-
公开(公告)号：CN117934978B
公开(公告)日：2024-06-11
申请号：CN202410330740.5
申请日：2024-03-22
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084 , G06V20/10
Abstract: 本发明涉及一种基于对抗学习的高光谱和激光雷达多层融合分类方法，与现有技术相比解决了监督学习模型的分类性能严重依赖训练样本的数量及质量和多模态数据融合不充分的问题。本发明包括以下步骤：高光谱和激光雷达数据的特征提取；多注意力的对抗性学习；多层次特征融合分类。本发明基于高光谱数据可以表征物体的光谱和空间特征，但是，很难区分相似光谱特征但高程信息不同的物体和激光雷达数据具有三维信息和高度信息的特点，提出用三支路提取数据特征，利用对抗性网络学习无标签数据的特征，并采用多注意力层次融合多模态特征进入分类网络，有效地解决了多模态数据融合分类问题，提高了分类的准确性和效率。
-
公开(公告)号：CN117474801B
公开(公告)日：2024-05-07
申请号：CN202311425998.5
申请日：2023-10-30
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/60 , G06V10/42 , G06V10/44 , G06V10/56 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种融合时空频信息的非均匀遥感视频影像去雾方法，所述方法包括以下步骤：获取合成有雾遥感视频影像数据集；构建融合时域、空域和频域信息的非均匀遥感视频影像去雾模型；非均匀遥感视频影像去雾模型训练；待去雾真实遥感视频影像数据获取；待去雾真实遥感视频影像去雾结果的获取。与现有技术相比，通过构建帧间三维卷积时空特征聚合模块，能够有效利用遥感视频影像数据连续帧间的相似信息，挖掘时空特征，提高图像恢复的质量，同时本发明结合频域分析的方法进行帧内去雾，充分考虑影像低频信息和高频信息的差异，均衡影像全局亮度、对比度、颜色信息和恢复局部细节纹理。
-
公开(公告)号：CN117893827A
公开(公告)日：2024-04-16
申请号：CN202410083823.9
申请日：2024-01-19
Applicant: 安徽大学
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0455 , G06N3/084 , G06N3/09 , G06N3/0475 , G06V10/82
Abstract: 本发明涉及一种基于模态注意力的循环生成学习的高光谱和激光雷达分类方法，与现有技术相比解决了监督学习模型的分类性能严重依赖训练样本的数量及质量和多模态数据融合不充分的问题。本发明包括以下步骤：高光谱和激光雷达数据的特征提取；模态注意力的循环生成学习；多尺度决策级融合分类。本发明基于高光谱数据可以表征物体的光谱和空间特征，但是，很难区分相似光谱特征但高程信息不同的物体和激光雷达数据具有三维信息和高度信息的特点，提出用三支路提取数据特征，利用循环生成网络学习无标签数据的特征，并采用模态注意力浅层融合和多尺度决策级深层融合多模态特征进入分割网络，有效地解决了多模态数据融合分类问题，提高了分割的准确性和效率。
-
公开(公告)号：CN117522824B
公开(公告)日：2024-05-14
申请号：CN202311531117.8
申请日：2023-11-16
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN117911830A
公开(公告)日：2024-04-19
申请号：CN202410321562.X
申请日：2024-03-20
Applicant: 安徽大学
IPC: G06V10/80 , G06V10/774 , G06V10/54 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/09 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种光谱保真的全局交互高光谱多光谱跨模态融合方法，与现有技术相比解决了忽略相对较远领域波段的互补内容而导致的重建光谱扭曲和空间畸变、普通卷积对跨模态特征提取不充分，以及传统Transformer的窗口注意力限制了对长距离依赖进行建模的能力的问题。本发明包括以下步骤：获取合成不同分辨率高光谱和多光谱数据集、构建光谱保真的全局交互高光谱多光谱跨模态融合模型、跨模态融合模型的训练、待融合真实高光谱和多光谱遥感影像获取、高光谱和多光谱遥感影像融合结果获取。本发明基于高光谱图像丰富的光谱信息和多光谱图像丰富的空间信息，提出多模态融合网络重建高分辨率高光谱融合影像，实现高光谱数据与多光谱数据高质量融合。
