买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利基于融合交叉空间和通道注意力的遥感图像阴影检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115661638B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211212081.2，技术领域涉及：G06V20/10；该发明授权基于融合交叉空间和通道注意力的遥感图像阴影检测方法是由张静;施鑫龙;郑淙耀;宋良农;李云松设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于融合交叉空间和通道注意力的遥感图像阴影检测方法在说明书摘要公布了：本发明提出了一种基于融合交叉空间和通道注意力的遥感图像阴影检测方法。本发明的实现步骤为：生成训练集；构建并训练含有融合交叉空间和通道注意力子网络的阴影检测网络；检测含阴影的遥感图像。本发明利用交叉空间注意力模块，使遥感图像上每个位置点都集中了水平、垂直方向上的语义信息，增强了对特征图空间信息的提取能力，克服了现有技术对于小区域和疑似阴影区域判断不准确以及阴影区域的漏检误检的不足。本发明利用通道注意力模块，能够对符合阴影颜色特征的通道赋予更多关注，从而提升阴影特征提取能力，提高了遥感图像中阴影检测的准确率。

本发明授权基于融合交叉空间和通道注意力的遥感图像阴影检测方法在权利要求书中公布了：1.一种基于融合交叉空间和通道注意力的遥感图像阴影检测方法，其特征在于，构建由交叉空间注意力模块和通道注意力模块级联组成的融合交叉空间和通道注意力子网络；该检测方法的步骤包括如下： 步骤1，生成训练集： 步骤1.1，选取至少500张遥感图像，每张遥感图像中包含至少1个阴影区域，将每张遥感图像均裁剪为尺寸512×512大小； 步骤1.2，对每张遥感图像中的每个阴影区进行标注，并生成标注后每个遥感图像对应的标签图像； 步骤1.3，将所有遥感图像及其对应的标签图像组成训练集； 步骤2，构建遥感图像阴影检测网络： 步骤2.1，构建一个由交叉空间注意力模块和通道注意力模块级联组成的融合交叉空间和通道注意力子网络； 步骤2.1.1，构建一个用于提取同行同列像素特征的交叉空间注意力模块： 搭建一个交叉空间注意力模块，其中，输入层的一个输出端依次与特征提取块，乘法层，归一化层的一个输出端，乘法层，点乘层，加法层，输出层相连；转置层连接在在归一化层的另一个输出端和乘法层之间，乘法层用于将归一化处理后的图像与转置层处理后的图像相乘；输入层的另一个输出端与点乘层相连；归一化层采用Softmax函数实现； 所述特征提取块是由两个结构相同、参数不同的支路并联而成，每个支路由卷积层和特征提取层级联组成，卷积层的卷积核大小设置为1×1，两个支路的特征提取层利用像素特征提取公式，将提取的输入图片像素点的当前位置特征、同行同列像素特征以集合形式输出； 所述的像素特征提取公式如下： 其中，Qi表示第1个支路从输入图像中提取的第i个像素的特征，表示第1个支路从输入图像x中提取的第i个像素的一维特征，表示第1个支路输出的通道数为C'、像素行数为1、像素列数为1图像的特征，Ki表示第2个支路从输入图像中提取的第i个像素的特征，表示从输入图像x中提取的与第i个像素同行同列像素的特征，H表示输入图像中所有像素行的总数，W表示输入图像中所有像素列的总数，表示第2个支路输出的通道数为C'、像素行数为H+W-1、像素列数为1图像的特征； 步骤2.1.2，构建一个用于提取通道特征的通道注意力模块： 搭建一个通道注意力模块，其中，输入层的一个输出端依次与维度变换块，乘法层，归一化层，第1全连接层，第2全连接层，点乘层，输出层相连；输入层的另一个输出端与点乘层相连，用于给输入图像的各通道赋权；将第1全连接层的输入节点数设置为N，N的取值等于输入图像的通道数；将第1全连接层的输出节点数设置为N’，N’等于N的116；将第2全连接层的输入节点数设置为M，M的取值等于N’；将第2全连接层的输出节点数设置为M’，M’的取值等于N，归一化层采用Softmax函数实现； 所述维度变换块由两个相同结构、参数不同的支路并联而成，每个支路由卷积层和维度变换层级联组成；将卷积层的卷积核大小均设置为1×1，第1支路的卷积处理后的图像通道数设置为1，第2支路的卷积处理后的图像通道数设置为C'，C’的取值等于输入图像通道数；维度变换层采用reshape函数实现； 步骤2.1.3，将交叉空间注意力模块与通道注意力模块级联，将通道注意力模块的输出层与交叉注意力模块的输入层相连接，得到融合交叉空间和通道注意力子网络； 步骤2.2，构建编解码基础网络： 构建一个编解码基础网络，其结构依次为：输入层，第1尺度缩减块，第2尺度缩减块，第3尺度缩减块，第4尺度缩减块，第1尺度复原块，第2尺度复原块，第3尺度复原块，第4尺度复原块，输出层；其中，第1至4尺度缩减块的结构相同，其结构由第1卷积层、第2卷积层和下采样层串联组成，第1至4尺度复原块的结构均相同，其结构由第1卷积层、第2卷积层和上采样层串联组成，输出层由第1卷积层、第2卷积层级联组成； 设置编解码基础网络各层参数如下：将第1至4尺度缩减块中的第1至2卷积层以及第1至4尺度复原块中的卷积层的第1至2卷积层的卷积核的大小均设置为3×3，将第1至4尺度缩减块中的下采样层的下采样核大小均设置为2×2，将第1至4尺度复原块中的上采样层的上采样核大小均设置为2×2； 步骤2.3，构建遥感图像阴影检测网络： 搭建遥感图像阴影检测网络，其中，在第4尺度缩减块的两个卷积层后和第1尺度复原块的输出之间并联1个融合交叉空间和通道注意力子网络；在第3尺度缩减块的两个卷积层后和第2尺度复原块的输出之间并联1个融合交叉空间和通道注意力子网络；在第2尺度缩减块的两个卷积层后和第3尺度复原块的输出之间并联1个融合交叉空间和通道注意力子网络；在第1尺度缩减块的两个卷积层后和第4尺度复原块的输出之间并联1个融合交叉空间和通道注意力子网络； 步骤3，训练遥感图像阴影检测网络： 将训练集输入到遥感图像阴影检测网络中，采用梯度下降法，对该网络的参数进行迭代更新，直至网络的损失函数值收敛为止，得到训练好的遥感图像阴影检测网络； 步骤4，检测遥感图像中的阴影： 将待检测的含有阴影的遥感图像裁剪为尺寸512×512大小后，输入到训练好的遥感图像阴影检测网络中，输出阴影检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。