-
公开(公告)号：CN119444875B
公开(公告)日：2025-04-08
申请号：CN202510027732.8
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06T7/80 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明涉及一种提示学习和SAR数据辅助光学影像外参数自主标定方法，与现有技术相比实现了摆脱地面控制点依赖和融合多源信息，构建光学影像外参数补偿模型。本发明包括以下步骤：提示学习和SAR辅助的光学影像外参数自主标定方法准备工作；SAR卫星影像转换伪光学影像；基于提示学习的光学影像外参数自主标定模型构建；基于提示学习的光学影像外参数自主标定模型训练；光学影像外参数自主标定模型的应用。本发明通过引入SAR影像和提示学习技术，在传统标定方法无法覆盖的区域，如极地、沙漠和山林区域中外参数定标性能表现尤为突出。
-
公开(公告)号：CN119399218B
公开(公告)日：2025-04-08
申请号：CN202510016832.0
申请日：2025-01-06
Applicant: 安徽大学
IPC: G06T7/10 , G06T5/80 , G06V10/40 , G06V10/764 , G06V20/10
Abstract: 本发明涉及一种基于风格转换的跨场景高光谱图像分割方法。本发明包括以下步骤；构建跨场景高光谱图像分割数据集；构建多视角信息融合分割网络；构建基于风格转换的跨场景高光谱图像分割网络；训练并测试基于风格转换的跨场景高光谱图像分割网络。与现有技术相比，本发明通过跨场景高光谱图像分割网络，解决了现有高光谱分类任务中，由于不同卫星高光谱图像之间存在风格差异，导致难以将源域训练模型迁移至目标域数据集的问题。此外，本发明采用多视角信息融合分割网络以聚合高光谱图像的空谱信息，从而实现了将源域卫星数据上训练的模型有效迁移至目标域卫星数据的创新方法。
-
公开(公告)号：CN119273704B
公开(公告)日：2025-04-04
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：CN117849795B
公开(公告)日：2024-08-02
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：CN118212539B
公开(公告)日：2024-07-23
申请号：CN202410633570.8
申请日：2024-05-21
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/30 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种光谱退化约束的多尺度分组反馈高光谱重建方法，与现有技术相比解决了现有的方法通过从现成的组件设计复杂的结构来追求更高的性能，而忽略了退化模型中的固有信息，从而导致空间和光谱信息集成不充分和较低的可解释性的问题。本发明包括以下步骤：获取不同分辨率的高光谱和多光谱数据集、构建光谱退化约束的多尺度分组反馈高光谱重建模型、光谱退化约束的多尺度分组反馈高光谱重建模型训练、高光谱重建结果获取。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，整合综合先验知识来规则化和优化高光谱重建的解空间，保证重建光谱的置信度和保真度。
-
Patent Agency Ranking
公开(公告)号：CN118212539A
公开(公告)日：2024-06-18
申请号：CN202410633570.8
申请日：2024-05-21
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/30 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种光谱退化约束的多尺度分组反馈高光谱重建方法，与现有技术相比解决了现有的方法通过从现成的组件设计复杂的结构来追求更高的性能，而忽略了退化模型中的固有信息，从而导致空间和光谱信息集成不充分和较低的可解释性的问题。本发明包括以下步骤：获取不同分辨率的高光谱和多光谱数据集、构建光谱退化约束的多尺度分组反馈高光谱重建模型、光谱退化约束的多尺度分组反馈高光谱重建模型训练、高光谱重建结果获取。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，整合综合先验知识来规则化和优化高光谱重建的解空间，保证重建光谱的置信度和保真度。
-
公开(公告)号：CN118212127A
公开(公告)日：2024-06-18
申请号：CN202410085428.4
申请日：2024-01-20
Applicant: 安徽大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/0442 , G06N3/094
Abstract: 本发明涉及一种基于未配准的物理指导生成式对抗高光谱超分辨率方法，与现有技术相比解决了必须以精确配准为前提、高光谱数据合成过程中缺乏必要的物理意义而导致重建结果不稳定的问题。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、构建基于未配准的物理指导生成式对抗高光谱超分辨率模型、基于未配准的物理指导生成式对抗高光谱超分辨率模型训练、待增强真实高光谱和多光谱遥感影像获取、超分辨率重建结果获取。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，获得高分辨率、高信噪比和特征可识别的增强图像。
-
公开(公告)号：CN117911830B
公开(公告)日：2024-05-28
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：CN117788281B
公开(公告)日：2024-05-28
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：CN118038086A
公开(公告)日：2024-05-14
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 0.034 seconds)
