在低空經(jīng)濟蓬勃發(fā)展和空天信息產(chǎn)業(yè)快速崛起的背景下,多模態(tài)遙感智能解譯技術(shù)已成為支撐空天地一體化監(jiān)測體系的關(guān)鍵技術(shù)。安徽大學(xué)人工智能學(xué)院李成龍教授團隊瞄準國家重大戰(zhàn)略需求,聚焦空天協(xié)同感知前沿問題,在多模態(tài)遙感圖像解譯領(lǐng)域取得多項重要進展。近日,團隊先后有兩篇研究成果被遙感領(lǐng)域國際頂級期刊IEEE Transactions on Geoscience and Remote Sensing (TGRS)接收,一篇研究成果被遙感領(lǐng)域國際頂級期刊ISPRS Journal of Photogrammetry and Remote Sensing (ISPRS)接收。
趙志成副教授、谷娟娟同學(xué)、李成龍教授和西北工業(yè)大學(xué)黃鐘泠副教授合作完成的研究論文“Guidance Disentanglement Network for Optics-Guided Thermal UAV Image Super-Resolution”被遙感領(lǐng)域頂級期刊ISPRS接收。該研究針對現(xiàn)有光學(xué)引導(dǎo)熱成像超分辨率方法在夜間、霧天等惡劣條件下性能下降的瓶頸問題,解耦光學(xué)圖像表征,構(gòu)建了面向正常光照、低光照和霧障三種典型無人機場景的專用引導(dǎo)模塊,通過屬性感知融合動態(tài)聚合多場景特征,顯著提升了復(fù)雜環(huán)境下的熱成像圖像質(zhì)量。
圖1 引導(dǎo)解耦網(wǎng)絡(luò)
趙志成副教授、肖云副教授、李成龍教授與張衛(wèi)同學(xué)在TGRS上發(fā)表了題為“Reflectance-Guided Progressive Feature Alignment Network for All-Day UAV Object Detection”(doi: 10.1109/TGRS.2025.3574963)的研究論文。該研究針對無人機在弱光及光照不均等復(fù)雜環(huán)境下多模態(tài)目標檢測性能難以提升的問題,創(chuàng)新性地利用Retinex理論將可見光圖像分解為反射率和光照分量,通過反射率引導(dǎo)的漸進式特征對齊網(wǎng)絡(luò),有效解決了復(fù)雜光照下的空間錯位問題,顯著提升了全天候目標檢測的性能。
圖2 反射率引導(dǎo)的漸進式特征對齊網(wǎng)絡(luò)
肖云副教授、趙志成副教授、李成龍教授和王金發(fā)同學(xué)在TGRS上發(fā)表了題為“UAV Video Vehicle Detection: Benchmark and Baseline”(doi:10.1109/TGRS.2025.3534524)的研究論文。該研究針對高分辨率無人機視頻中車輛目標密集、朝向任意、類別精細區(qū)分難的挑戰(zhàn),構(gòu)建了面向無人機視頻車輛細粒度檢測識別任務(wù)的大規(guī)模基準數(shù)據(jù)集,并提出了相應(yīng)的類別細化網(wǎng)絡(luò)CRNet,通過建模時序信息和聚焦車輛判別性特征,有效應(yīng)對了運動模糊和背景干擾,顯著提升了車輛細粒度分類的精度。
圖3 類別細化網(wǎng)絡(luò)
未來,團隊將繼續(xù)面向低空經(jīng)濟和空天信息產(chǎn)業(yè)發(fā)展需求,深化多模態(tài)協(xié)同感知理論研究,加強關(guān)鍵技術(shù)攻關(guān),為實現(xiàn)全天候、高精度、智能化的空天地協(xié)同監(jiān)測提供有力支撐,助力空天信息技術(shù)創(chuàng)新發(fā)展和低空經(jīng)濟高質(zhì)量發(fā)展。
新聞鏈接:https://www.ahu.edu.cn/2025/0703/c15059a370233/page.htm
網(wǎng)站內(nèi)容來源于互聯(lián)網(wǎng),由網(wǎng)絡(luò)編輯負責(zé)審查,目的在于傳遞信息,提供專業(yè)服務(wù),不代表本網(wǎng)站平臺贊同其觀點和對其真實性負責(zé)。如因內(nèi)容、版權(quán)問題存在異議的,請與我們?nèi)〉寐?lián)系,我們將協(xié)調(diào)給予處理(按照法規(guī)支付稿費或刪除),聯(lián)系方式:ahos@aiofm.ac.cn 。網(wǎng)站平臺將加強監(jiān)控與審核,一旦發(fā)現(xiàn)違反規(guī)定的內(nèi)容,按國家法規(guī)處理,處理時間不超過24小時