空间尺度差分影像的模糊隶属度函数；应用决策级融合方法融合所获取的三组模糊隶属度函数，获得初步融合结果；利用引力模型优化的条件随机场模型优化所述初步融合结果，得到最终变化检测图。本发明通过融合高分辨率遥感影像的多尺度信息，并在融合过程中有效地利用空间信息，能够得到较优变化检测结果。

公开(公告)号：CN114220003B

公开(公告)日：2022-10-21

申请号：CN202111423886.7

申请日：2021-11-26

Applicant: 三峡大学

Inventor： 任东 ,  刘明 ,  何雨岩 ,  向杰 ,  安毅

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/26

Abstract: 一种大范围地物分割的多目标无监督域自适应方法，包括以下步骤：步骤1：在获取的大范围遥感影像中，选取多个领域中的一个领域的数据，标记后进行裁剪制作源域数据集，其他领域的图像直接裁剪后制作为多个目标域数据集；步骤2：将源域数据集和多个目标域数据集投入多分支无监督域自适应模型进行训练，获取分割模型；步骤3：将多个目标域数据集投入分割模型中，通过熵最小化排序将拥有高置信度伪标签的目标域图像制作为伪源域数据集；步骤4：将伪源域数据集和多个目标域数据集投入多分支无监督域自适应模型进行训练，获取最终分割模型；步骤5：将全部遥感图像放入模型得到分割结果。