-
公开(公告)号：CN113960545A
公开(公告)日：2022-01-21
申请号：CN202111213206.9
申请日：2021-10-19
Applicant: 安徽大学
IPC: G01S7/40
Abstract: 本发明涉及基于对称几何构型约束的星载SAR无场几何定标方法及其系统，与现有技术相比解决了星载SAR卫星需在地面控制数据依赖情况下才能实现系统误差参数自标定的缺陷。本发明包括以下步骤：获取对称几何构型影像对；计算距离多普勒几何定位模型参数；建立几何定位模型；进行无场几何定标准备工作；星载SAR无场几何定标的完成。本发明在无需几何定标场依赖下实现星载SAR高精度几何定标，实现与传统星载SAR几何定标相当的精度。
-
公开(公告)号：CN119418176B
公开(公告)日：2025-04-08
申请号：CN202510014546.0
申请日：2025-01-06
Applicant: 安徽大学
IPC: G06V20/00 , G06V10/42 , G06V10/44 , G06V10/25 , G06V10/74 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种结合CNN曼巴的对比预训练云检测方法，所述方法包括以下步骤：构建与处理遥感影像云检测数据集、构建CNN曼巴云检测网络、CNN曼巴云检测网络的云雪像素对比预训练、微调CNN曼巴云检测网络、对CNN曼巴云检测网络进行测试。与现有技术相比，CNN方法能提取图像的局部特征，曼巴方法能提取图像的全局特征，结合CNN和曼巴方法既可以留意图像中云的边缘细节，又能从整幅图像上看到云的区域，提高云检测的精度。同时利用云雪数据对网络进行预训练，让网络区分云和雪之间的差异，在后续微调阶段不会把雪错分成云，实现更精准的云检测任务。
-
公开(公告)号：CN119295952B
公开(公告)日：2025-04-08
申请号：CN202411812834.2
申请日：2024-12-10
Applicant: 安徽大学
Abstract: 本发明涉及一种空间对齐和因果交互的高光谱激光雷达协同分类方法，与现有技术相比，解决了现有的方法在进行高光谱激光雷达协同分类过程中，由于未考虑多模态图像由于拍摄过程、成像机制等引起的空间错位及模态差异，从而导致了分类精度和鲁棒性不足的问题。本发明包括以下步骤：获取多模态遥感影像数据集、构建空间对齐和因果交互的高光谱激光雷达协同分类模型、空间对齐和因果交互的高光谱激光雷达协同分类模型训练、图像分类结果获取。本发明通过预测空间偏移量实现多模态图像精确对齐，并且运用因果交互机制区分模态的因果与非因果因素，有效剔除模态特性干扰，确保高光谱激光雷达协同分类结果的精准度与鲁棒性。
-
公开(公告)号：CN119295756B
公开(公告)日：2025-04-08
申请号：CN202411812830.4
申请日：2024-12-10
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种抗非对齐的SAR‑光学影像耦合对比融合建筑物分割方法。本发明包括以下步骤：构建建筑物遥感影像分割多模态数据集；构建抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；训练抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型结果获取。与现有技术相比，解决了现有方法在处理多模态图像对弱对齐问题时，注重严格的模态对齐从而忽略了模态间的差距。本发明通过偏移引导自适应特征对齐模块捕获最佳的对齐位置，从而实现模态间的自适应对齐。进一步通过多模态图像融合的耦合对比学习框架提取模态间的互补特征，从而减少融合结果的冗余信息，保证分割结果的精度和鲁棒性。
-
公开(公告)号：CN119417743A
公开(公告)日：2025-02-11
申请号：CN202510013130.7
申请日：2025-01-06
Applicant: 安徽大学
Abstract: 本发明涉及一种多尺度表征光学影像低频定位误差自适应补偿方法，与现有技术相比实现了从时间、组成等维度考虑对低频误差解耦表征，适应构建低频误差补偿模型。本发明包括以下步骤：多尺度表征光学影像低频定位误差自适应补偿准备工作；对光学影像低频定位误差进行多时间尺度表征；考虑动态、静态误差解耦的光学影像低频定位误差模型自适应构建；利用非共线控制点对补偿模型进行偏最小二乘求解与补偿参数应用。本发明采用变分模态分解方法将低频误差表征成周期项、趋势项以及噪声项，根据其组份间量级大小关系，自适应构建低频误差补偿模型。
-
Patent Agency Ranking
公开(公告)号：CN119027317B
公开(公告)日：2025-01-24
申请号：CN202411513371.X
申请日：2024-10-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4007 , G06T3/4038 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/084
