公开(公告)号：CN118890582A

公开(公告)日：2024-11-01

申请号：CN202410910205.7

申请日：2024-07-08

Applicant: 福州大学

Inventor： 翁谦 ,  陈耿葳 ,  林嘉雯 ,  潘增滢 ,  林易丰 ,  林灵杰 ,  徐辰昆 ,  张滢滢 ,  陈模

IPC: H04R3/00

Abstract: 本发明提供一种基于虚拟阵列的两阶段主瓣宽度可变波束形成方法，以差分麦克风阵列作为基本单元，由多个差分麦克风阵列组成更大阵列的平面差分波束形成器；波束形成分为两个阶段：首先差分麦克风阵列单元使用MMSE波束形成方法进行基本的差分波束形成，并采用基于Dolph‑Chebyshev多项式的形式的目标方向性图案，使主瓣宽度和旁瓣级可控；再通过组合多个差分麦克风阵列单元的输出进一步提升波束形成的性能；将多个差分麦克风阵列单元进行线性组合并视为虚拟的平面阵列，则全局阵列的导向向量视为差分麦克风阵列单元的导向向量与虚拟阵列导向向量的克罗内克积，全局波束形成器采用基本差分波束形成器和对应于虚拟阵列的波束形成器的克罗内克积。

公开(公告)号：CN120014353A

公开(公告)日：2025-05-16

申请号：CN202510103041.1

申请日：2025-01-22

Applicant: 福州大学

Inventor： 翁谦 ,  潘增滢 ,  林易丰 ,  林嘉雯 ,  张滢滢 ,  陈耿葳 ,  张煜

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供了一种面向国产卫星高光谱数据的基于空间邻域的多尺度光谱特征融合的分类方法，具体操作步骤如下：首先，针对已处理的卫星数据在空间维度实施切块处理，选取中心像素的标签作为对应图像块的真实标签。输入数据会先经由多尺度光谱特征提取模块。把提取得到的光谱特征传输至空间领域信息融合模块，在此模块对空间邻域信息和光谱信息展开进一步的提取和融合。将融合后的特征输入分类头，进而得到分类结果。本发明在卫星高光谱数据上取得初步成效。该方法能有效削减卫星因低空间分辨率而导致的光谱混杂和空间误差问题所产生的不良影响，切实有效地提高像素级分类的精度水平，为国产高光谱卫星数据分类提供了一种高效、精准的解决方案。

公开(公告)号：CN119992269A

公开(公告)日：2025-05-13

申请号：CN202510067194.5

申请日：2025-01-16

Applicant: 福州大学

Inventor： 翁谦 ,  陈耿葳 ,  林嘉雯 ,  潘增滢 ,  林易丰 ,  林灵杰 ,  黄贤圣 ,  张滢滢 ,  陈模

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/20 ,  G06V10/40 ,  G06V20/10

Abstract: 本发明提出一种基于Mamba结构的高光谱和LiDAR数据自适应融合协同分类方法。首先，利用双分支深度特性提取架构提取HSI数据的空间‑光谱联合特征以及LiDAR数据的高程语义信息。随后，通过空间上下文标记器进行特征聚合并优化空间表示。在特征融合阶段，通过基于Mamba结构的双通道协同注意力模块DCCAM来捕获全局依赖关系，同时利用参数共享确保异构特征的一致性，最后通过自适应融合模块AF有效地整合了多源特征，增强了信息的联合表示。相比已有的多模态遥感图像分类算法，本发明方法能够实现更高的分类精度并显著提升计算效率。

公开(公告)号：CN118710905A

公开(公告)日：2024-09-27

申请号：CN202410841491.6

申请日：2024-06-27

Applicant: 福州大学

Inventor： 翁谦 ,  林易丰 ,  安远 ,  林嘉雯 ,  潘增滢 ,  林灵杰 ,  徐辰昆 ,  张滢滢 ,  陈耿葳 ,  陈模

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/24

Abstract: 本发明涉及双模态融合与校正的遥感图像语义分割方法。首先多源高分光学图像和nDSM图像组成的样本对分别输入到网络的对应两个分支。模型的双分支结构对两个模态进行四个阶段的特征提取和通道与空间融合校正，产生阶段性增强特征与阶段性融合特征。第一个阶段的特征提取结果还用于模态互补边界的提取，以得到多尺度边界特征。多尺度边界特征和不同尺度的阶段性融合特征用于逐步的融合与上采样，以得到最终的语义分割结果与边界分割结果。本发明的模型能根据模态差异处理光学图像与nDSM数据，充分利用多模态互补信息实现特征校正与融合，细化边界，强化多尺度特征，有效缓解了高分遥感图像的语义分割任务中光谱混淆和类内差异大、类间差异小的问题。

