公开(公告)号：CN118918334B

公开(公告)日：2025-01-28

申请号：CN202411413339.4

申请日：2024-10-11

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  周福阳 ,  程朋根 ,  陈婷 ,  刘佳豪 ,  侯光亚

IPC: G06V10/26 ,  G06V10/80 ,  G06V20/17 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本申请涉及遥感图像树木参数信息提取技术领域，具体涉及一种基于特征交互与聚合网络的树冠分割及树高估算方法，包括如下步骤：生成树木区域的数字正射影像和数字高程模型；构建基于特征交互与聚合网络的树冠分割及树高估算模型。所述基于特征交互与聚合网络的树冠分割及树高估算模型包括基于迁移学习的双通道复合网络、特征交互模块FIM、特征聚合模块FAM和多级特征融合解码器模块；对所述数字正射影像和数字高程模型数据进行树冠描绘和树高标记，生成训练集、验证集和测试集，并对模型进行训练；使用训练完成的模型进行树冠分割及树高估算。本发明能够准确高效地从复杂地形中提取出大面积树冠和树高信息。

公开(公告)号：CN118397462B

公开(公告)日：2024-08-27

申请号：CN202410853815.8

申请日：2024-06-28

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  魏燕 ,  周福阳 ,  张海 ,  阮轶 ,  谢禄锋 ,  刘佳豪

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本申请涉及一种基于双通道深度神经网络的遥感图像道路提取方法，属于遥感图像道路提取技术领域，该方法包括如下步骤：构建道路提取模型，所述道路提取模型为可同时提取道路特征信息和建筑物特征信息的双通道深度神经网络，所述双通道深度神经网络包括道路特征信息提取分支、建筑物特征信息提取分支、特征融合分支、特征解码模块、分割分支和连通分支；对公开数据集进行裁剪生成道路提取模型的训练集和测试集；使用训练集和测试集对所述道路提取模型进行训练，并使用训练完成的道路提取模型从图像中进行道路提取。本发明方法能够同时学习道路特征和建筑物特征信息，区分具有相似光谱特性的道路和建筑物信息，使得道路提取的结果更加准确。

公开(公告)号：CN118397462A

公开(公告)日：2024-07-26

申请号：CN202410853815.8

申请日：2024-06-28

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  魏燕 ,  周福阳 ,  张海 ,  阮轶 ,  谢禄锋 ,  刘佳豪

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本申请涉及一种基于双通道深度神经网络的遥感图像道路提取方法，属于遥感图像道路提取技术领域，该方法包括如下步骤：构建道路提取模型，所述道路提取模型为可同时提取道路特征信息和建筑物特征信息的双通道深度神经网络，所述双通道深度神经网络包括道路特征信息提取分支、建筑物特征信息提取分支、特征融合分支、特征解码模块、分割分支和连通分支；对公开数据集进行裁剪生成道路提取模型的训练集和测试集；使用训练集和测试集对所述道路提取模型进行训练，并使用训练完成的道路提取模型从图像中进行道路提取。本发明方法能够同时学习道路特征和建筑物特征信息，区分具有相似光谱特性的道路和建筑物信息，使得道路提取的结果更加准确。

公开(公告)号：CN118968249B

公开(公告)日：2025-03-14

申请号：CN202411440665.4

申请日：2024-10-16

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  程朋根 ,  陈婷 ,  周福阳 ,  刘佳豪 ,  侯光亚

IPC: G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。

公开(公告)号：CN118968249A

公开(公告)日：2024-11-15

申请号：CN202411440665.4

申请日：2024-10-16

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  余师寻 ,  程朋根 ,  陈婷 ,  周福阳 ,  刘佳豪 ,  侯光亚

IPC: G06V10/80 ,  G06V10/75 ,  G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/46 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及遥感图像匹配技术领域，具体涉及一种耦合相位结构和深度特征的多模态遥感图像匹配方法，该方法利用相位结构特征检测算法对多模态遥感图像进行特征点检测；构建多级特征交互与聚合网络来提取深度特征描述符，多级特征交互与聚合网络包括双分支主干网络、基于坐标注意力机制的多级特征交互与聚合模块以及基于坐标注意力机制的密集特征融合模块。构建数据集对网络模型进行训练，并利用训练好的网络模型从图像中提取深度特征描述符；然后对深度特征描述符进行匹配，采用多层级误匹配剔除策略剔除误匹配，得到最终的匹配结果。本发明能够结合局部和全局语义信息，突出关键特征的表达，提高正确匹配点的数量和匹配点的定位精度。

公开(公告)号：CN118918334A

公开(公告)日：2024-11-08

申请号：CN202411413339.4

申请日：2024-10-11

Applicant: 东华理工大学南昌校区

Inventor： 何海清 ,  周福阳 ,  程朋根 ,  陈婷 ,  刘佳豪 ,  侯光亚

IPC: G06V10/26 ,  G06V10/80 ,  G06V20/17 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本申请涉及遥感图像树木参数信息提取技术领域，具体涉及一种基于特征交互与聚合网络的树冠分割及树高估算方法，包括如下步骤：生成树木区域的数字正射影像和数字高程模型；构建基于特征交互与聚合网络的树冠分割及树高估算模型。所述基于特征交互与聚合网络的树冠分割及树高估算模型包括基于迁移学习的双通道复合网络、特征交互模块FIM、特征聚合模块FAM和多级特征融合解码器模块；对所述数字正射影像和数字高程模型数据进行树冠描绘和树高标记，生成训练集、验证集和测试集，并对模型进行训练；使用训练完成的模型进行树冠分割及树高估算。本发明能够准确高效地从复杂地形中提取出大面积树冠和树高信息。