-
公开(公告)号：CN108898085B
公开(公告)日：2022-06-21
申请号：CN201810637986.1
申请日：2018-06-20
Applicant: 安徽大学
Abstract: 本发明公开了道路检测技术领域的一种基于手机视频的道路病害智能检测方法，包括以下步骤：第一步、采集道路病害图像，制作成不同类型的道路病害训练样本集，构建一个深度学习网络，对搜集的样本进行训练，得到一个好的深度学习模型；第二步、用手机采集具有GPS信息的视频，并将视频分割成不同时间序列的图像；第三步、将采集的视频图像代入训练好的模型中，识别出不同类型的道路病害，同时利用语义分割提取道路病害的矢量边界以及相应图像中像素坐标；第四步、对手机参数进行标定，获取单目视觉量测的计算参数，根据获取道路病害边界的像素坐标，计算道路病害的尺寸、面积、实际位置等信息；本发明适用于更多道路病害类型、准确度高。
-
公开(公告)号：CN111986256A
公开(公告)日：2020-11-24
申请号：CN202010825485.3
申请日：2020-08-17
Applicant: 安徽大学
IPC: G06T7/66
Abstract: 本发明公开了地图学与地理信息科学技术领域的一种基于距离变换的复杂面域质心解算方法，包括如下步骤：起终点选取、距离变换与栅格力矩值计算、求取一条质心平衡线和最后求取面域质心，根据物理学中悬垂法求取物体质心的原理，结合地图代数中距离变换的方法，提出一种新的提取复杂面域质心的解算方法，不仅可以解决带有空洞的复杂面域质心计算，而且能够处理地理学中非匀质地理要素的质心求解难题，克服了现有技术的缺陷，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：CN107609162A
公开(公告)日：2018-01-19
申请号：CN201710884936.9
申请日：2017-09-26
Applicant: 安徽大学
Abstract: 本发明公开了一种二维地图符号批量导入全景中的方法，其特征在于：包括以下步骤：步骤S1，从全景图和二维地图中选取同名点并提取坐标；步骤S2，求取测站点的二维坐标；步骤S3，求取全景图与二维地图之间角度转换参数；步骤S4，求取测站点距地面高度；步骤S5根据上述坐标、转换参数以及观测点高度，在全景图中显示地图符号；所述步骤S5具体包括：步骤S5.1，在二维地图中批量提取地图符号的二维坐标；步骤S5.2，批量地图符号二位坐标转换成全景图球面坐标；步骤S5.3，在全景图中根据地图符号的球面坐标显示地图符号；本发明能够在全景图中嵌入地图符号，能够显著提高全景图的地理场景说明、引导的能力。
-
公开(公告)号：CN119992329A
公开(公告)日：2025-05-13
申请号：CN202510078099.5
申请日：2025-01-17
Applicant: 安徽大学 , 长江信达软件技术(武汉)有限责任公司
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/52 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
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特征综合感知的多源高分辨率遥感影像植被提取方法。本发明首先通过随机森林模型对植被指数进行特征优选，筛选出能够提升植被与其他地物目标的类间差异性指数，在此基础上构建了多特征综合感知卷积网络，该网络通过构建光谱特征与植被指数特征双支并行网络，在简化密集连接模块的基础上，强化多尺度特征信息提取能力的同时，减少了细节特征的丢失。此外，为了促使原始光谱信息和植被指数特征之间进行全局信息交互，设计双路多头交叉注意融合模块，扩大植被与其他地物的差异性与植被的一致性，提高网络的泛化性能，实现多源高分辨率遥感数据下植被提取。
-
公开(公告)号：CN114708501B
公开(公告)日：2025-04-08
申请号：CN202210314950.6
申请日：2022-03-28
Applicant: 安徽大学
IPC: G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , 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。
-
Patent Agency Ranking
公开(公告)号：CN118675034A
公开(公告)日：2024-09-20
申请号：CN202410745855.0
申请日：2024-06-11
Applicant: 安徽大学 , 安徽省城建设计研究总院股份有限公司 , 长江信达软件技术(武汉)有限责任公司
IPC: G06V10/84 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06V10/776
Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于贝叶斯的深度学习遥感水质反演黑臭水体识别方法。针对当前黑臭水体识别方法研究不完善，水质参数遥感反演中又存在精度低、种类少，特别是普通神经网络在数据量较少时存在严重的过拟合现象，本发明基于BO‑CNN‑LSTM模型反演水质参数，进而划定指标阈值识别黑臭水体，包括：遥感影像数据获取及处理、特征波段选择、初始化CNN‑LSTM模型构建、贝叶斯算法优化寻参、模型结果输出及精度验证，划定水质参数指标阈值并获取黑臭水体识别结果。实现多类别、多尺度、大范围的智能化水质参数反演，提高水质参数反演精度，拓展黑臭水体识别研究方法，为区域水环境保护和水体污染治理等工作提供基础数据支撑和科学依据。
-
公开(公告)号：CN118587595A
公开(公告)日：2024-09-03
申请号：CN202410737155.7
申请日：2024-06-07
IPC: G06V20/10 , G06V10/52 , G06V10/46 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双阶任务机制网络的建筑物变化检测方法，涉及图像处理技术领域，利用双阶任务机制网络构建建筑物变化检测模型，用于根据前时相图像和后时相图像，输出建筑物的变化检测结果；双阶任务机制网络将建筑物变化检测任务分为特征优化选择和跨尺度递进融合两个阶段来处理，从而实现图像多尺度、多时相、多特征整合，减少人为干预对建筑物变化检测精度的影响。本发明提高建筑物变化检测精度，取得了更好的检测效果，为城市规划和地质灾害评估等工作提供有力的技术支撑。
-
公开(公告)号：CN118537733A
公开(公告)日：2024-08-23
申请号：CN202410671607.6
申请日：2024-05-28
IPC: G06V20/10 , G06V20/13 , G06V10/774 , G06N3/0464 , G06V10/82 , G06V10/80 , G06V10/764
Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于特征一致性感知的遥感影像道路提取方法，步骤如下：数据集获取及样本集制作、初始道路提取网络结构设计、特征增强和特征一致性感知模块、损失函数优化模型、模型结果评估。本发明设计特征增强和特征一致性感知网络，该网络由初始道路提取网络和特征增强和特征一致性感知模块组成，通过将初始道路信息和多尺度特征信息相结合，更好地利用多尺度信息，减少特征信息丢失，提高网络性能。本发明方法增强了道路特征的一致性，丰富了道路的特征信息，改善了由建筑物阴影或者其他地物遮盖导致的道路不连通和破碎化的问题，增强了道路提取结果的连通性和完整性。
-
公开(公告)号：CN118470305A
公开(公告)日：2024-08-09
申请号：CN202410663503.0
申请日：2024-05-27
Applicant: 安徽大学 , 中国能源建设集团安徽省电力设计院有限公司
IPC: G06V10/25 , G06V10/776 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N3/048 , G06N3/0464 , G06V10/94
Abstract: 本发明属于遥感信息提取技术领域，具体涉及一种基于SAM多特征融合的遥感影像旋转目标检测方法。本发明针对遥感影像中地物类型繁多，大中小目标分布不均，目标尺度变化剧烈等问题，设计了基于SAM多特征融合的遥感影像旋转目标检测算法，提高遥感目标检测精度；首先收集已有的遥感目标检测样本构建样本库；并在此基础上，利用SAM编码器强大的特征提取能力，根据AdapterTuning的参数有效微调技术，使用Adapter模块和Mona模块对SAM的编码器进行微调，以增强网络对遥感图像的特征提取能力。同时引入多特征融合技术，充分利用不同尺度下的语义信息，提高遥感目标检测的精度；在应用上取得具有实用价值的遥感目标检测技术，以期切实地推进遥感图像中物体监测的应用与发展。
-
公开(公告)号：CN111079835B
公开(公告)日：2023-03-07
申请号：CN201911294229.X
申请日：2019-12-16
Applicant: 安徽大学
IPC: G06F18/214 , G06N3/0464 , G01N21/31 , G01N21/17
Abstract: 本发明公开了气溶胶遥感技术领域的一种基于深度全连接网络的Himawari‑8大气气溶胶反演方法，首先获取Himawari‑8静止卫星的NetCDF4格式的遥感影像数据，获得反演模型所需的因变量数据集，其次，获取Himawari‑8影像对应时间的AERONET站点1.5等级去云和质量控制的气溶胶产品数据，获得反演模型所需的自变量数据，接着，用整理好的数据集进行深度全连接网络的深度学习模型构建，并进行模型参数设置，用以获取Himawari‑8遥感影像数据和地面AERONET站点气溶胶数据之间的关系，构建气溶胶反演模型，最后，将训练得到的深度全连接反演模型应用与监测点上空的Himawari‑8遥感影像，得到对应监测位置的AOD反演结果；本发明气溶胶反演过程无需引入其他辅助数据，使其反演过程误差减少，提高AOD反演精度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.1 seconds)
