公开(公告)号：CN116343046A

公开(公告)日：2023-06-27

申请号：CN202310352345.2

申请日：2023-04-04

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)

Inventor： 王彪 ,  潘成荣 ,  徐升 ,  吴艳兰 ,  钱贞兵 ,  杨辉 ,  秦军

IPC: G06V20/10 ,  G06V20/17 ,  G06V20/52 ,  G06V10/20 ,  G06V10/778 ,  G06N20/00

Abstract: 本发明属于卫星遥感数据和无人机数据处理技术领域，具体涉及一种基于自优化机器学习的多源遥感城市河流水质监测方法，本发明以“如何利用机器学习方法，解决简单地面点数据与遥感数据之间复杂的非线性关系这一非常重要的问题”为核心，通过特征增强和特征重要度排序方法进一步提高输入模型的波段组合。同时，将无人机反演结果作为真实水质浓度以此来扩充卫星反演的样本数量和质量，提高卫星影像反演质量的同时弥补了无人机反演水质时范围受限的问题；从少量样本下利用模拟退火算法自动优化机器学习的众多参数，减少了模型的训练时间，实现了顾及空间映射机制的多源遥感水质反演新方法。

公开(公告)号：CN114330530A

公开(公告)日：2022-04-12

申请号：CN202111597460.3

申请日：2021-12-24

Applicant: 安徽大学

Inventor： 吴鹏海 ,  吴艳兰 ,  杨辉 ,  王彪

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01N21/3577

Abstract: 本发明涉及水质参数遥感反演领域，公开了基于空谱融合与模型学习耦合的叶绿素a浓度反演方法，通过获取相同日期MODIS和Sentinel‑2数据，经过预处理，得到样本数据集；构建面向叶绿素a浓度反演的MODIS和Sentinel‑2空‑谱融合深度学习网络，并耦合光谱响应函数、影像退化模型等物理约束，从而获得具有MODIS光谱分辨率和Sentinel‑2空间分辨率的融合数据，为叶绿素a浓度反演提供高空谱分辨率数据源；结合实地采样数据与融合的高空谱分辨率数据，在梯度提升树等机器学习的水质反演算法下验证融合的有效性，结果表明本处理方法有效提高了叶绿素a浓度的反演精度。

公开(公告)号：CN109145730B

公开(公告)日：2021-08-13

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

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：CN110110621A

公开(公告)日：2019-08-09

申请号：CN201910329481.3

申请日：2019-04-23

Applicant: 安徽大学

Inventor： 吴艳兰 ,  杨辉 ,  王彪

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了摄影测量数据处理技术领域的基于多特征整合深度学习模型的倾斜摄影点云分类方法，首先，通过研究顾及视觉注意力机制的点云分类优化，实现点云立体视觉注意特征分析方法，以及基于深度学习的立体目标视觉注意力评估方法，并进行识别目标注意力强弱评估与排序；其次，利用立体视觉注意力机制，对待识别的倾斜摄影点云进行点云过滤，开展点云初级特征描述及自学习子模型研究；最后，经过点云场景相对于待识别目标的视觉注意力机制过滤后的点云作为待识别点云；本发明在应用上，取得具有实用价值的倾斜摄影实景点云分类技术，以期切实地推进倾斜摄影应用由“可视化”向“可计算”方向发展。

公开(公告)号：CN106097412A

公开(公告)日：2016-11-09

申请号：CN201610410698.3

申请日：2016-06-03

Applicant: 安徽大学 ,  谭树东 ,  杨辉 ,  彭会锟 ,  高园园 ,  郝雪娜 ,  殷志祥 ,  杨传勇 ,  胡海 ,  袁理侃

Inventor： 吴艳兰 ,  谭树东 ,  杨辉 ,  彭会锟 ,  高园园 ,  郝雪娜 ,  殷志祥 ,  杨传勇 ,  胡海 ,  袁理侃

IPC: G06T11/20

CPC classification number: G06T11/203

Abstract: 本发明公开了一种基于弯曲层次树的曲线曲折度描述方法，涉及地理信息科学技术领域，包括于粘连变换进行地理曲线综合得到曲线的弯曲多边形、叠置分析判断弯曲多边形的归属和建立最大尺度下每一弯曲对应的层次树和建立整个曲线的弯曲层次树四个步骤；本发明通过控制粘连变换宽度识别不同尺度下的弯曲单元，建立弯曲层次树，以弯曲表示树的结点，层次结构表示不同尺度下弯曲单元的拓扑结构；本发明较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，对地理特征的研究具有重要意义。

公开(公告)号：CN106055694A

公开(公告)日：2016-10-26

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: G06F17/30 ,  G06T7/60

CPC classification number: G06F16/29 ,  G06T2207/30184

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：CN119540554A

公开(公告)日：2025-02-28

申请号：CN202411591280.8

申请日：2024-11-08

Applicant: 安徽大学 ,  安徽省第二测绘院

Inventor： 杨辉 ,  王彪 ,  吴艳兰 ,  孙云飞 ,  侯恩兵 ,  任光耀

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明属于城市遥感监测技术领域，具体涉及一种基于互信息约束的多任务学习建筑物提取方法及系统。本发明针对现有建筑物提取方法往往会导致划分不完整和模糊，从而阻碍建筑物足迹提取的自动化的问题，设计了用于从遥感图像中精确提取建筑足迹的互信息约束多任务学习网络，互信息约束多任务学习网络引入了一种并行的上下文感知结构，以捕捉全局和细节建筑特征。此外，它还集成了傅立叶互信息平衡模块，以促进多尺度上下文信息的交互和融合。利用多任务学习策略，互信息约束多任务学习网络可同时提取建筑掩膜和轮廓，并采用互信息损失函数来加强这两项任务之间的信息交换。这种方法不仅能约束建筑形状，还能提高模型细化建筑边界的能力。

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。