公开(公告)号：CN118655523A

公开(公告)日：2024-09-17

申请号：CN202410909950.X

申请日：2024-07-08

Applicant: 福州大学

Inventor： 翁谦 ,  陈模 ,  林嘉雯 ,  林易丰 ,  潘增滢 ,  林灵杰 ,  徐辰昆 ,  张滢滢 ,  陈耿葳

IPC: G01S5/22 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明提供一种基于频域动态卷积和Conformer的声源定位方法，首先对麦克风阵列捕获的多通道音频进行对数幅度谱和相位谱的计算，并进行串联融合。将融合后的特征输入CNN‑Conformer网络中，网络输出直接路径相位差，然后通过网络输出的直接路径相位差计算空间响应功率谱，最后对空间响应功率谱进行谱峰搜索得到最终的声源位置。本发明的模型将频域动态CNN和Conformer模块结合，能够释放卷积在频率维度上的平移等变性，缓解了时频谱图中不同频率对应相位差不同导致的定位误差，还可有效地捕获时频谱图中的时间‑频率模式和长期依赖关系。相比已有的CRNN模型，该方法拥有更强的空间特征捕获能力，能够有效提高声源定位精度。

公开(公告)号：CN118279762A

公开(公告)日：2024-07-02

申请号：CN202410389164.1

申请日：2024-04-02

Applicant: 福州大学

Inventor： 翁谦 ,  王钦 ,  安远 ,  林易丰 ,  潘增滢 ,  张滢滢 ,  陈模 ,  陈耿崴

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/82 ,  G06V10/42 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种高分遥感图像建筑物提取方法，包括以下步骤：将建筑物的高分遥感图像送入主干网络中的编码器进行多次下采样操作，依次得到不同分辨率下的特征图E1、E2、E3、E4和E5；将步骤S1中的特征图E2、E3、E4送入高分辨率特征融合模块中,得到高分辨率特征图H1、H2；将特征图E5送入解码器进行多次上采样操作，依次得到特征图D4、D3和D2，将特征图D2送入高分辨率特征融合模块中，得到特征图D1；将高分辨率特征图H1、H2和高分辨率特征融合模块输出的特征图D1送入频域边缘增强模块，得到最终的输出结果，并对结果进行多损失监督；本发明能捕获图像中更多的建筑物边缘细节和语义信息信息，有效地提高建筑物提取的精度和建筑物轮廓的完整性。

公开(公告)号：CN117934848A

公开(公告)日：2024-04-26

申请号：CN202410135405.X

申请日：2024-01-31

Applicant: 福州大学

Inventor： 翁谦 ,  林易丰 ,  陈浩 ,  林嘉雯 ,  潘增滢 ,  林灵杰 ,  徐辰昆 ,  张滢滢 ,  陈耿葳 ,  陈模

IPC: G06V10/26 ,  G06V20/70 ,  G06V20/10 ,  G06V10/10 ,  G06V10/40 ,  G06V10/80 ,  G06V10/77 ,  G06V10/771 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种面向多源数据多区域尺度协同高分遥感图像语义分割方法。首先将经数据增强的多源高分光学图像和nDSM样本图像对分别输入到网络的高分空间分支、高分语义分支和nDSM空间分支，然后将两个数据源图像的空间特征进行拼接融合。最后，将融合特征经语义分割头上采样得到最终的分割结果。本发明的模型能使网络对于特征丰富，融合后的特征由于有nDSM图像的高程信息互补，缓解了高分光学图像中光谱混淆以及高分遥感图像固有的类内差异大，类间差异小造成语义分割难的问题。将融合特征应用于语义分割网络，相比已有的单源可见光图像分割方法和多源nDSM分割方法，该发明方法能够有效提高语义分割精度。