-
公开(公告)号：CN117522824A
公开(公告)日：2024-02-06
申请号：CN202311531117.8
申请日：2023-11-16
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。
-
公开(公告)号：CN116645380A
公开(公告)日：2023-08-25
申请号：CN202310688086.0
申请日：2023-06-12
Abstract: 本发明涉及基于两阶段渐进式信息融合的食管癌CT图像肿瘤区自动分割方法，与现有技术相比解决了难以针对食管癌CT图像进行自动分割的缺陷。本发明包括以下步骤：食管癌CT图像的获取及预处理；构建食管癌CT图像分割模型；食管癌CT图像分割模型的训练；待分割食管癌CT图像的获得及预处理；食管癌CT图像分割结果的获得。本发明基于食管CT影像噪声大、分辨率不高、有伪影的特点，提出用图像超分辨率重建网络提取的特征，再渐进式融合到分割网络中，有效的增强了食管CT影像的质量，能够使网络提取到更加丰富的细节特征，可以有效地进行食管癌靶区的分割和勾画，提高分割的准确性和效率。
-
公开(公告)号：CN115830597A
公开(公告)日：2023-03-21
申请号：CN202310014291.9
申请日：2023-01-05
Applicant: 安徽大学
IPC: G06V20/70 , G06V10/26 , G06V20/13 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于伪标签生成的从局部到全局的域自适应遥感影像语义分割方法，所述方法包括以下步骤：基于伪标签生成的从局部到全局的域自适应遥感影像语义分割准备工作、构建与训练基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型、对基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型求解和验证。与现有技术相比通过构建从局部到全局的域自适应遥感影像语义分割网络，解决了超高分辨率遥感影像难以自适应的问题，并从局部语义特征差异到全局结构特征差异进行特征对齐，得到局部以及全局的特征表示，使超高分辨率遥感影像域自适应的语义分割精度得到提升。
-
公开(公告)号：CN115830471A
公开(公告)日：2023-03-21
申请号：CN202310007711.0
申请日：2023-01-04
Applicant: 安徽大学
IPC: G06V20/13 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种多尺度特征融合和对齐的域自适应云检测方法，所述方法包括以下步骤：多尺度特征融合和对齐的域自适应云检测准备工作、构建与训练多尺度特征融合和对齐的域自适应云检测模型、对多尺度特征融合和对齐的域自适应云检测模型测试和求解。与现有技术相比，通过构建多尺度特征融合和对齐的域自适应网络，及提出的多尺度特征融合模块和特征对齐模块。与现有云检测技术相比，本发明解决了现有云检测技术对于碎云及边界检测困难，并且使云检测网络生成源和目标域数据集的域不变特征，从而解决由于域差异导致的难以将源训练模型推广至目标数据集的问题。
-
公开(公告)号：CN115015931A
公开(公告)日：2022-09-06
申请号：CN202210626755.7
申请日：2022-06-05
Applicant: 安徽大学
Abstract: 本发明设计一种无需外部误差校正的实时差分立体SAR几何定位方法及系统，与现有技术相比解决了常规立体SAR几何定位对精密定轨数据的要来，以及需要对观测值进行大气误差改正等缺陷。本发明包括以下步骤：差分立体观测数据准备；差分观测值的获取；差分立体方程构建；差分立体方程求解。本发明无需高精度精密定轨数据和外部大气校正情况下，仅在一个参考坐标点的基础上，实现高精度立体SAR几何定位精度，满足对实时性较高的高精度几何定位应用需求。
-
Patent Agency Ranking
公开(公告)号：CN117934519A
公开(公告)日：2024-04-26
申请号：CN202410324602.6
申请日：2024-03-21
Applicant: 安徽大学
IPC: G06T7/11 , G06T7/00 , G06N3/044 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种非配对增强合成的食管肿瘤CT图像自适应分割方法，与现有技术相比解决了非配对的CT影像合成增强CT影像有伪影以及食管癌边缘模糊难以分割的缺陷。本发明包括以下步骤：食管癌CT影像和增强CT影像的获取及预处理；构建非配对的食管癌CT影像和增强CT影像合成与分割模型；非配对的食管癌CT影像与增强CT影像合成与分割模型的训练；待合成和分割食管癌CT影像的获得及预处理；非配对的食管癌CT影像和增强CT影像合成与分割结果的获得。本发明针对非配对的CT影像和增强CT影像对比度差异大、食管癌边界不明显的特点，提出一种新的合成与分割统一框架的方法，同时合成增强CT影像和分割食管癌，有效地提升了合成效果以及食管癌分割的准确性。
-
公开(公告)号：CN115830597B
公开(公告)日：2023-07-07
申请号：CN202310014291.9
申请日：2023-01-05
Applicant: 安徽大学
IPC: G06V20/70 , G06V10/26 , G06V20/13 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于伪标签生成的从局部到全局的域自适应遥感影像语义分割方法，所述方法包括以下步骤：基于伪标签生成的从局部到全局的域自适应遥感影像语义分割准备工作、构建与训练基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型、对基于伪标签生成的从局部到全局的域自适应遥感影像语义分割模型求解和验证。与现有技术相比通过构建从局部到全局的域自适应遥感影像语义分割网络，解决了超高分辨率遥感影像难以自适应的问题，并从局部语义特征差异到全局结构特征差异进行特征对齐，得到局部以及全局的特征表示，使超高分辨率遥感影像域自适应的语义分割精度得到提升。
-
公开(公告)号：CN116203562A
公开(公告)日：2023-06-02
申请号：CN202310337673.5
申请日：2023-03-31
Applicant: 安徽大学
Abstract: 本发明涉及一种光学影像辅助的星载立体SAR影像控制点自动生成方法，与现有技术相比实现了从不同升降轨立体SAR影像中自动化的完成灯柱这一类控制点的匹配、提取、误差剔除，并形成可用的控制点。本发明包括以下步骤：基于高分光学影像上提取立体SAR影像上同名灯柱点的近似坐标；SAR影像灯柱PS点像方坐标粗略提取；SAR影像灯柱PS点坐标精确提取；SAR影像灯柱PS点异常值剔除；SAR影像灯柱PS点坐标误差补偿；立体平差处理生成灯柱控制点三维坐标。本发明实现立体SAR影像同名PS点自动化匹配、提取、误差剔除，生成高精度可用的控制点，为基础测绘以及其他卫星几何校正提供控制数据。
-
公开(公告)号：CN117934519B
公开(公告)日：2024-06-07
申请号：CN202410324602.6
申请日：2024-03-21
Applicant: 安徽大学
IPC: G06T7/11 , G06T7/00 , G06N3/044 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种非配对增强合成的食管肿瘤CT图像自适应分割方法，与现有技术相比解决了非配对的CT影像合成增强CT影像有伪影以及食管癌边缘模糊难以分割的缺陷。本发明包括以下步骤：食管癌CT影像和增强CT影像的获取及预处理；构建非配对的食管癌CT影像和增强CT影像合成与分割模型；非配对的食管癌CT影像与增强CT影像合成与分割模型的训练；待合成和分割食管癌CT影像的获得及预处理；非配对的食管癌CT影像和增强CT影像合成与分割结果的获得。本发明针对非配对的CT影像和增强CT影像对比度差异大、食管癌边界不明显的特点，提出一种新的合成与分割统一框架的方法，同时合成增强CT影像和分割食管癌，有效地提升了合成效果以及食管癌分割的准确性。
-
公开(公告)号：CN117522824B
公开(公告)日：2024-05-14
申请号：CN202311531117.8
申请日：2023-11-16
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
