公开(公告)号：CN119295756A

公开(公告)日：2025-01-10

申请号：CN202411812830.4

申请日：2024-12-10

Applicant: 安徽大学

Inventor： 徐凯 ,  钱磊 ,  马会阳 ,  贾兆红 ,  梁栋 ,  程志友

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明涉及一种抗非对齐的SAR‑光学影像耦合对比融合建筑物分割方法。本发明包括以下步骤：构建建筑物遥感影像分割多模态数据集；构建抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；训练抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型；抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型结果获取。与现有技术相比，解决了现有方法在处理多模态图像对弱对齐问题时，注重严格的模态对齐从而忽略了模态间的差距。本发明通过偏移引导自适应特征对齐模块捕获最佳的对齐位置，从而实现模态间的自适应对齐。进一步通过多模态图像融合的耦合对比学习框架提取模态间的互补特征，从而减少融合结果的冗余信息，保证分割结果的精度和鲁棒性。

公开(公告)号：CN118864865A

公开(公告)日：2024-10-29

申请号：CN202411345013.2

申请日：2024-09-25

Applicant: 安徽大学

Inventor： 徐凯 ,  汪帮俊 ,  朱洲 ,  钱磊 ,  贾兆红

IPC: G06V10/26 ,  G06V20/10 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及一种基于对比学习和多模态融合的遥感影像水体分割方法，与现有技术相比，解决了现有的方法在处理遥感影像水体分割问题时，分割性能严重依赖训练样本的数量及质量和忽视了不同模态之间的互补信息，从而导致分割结果的精度和鲁棒性不足的问题。本发明包括以下步骤：获取多模态的遥感影像数据集、构建基于对比学习和多模态融合的遥感影像水体分割模型、基于对比学习和多模态融合的遥感影像水体分割模型训练、水体分割结果获取。本发明充分利用了遥感影像中的多模态信息，通过对比学习提取各模态间的互补和对比特性，进一步通过多模态融合策略整合各模态信息，从而在规则化和优化水体分割的解空间，保证分割结果的精度和鲁棒性。

公开(公告)号：CN118247681B

公开(公告)日：2024-08-09

申请号：CN202410651396.X

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  赵靖齐 ,  袁明宇 ,  魏薇 ,  汪安铃 ,  鞠薇

IPC: G06V20/13 ,  G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法，所述方法包括以下步骤：基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比，通过场景级语义引导模块不仅提供了长程上下文信息，还能捕捉局部细节，从而更好地理解图像中的场景信息，而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域，避免误检和漏检的问题，并且能够实现对边界更精细的分割，为云检测任务带来了重大的性能提升。

公开(公告)号：CN118247668B

公开(公告)日：2024-07-30

申请号：CN202410657058.7

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 徐凯 ,  朱洲 ,  赵昊洋 ,  柯晨烨 ,  王霄洋 ,  蒋基祥 ,  陈仁俊 ,  鞠薇

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明涉及一种基于扩散模型的高光谱图像多源域域自适应分类方法。本发明包括以下步骤：基于批归一化层统计迁移的源域模型初始化；构建基于扩散模型的模型生成算法；训练基于扩散模型的多源域域自适应模型；基于信息熵最小化和对比学习算法的目标域模型微调。与现有技术相比，本发明通过基于扩散模型的多源域域自适应模型，解决了现有高光谱分类任务中由于目标域标签数据缺乏以及多源域之间、源域目标域之间存在域差异而导致的难以将多源域训练模型迁移至目标域数据集的问题,并且目标域模型生成过程中不访问源域数据只访问源域训练模型从而减少了数据传输、数据存储的负担，实现快速将地多种卫星数据上训练的模型迁移到目标卫星数据的方法。

公开(公告)号：CN118279194A

公开(公告)日：2024-07-02

申请号：CN202410674163.1

申请日：2024-05-28

Applicant: 安徽大学

Inventor： 徐凯 ,  汪安铃 ,  翟梦雪 ,  张乐天 ,  李嘉秋 ,  王杰 ,  钱磊

IPC: G06T5/73 ,  G06T5/50 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于多尺度转换器和互惠的云检测与去除方法，所述方法包括以下步骤：获取光学遥感云检测与去除影像数据集；构建基于多尺度转换器的云检测与去除互惠模型；基于多尺度转换器的云检测与去除互惠模型训练；获取待处理有云光学遥感影像数据；获取待处理影像云检测与去除结果。与现有技术相比，通过挖掘云检测与云去除任务共享的遥感影像中的云特征，增强二者在特征提取方面的协同增益能力，从而有效区分云和类云地物；同时利用云检测和去除双任务之间的约束关系，进一步细化分割云掩膜，使得去云结果在保证非云覆盖区域信息无损的同时获得云覆盖区域缺失信息补偿。

公开(公告)号：CN118247681A

公开(公告)日：2024-06-25

申请号：CN202410651396.X

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 徐凯 ,  王文昕 ,  赵靖齐 ,  袁明宇 ,  魏薇 ,  汪安铃 ,  鞠薇

IPC: G06V20/13 ,  G06V20/70 ,  G06V10/26 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于场景级语义引导及块级边界解混的云检测方法，所述方法包括以下步骤：基于场景级语义引导及块级边界解混的云检测准备工作、构建条带卷积模块、构建与训练基于场景级语义引导及块级边界解混的云检测模型、对基于场景级语义引导及块级边界解混的云检测模型测试和求解。与现有技术相比，通过场景级语义引导模块不仅提供了长程上下文信息，还能捕捉局部细节，从而更好地理解图像中的场景信息，而块级边界解混模块专注于提取细节特征以识别边界信息。本发明的云检测方法相比传统方法能够更准确地区分云和云阴影区域，避免误检和漏检的问题，并且能够实现对边界更精细的分割，为云检测任务带来了重大的性能提升。

公开(公告)号：CN117934975B

公开(公告)日：2024-06-07

申请号：CN202410328183.3

申请日：2024-03-21

Applicant: 安徽大学

Inventor： 徐凯 ,  朱洲 ,  汪安铃 ,  潘如杭

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/30 ,  G06V10/762 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明涉及一种全变分正则引导图卷积的无监督高光谱图像分类方法。与现有技术相比解决了在无标签情况下对复杂场景高光谱图像难以准确分类的问题。本发明包括以下步骤：基于相对全变分的高光谱图像去噪预处理；构建全变分正则引导图卷积模块和空谱自编码器模块的联合模型；训练全变分正则引导图卷积模块和空谱自编码器模块的联合模型；高光谱图像无监督分类结果的获得。该方法旨在解决高光谱图像分类中样本标签缺乏的问题，通过利用全变分正则项，促使图卷积网络在学习过程中保持图像空间的平滑性和一致性，并利用空谱自编码器模块提取空谱局部上下文信息，使得模型能够在复杂的无监督分类任务中保持鲁棒性和泛化性。

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

Inventor： 徐凯 ,  陈咏夷 ,  梁栋 ,  秦智泉

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

Inventor： 徐凯 ,  朱洲 ,  汪安铃 ,  陈咏夷 ,  梁栋 ,  贾兆红

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

Inventor： 徐凯 ,  汪安铃 ,  朱州 ,  陈咏夷 ,  贾兆红

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。