公开(公告)号：CN118733693A

公开(公告)日：2024-10-01

申请号：CN202410802039.9

申请日：2024-06-20

Applicant: 安徽大学 ,  安徽气象信息有限公司 ,  安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)

Inventor： 江鹏 ,  吴艳兰 ,  张脉惠 ,  荀尚培 ,  霍彦峰 ,  戴晓慧 ,  何彬方 ,  朱立

IPC: G06F16/29 ,  G06F18/214 ,  G06F18/22

Abstract: 本发明属于人工智能应用技术领域，具体涉及一种卫星遥感反演近地面PM2.5瞬时浓度的估算方法，步骤如下：数据预处理与数据匹配，匹配负责实现时空匹配、数据转换、数据裁切、多源数据融合；模型训练与图集输出，负责实现模型构建、模型训练、数据与图集输出。本发明通过Python编程语言，对多年日间小时级遥感大数据做清洗；基于LGBM机器学习模型，输出缺失时空数值与可视化图集；搭建一套完整的针对FY‑4A AGRI传感器所产L1级通道数据的近地面PM2.5瞬时浓度反演系统。为相关环境监测部门更全面、直观的掌握具体区域的近地面PM2.5时空变迁状态提供支持。

公开(公告)号：CN118968171A

公开(公告)日：2024-11-15

申请号：CN202411056523.8

申请日：2024-08-02

Applicant: 安徽大学 ,  安徽省气象科学研究所(安徽省生态气象和卫星遥感中心、安徽省农业气象中心)

Inventor： 吴艳兰 ,  荀尚培 ,  王彪 ,  杨辉 ,  霍彦峰 ,  何彬方 ,  高方涛

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/26 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了顾及全局一致性和边缘特异性的遥感影像农作物分类方法，涉及图像处理技术领域，本发明利用频谱域特征学习提升深度学习网络对作物复杂特征的捕捉能力，采用傅里叶变换策略和自适应的动态滤波器构建AFSF模块，设计一种基于傅里叶频谱域学习的卷积神经网络FSEU‑Net，方法包括：高时间分辨率遥感影像的获取及预处理，农作物样本集制作，训练卷积神经网络模型，自适应动态滤波模块，模型测试并实现农作物分类结果输出。本发明提升了不同农作物类间差异与缩小相同作物类内差异，增强农作物间的可分离度，提高模型的性能，为全球土地面积的智能化农业生产准确统计提供一种有效的技术支撑。

公开(公告)号：CN118628929A

公开(公告)日：2024-09-10

申请号：CN202410748707.4

申请日：2024-06-12

Applicant: 安徽大学 ,  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 ,  杨辉 ,  吴艳兰 ,  江鹏 ,  王春林 ,  黄祚继

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06V20/70 ,  G06V10/52 ,  G06V10/80 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于多层次差异信息联合增强的遥感影像变化检测方法。本发明基于高空间分辨率遥感影像数据，构建多层差异信息联合增强的孪生网络，包括：变化检测数据集获取及处理、构建编码‑解码结构的深度模型、构建差异度量模块、构建多层次特征联合增强模块、模型结果精度评价；在深入挖掘多时相影像深度特征的同时，加强对时序影像多层次特征关联下变化信息的利用，提升变化目标的完整性和变化目标间的独立性。本发明提出多层次差异信息联合增强的深度学习网络机制，对于超高分辨率遥感影像变化检测的目标矢量完整性、个体目标分离性显著提升，取得了更好地检测效果，具有重要的研究意义和实用价值。

公开(公告)号：CN118429715A

公开(公告)日：2024-08-02

申请号：CN202410610142.3

申请日：2024-05-16

Applicant: 安徽大学

Inventor： 杨辉 ,  吴艳兰 ,  王彪

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/62 ,  G06V10/77 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/0455

Abstract: 本发明属于药品储藏技术领域，具体涉及一种基于Vision Transformer‑LSTM的多时序遥感影像农作物分类方法。本发明方法设计双路Vision‑Transformer特征提取模块用于捕获图像的时空特征相关性，一路提取空间分类特征，一路提取时间变化特征；时空特征融合模块用于将多时特征信息进行交叉融合；LSTM时序分类模块捕捉多时序的依赖关系并进行输出分类，为农作物分类方法提供了新的思路。具体包括：多时序遥感影像获取、农作物样本集制作、ViTL模型结构设计、模型测试及农作物分类结果精度验证。本发明方法提升了在捕捉植被生长状态及关键农作物特征方面的潜力，为农作物分类任务提供新的解决方案，提高识别不同农作物之间的差异。