Abstract: 本发明涉及一种基于全局引导条件扩散模型的高光谱影像超分方法，与现有基于扩散模型的技术相比，该方法解决了全局与局部信息建模不平衡以及空间细节恢复不足的问题，特别是在处理高频特征时，使得重建的图像在细节上不够清晰。本发明包括以下步骤：低分辨率高光谱图像的获取及预处理、构建基于全局引导条件扩散模型的高光谱影像超分模型、训练基于全局引导条件扩散模型的高光谱影像超分模型、高光谱超分辨率结果获取。本发明利用Diffusion Transformer扩散模型，通过动态调整注意力分布，增强模型处理复杂多样噪声模式的能力，确保在不同噪声水平下都能恢复出高质量图像，更好地保持细节和光谱一致性，同时实现更少的计算开销。
-
公开(公告)号：CN119273704A
公开(公告)日：2025-01-07
申请号：CN202411807262.9
申请日：2024-12-10
Applicant: 安徽大学
IPC: G06T7/11 , G06T5/70 , G06T5/60 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种显著性参考和解耦的食管肿瘤CT影像扩散分割方法，通过结合显著性伪标签和扩散去噪网络，提高肿瘤分割的准确性。首先，对食管肿瘤CT图像进行预处理，并生成显著性伪标签，增强网络对肿瘤区域的关注。然后，构建显著性参考的分割网络和扩散去噪网络，采用条件扩散模型逐步加噪和去噪还原图像。设计了分割与去噪任务解耦的多任务学习框架，通过一致性约束确保任务之间的协同优化。通过联合优化交叉熵损失、Dice损失、均方误差和一致性损失，提高分割性能。实验结果表明，该方法能有效提升食管肿瘤的分割精度，具有较强的临床应用潜力。
-
公开(公告)号：CN119027317A
公开(公告)日：2024-11-26
申请号：CN202411513371.X
申请日：2024-10-28
Applicant: 安徽大学
IPC: G06T3/4053 , G06T3/4007 , G06T3/4038 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/084
Abstract: 本发明涉及一种基于全局引导条件扩散模型的高光谱影像超分方法，与现有基于扩散模型的技术相比，该方法解决了全局与局部信息建模不平衡以及空间细节恢复不足的问题，特别是在处理高频特征时，使得重建的图像在细节上不够清晰。本发明包括以下步骤：低分辨率高光谱图像的获取及预处理、构建基于全局引导条件扩散模型的高光谱影像超分模型、训练基于全局引导条件扩散模型的高光谱影像超分模型、高光谱超分辨率结果获取。本发明利用Diffusion Transformer扩散模型，通过动态调整注意力分布，增强模型处理复杂多样噪声模式的能力，确保在不同噪声水平下都能恢复出高质量图像，更好地保持细节和光谱一致性，同时实现更少的计算开销。
-
公开(公告)号：CN118550022A
公开(公告)日：2024-08-27
申请号：CN202410187721.1
申请日：2024-02-20
Applicant: 安徽大学
Inventor： 唐永明 , 李相辉 , 邵宇鹏 , 朱云浩 , 林子涵 , 李嘉豪 , 陈逸凡 , 冯淑静 , 丁伟涛 , 王新悦 , 徐凯 , 许昕余 , 闫子豪 , 潘骏聪 , 郭小辉 , 黄志祥
Abstract: 本发明公开了一种远紫外光窄带高效滤光片，包括：基底、SiO2层和聚丙烯层，SiO2层和聚丙烯层交替层叠负载在基底的同一侧。本发明还公开了上述远紫外光窄带高效滤光片的制备方法，包括如下步骤：取氨基修饰的纳米SiO2颗粒溶液、聚丙烯溶液，在基底的一侧交替负载SiO2层和聚丙烯层得到远紫外光窄带高效滤光片。本发明还公开了上述远紫外光窄带高效滤光片在杀菌消毒装置中的应用。本发明具有良好的远紫外光窄带滤光效果，在222nm处的透过率达到85％以上。
-
公开(公告)号：CN118038086B
公开(公告)日：2024-06-25
申请号：CN202410430415.6
申请日：2024-04-11
Applicant: 安徽大学
IPC: G06V10/52 , G06N3/0464 , G06N3/09 , G06V10/82 , G06V10/88
Abstract: 本发明涉及一种基于多尺度和深度监督耦合增益的SAR转光学图像方法，所述方法包括以下步骤：获取成对光学遥感影像和SAR影像数据集；构建基于多尺度和深度监督耦合增益的SAR转光学图像模型；基于多尺度和深度监督耦合增益的SAR转光学图像模型训练；获取待翻译SAR影像数据；获取SAR影像翻译成光学影像结果。与现有技术相比，通过构建多层次的SAR转光学图像模型，充分利用不同尺度下SAR的图像特征的一致性与互补性，保证每一层的图像翻译都是有方向的；同时本发明对每种尺度下的翻译结果进行深度监督，对聚合的多尺度特征进行有效过滤；在二者的协同作用下，最终实现局部纹理保持和全局色调一致的SAR转光学图像。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.028 seconds)