-
公开(公告)号：CN117849795A
公开(公告)日：2024-04-09
申请号：CN202410054007.5
申请日：2024-01-15
Applicant: 安徽大学
IPC: G01S13/90
Abstract: 本发明设计一种顾及成像特性误差补偿的扫描成像模式SAR的几何处理方法，与现有技术相比解决了扫描成像模式SAR应用对高精度几何质量数据的要求，以及成像特性误差对几何定位精度带来的严重影响缺陷。本发明包括以下步骤：扫描成像模式SAR几何处理数据准备及预处理，升降轨异视配置下的扫描成像模式SAR距离和方位向时延系统误差自补偿，距离向和方位向的成像特性误差自适应补偿，子带SAR影像的基准传递标定，扫描成像模式多子带SAR影像拼接处理。本发明通过多重步骤补偿几何误差，包括预处理、自补偿、误差自适应补偿、基准传递标定和多子带拼接，提高了扫描成像模式SAR影像几何质量，为后续遥感应用提供可靠基础。
-
公开(公告)号：CN117788281A
公开(公告)日：2024-03-29
申请号：CN202410025880.1
申请日：2024-01-08
Applicant: 安徽大学
IPC: G06T3/4007 , G06T3/4038 , G06T5/80 , G06T17/00 , G06V20/10
Abstract: 本发明涉及低POS精度的机载线阵高光谱影像区域影像拼接方法及系统，与现有技术相比实现了低POS精度下大区域机载线阵高光谱影像高精度多轨拼接。本发明包括以下步骤：附带交叉垂直航线的区域多航带线阵高光谱遥感影像获取及预处理；利用八叉树最邻近法构建索引的单航带线阵高光谱遥感影像直接校正；地物类型引导下的多航带线阵高光谱遥感影像稳健同名点匹配；航带定位基准一致的分块校正与多航带影像拼接。本发明实现利用交叉航带配置有效消除系统误差，以航带间同名点坐标误差聚类分块结果为单位进行拼接，有效解决沿轨和垂轨向误差变化所引起的航带间影像错误，为高光谱影像的大区域应用提供高质量数据。
-
公开(公告)号：CN117689579A
公开(公告)日：2024-03-12
申请号：CN202311704091.2
申请日：2023-12-12
Applicant: 安徽大学
IPC: G06T5/73 , G06T5/50 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，所述方法包括以下步骤：获取厚云遮挡光学遥感影像、无云参考影像和SAR影像三元数据集；构建渐进式双解耦的SAR辅助遥感影像厚云去除模型；训练渐进式双解耦的SAR辅助遥感影像厚云去除模型；待厚云去除的厚云遮挡光学遥感影像及对应SAR影像数据的获得及预处理；光学遥感影像厚云去除结果的获得。与现有技术相比，通过构建SAR和光学影像渐进式融合模块，充分利用两种模态间的互补信息，加强对光学影像缺失信息的补充和对SAR影像中噪声、形变的抑制。同时本发明设计的频域和空域双解耦特征处理架构，使得去云影像在光谱信息和结构信息的保持上均表现优异。
-
公开(公告)号：CN117522824A
公开(公告)日：2024-02-06
申请号：CN202311531117.8
申请日：2023-11-16
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种基于域知识库的多源域泛化的云和云阴影检测方法，所述方法包括以下步骤：基于域知识库的多源域泛化的云和云阴影检测准备工作、构建与训练基于域知识库的多源域泛化的云和云阴影检测模型、对基于域知识库的多源域泛化的云和云阴影检测模型测试和求解。与现有技术相比，通过基于域知识库的多源域泛化的云和云阴影检测网络，本发明解决了现有云和云阴影检测任务中由于数据量局限以及域差异导致的难以将源训练模型推广至目标数据集的问题，实现了一个可以适应到其他卫星域的较好泛化能力的模型。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.026 seconds)