公开(公告)号：CN114708313A

公开(公告)日：2022-07-05

申请号：CN202210301648.7

申请日：2022-03-24

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  王彪

IPC: G06T7/33 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/46 ,  G06V10/74 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及图像配准技术领域，涉及一种基于双支路神经网络的光学与SAR图像配准方法，包括：一、提取光学和SAR图像的点特征信息，将点特征信息转化为以特征点为中心的特征图像作为输入信息；二、利用双支路神经网络训练识别输入的光学和SAR的特征图像信息的匹配关系；利用光学和SAR图像的样本数据制作样本库输入到网络中训练，分析网络模型的配准精度，迭代对网络进行训练，选出训练效果最佳的模型作为模型文件，获取光学和SAR的正确图像匹配对；三、筛选出正确匹配的图像对的特征点信息，利用匹配特征点计算光学和SAR的图像变换矩阵参数信息，获取到最终图像信息。本发明能较佳地进行光学和SAR的图像配准。

公开(公告)号：CN114494868A

公开(公告)日：2022-05-13

申请号：CN202210061551.3

申请日：2022-01-19

Applicant: 安徽大学

Inventor： 杨辉 ,  王彪 ,  吴艳兰

IPC: G06V20/10 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了摄影测量处理技术领域的基于多特征融合深度学习模型的无人机遥感建筑物智能提取方法，以“如何利用深度学习，模拟人眼立体视觉中建筑物多特征表达形式”为核心，研究基于孪生网络的DSM(数字表面模型)与DOM(数字正射影像)的多特征融合方法，设计建筑物多特征的特征抽取、分析能力，通过密集注意力机制进一步增强建筑物的特征传递和累积整合特性，将原来使用的单网络结构变为使用对称网络结构，并且两个对称网络结构完全相同，并结合注意力机制，构建混合模型，深度挖掘无人机遥感建筑物的多层次、多维度的特征和空间关系，实现顾及建筑物多层次特征的无人机遥感建筑物自动提取新方法。

公开(公告)号：CN108629119B

公开(公告)日：2022-04-05

申请号：CN201810432877.6

申请日：2018-05-08

Applicant: 安徽大学

Inventor： 吴鹏海 ,  朱娴飞 ,  吕永辉 ,  宋旭颖 ,  陆雨婷 ,  马晓双 ,  吴艳兰

IPC: G06F30/20 ,  G06F119/12

Abstract: 本发明涉及定量遥感产品处理技术领域，公开一种时序MODIS定量遥感产品时空修复及其批处理实现方法，通过将时序MODIS定量遥感产品时空修复流程化，实现MODIS定量遥感产品空值或低质量数据修复的批量处理，得到空间上连续的高质量MODIS定量遥感产品；而且批处理计算效率较高，易于实现，实用价值高，可用于MODIS定量遥感产品质量改善的业务化运行。

公开(公告)号：CN106055694B

公开(公告)日：2019-07-23

申请号：CN201610410679.0

申请日：2016-06-03

Applicant: 安徽大学 ,  杨传勇 ,  高园园 ,  谭树东 ,  殷志祥 ,  胡海

Inventor： 吴艳兰 ,  杨传勇 ,  高园园 ,  谭树东 ,  殷志祥 ,  胡海

IPC: G06F16/29 ,  G06T7/60

Abstract: 本发明公开了一种基于信息熵的地理曲线曲折度度量方法，涉及地理信息科学技术领域，本发明依次完成识别弯曲单元、叠加确定不同尺度下的弯曲嵌套关系并建立弯曲层次树、删除无效弯曲和基于信息熵理论度量地理曲线的曲折度的工作，采用将尺寸复杂度和层次复杂度相结合的综合复杂度的进行曲折度的描述，完整地展现了曲线的部分与整体曲折度，同时较为全面地考虑了弯曲不同层次间的嵌套关系，克服了现有技术的缺陷，可以较好地描述曲线曲折度，全面地反映曲线的形态和结构特征，受曲线长度影响小，充分利用弯曲层次树完整反映弯曲之间的邻近关系与层次特性，并采用信息熵理论度量复杂度，易于操作实现，对地理特征的研究具有重要意义。

公开(公告)号：CN109145730A

公开(公告)日：2019-01-04

申请号：CN201810770020.5

申请日：2018-07-13

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  殷志祥

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/0063 ,  G06K9/6256 ,  G06K9/6268

Abstract: 本发明公开了目标自动检测和深度学习技术领域的一种遥感影像中矿区自动语义分割方法，其特征在于：所述具体步骤如下：步骤一、建立训练样本集：获取矿区的遥感影像，并人工勾绘出矿区的边界，形成边界栅格文件，利用ArcGIS生成448*448、512*512两种尺度的渔网，采用生成的两种所述渔网对所述矿区的遥感影像进行批量裁剪，生成不同尺寸的影像块，作为深度学习网络的输入数据，通过所述渔网对影像中的矿区栅格边界文件进行裁剪，生成每个矿区影像块对应的边界文件，作为网络的标签数据；本发明通过混合网络Den‑Res Net在保留特征完整性的同时能够对提取的特征进行高度抽象，可以采用其解决Dense Net网络的特征冗余问题，工作效率高，能够自动的进行语义分隔，准确度高。

公开(公告)号：CN114943902B

公开(公告)日：2025-05-09

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 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0985 ,  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。