公开(公告)号：CN116203562A

公开(公告)日：2023-06-02

申请号：CN202310337673.5

申请日：2023-03-31

Applicant: 安徽大学

Inventor： 徐凯 ,  张飞翔 ,  汪子羽 ,  金源 ,  王文昕

IPC: G01S13/90 ,  G01S7/40

Abstract: 本发明涉及一种光学影像辅助的星载立体SAR影像控制点自动生成方法，与现有技术相比实现了从不同升降轨立体SAR影像中自动化的完成灯柱这一类控制点的匹配、提取、误差剔除，并形成可用的控制点。本发明包括以下步骤：基于高分光学影像上提取立体SAR影像上同名灯柱点的近似坐标；SAR影像灯柱PS点像方坐标粗略提取；SAR影像灯柱PS点坐标精确提取；SAR影像灯柱PS点异常值剔除；SAR影像灯柱PS点坐标误差补偿；立体平差处理生成灯柱控制点三维坐标。本发明实现立体SAR影像同名PS点自动化匹配、提取、误差剔除，生成高精度可用的控制点，为基础测绘以及其他卫星几何校正提供控制数据。

公开(公告)号：CN116740584A

公开(公告)日：2023-09-12

申请号：CN202310764234.2

申请日：2023-06-25

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  陈咏夷 ,  汪安铃 ,  汪子羽

IPC: G06V20/13 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种结合CNN和Transformer的渐进式学习梯度的弱监督云检测方法，所述方法包括以下步骤：结合CNN和Transformer的渐进式学习梯度的弱监督云检测准备工作、构建与训练结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型、对结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型测试和求解。与现有技术相比，通过构建结合CNN和Transformer的渐进式学习梯度的两阶段云检测网络，通过显式地引入梯度信息，使云检测网络学习到云和类云地物在梯度上的差别，从而解决云和类云地物的错分和误判问题。同时，通过构建具有主动学习策略的弱监督结构，使用最小化的具有代表性的数据标签实现准确的云检测。

公开(公告)号：CN116740584B

公开(公告)日：2024-05-10

申请号：CN202310764234.2

申请日：2023-06-25

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  陈咏夷 ,  汪安铃 ,  汪子羽

IPC: G06V20/13 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种结合CNN和Transformer的渐进式学习梯度的弱监督云检测方法，所述方法包括以下步骤：结合CNN和Transformer的渐进式学习梯度的弱监督云检测准备工作、构建与训练结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型、对结合CNN和Transformer的渐进式学习梯度的弱监督云检测模型测试和求解。与现有技术相比，通过构建结合CNN和Transformer的渐进式学习梯度的两阶段云检测网络，通过显式地引入梯度信息，使云检测网络学习到云和类云地物在梯度上的差别，从而解决云和类云地物的错分和误判问题。同时，通过构建具有主动学习策略的弱监督结构，使用最小化的具有代表性的数据标签实现准确的云检测。

公开(公告)号：CN116452936B

公开(公告)日：2023-09-29

申请号：CN202310446031.9

申请日：2023-04-22

Applicant: 安徽大学

Inventor： 徐凯 ,  刘思远 ,  汪安铃 ,  汪子羽 ,  梁栋

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明涉及融合光学和SAR影像多模态信息的旋转目标检测方法，该方法相较于现有技术能够有效地解决由于遥感图像采集和传输过程中受到各种干扰导致目标无法精确识别的问题，同时该方法也能够应对不同类别目标具有不同的形状、大小、颜色等特征，或是存在重叠、遮挡等问题。本发明包括以下步骤：SAR影像数据集和光学影像数据集的特征提取；跨模态多尺度特征融合；两阶段旋转预测头定位和分类不同角度的目标。本发明可以有效解决因天气、光照、物体颜色等单一模态目标无法精确检测目标的问题，以及旋转框定位目标精度不高等问题，从而提高目标检测的准确率和效率。

公开(公告)号：CN116452936A

公开(公告)日：2023-07-18

申请号：CN202310446031.9

申请日：2023-04-22

Applicant: 安徽大学

Inventor： 徐凯 ,  刘思远 ,  汪安铃 ,  汪子羽 ,  梁栋

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明涉及融合光学和SAR影像多模态信息的旋转目标检测方法，该方法相较于现有技术能够有效地解决由于遥感图像采集和传输过程中受到各种干扰导致目标无法精确识别的问题，同时该方法也能够应对不同类别目标具有不同的形状、大小、颜色等特征，或是存在重叠、遮挡等问题。本发明包括以下步骤：SAR影像数据集和光学影像数据集的特征提取；跨模态多尺度特征融合；两阶段旋转预测头定位和分类不同角度的目标。本发明可以有效解决因天气、光照、物体颜色等单一模态目标无法精确检测目标的问题，以及旋转框定位目标精度不高等问题，从而提高目标检测的准确率和效率。