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！

龙图腾网获悉西北工业大学申请的专利基于边界与上下文联合学习的遥感影像机场跑道提取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：CN116778315B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202211690241.4，技术领域涉及：G06V20/10；该发明授权基于边界与上下文联合学习的遥感影像机场跑道提取方法是由王琦;荆纬;袁媛设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本基于边界与上下文联合学习的遥感影像机场跑道提取方法在说明书摘要公布了：本发明公开了一种基于边界与上下文联合学习的遥感影像机场跑道提取方法，解决跑道边界附近提取结果不精细以及跑道和联络道难以区分的问题。主要包括如下步骤：获取机场遥感数据集，标注机场跑道数据，对标注后的数据进行数据增强，生成训练集和测试集；构建跑道提取网络，使用高分辨率网络HRNet作为特征提取主干学习四个分辨率的特征表示，将不同分辨率的特征图输入至解码器，通过边界感知模块生成跑道边界图，通过上下文聚合模块提取上下文特征，最终输出跑道提取结果，使用训练集训练跑道提取网络；在测试过程中将测试数据输入至训练后的跑道提取网络中进行正向预测，获得跑道分割预测结果。

本发明授权基于边界与上下文联合学习的遥感影像机场跑道提取方法在权利要求书中公布了：1.一种基于边界与上下文联合学习的遥感影像机场跑道提取方法，其特征在于包括以下步骤： 步骤1：采集机场场景遥感样本图像，对每一张图像中的跑道和联络道进行标注，构成标签图像，将所述样本图像和所述标签图像按照2：1的比例划分为训练集和测试集； 步骤2：对所述训练集中的训练样本进行数据增强后，包括随机旋转、随机翻转、随机裁切、随机放缩和随机色域变换操作，对其进行归一化、放缩、通道变换操作，生成维度为3×H×W的训练图像； 步骤3：将步骤2所述训练图像输入至高分辨网络HRNet特征提取主干中，对输入所述训练图像进行多分辨率特征提取，输出四组不同分辨率的特征组，分辨率分别为 步骤4：将步骤3所述分辨率为的特征组输入至边界感知模块，输出跑道边界提取图Ob； 步骤5：对步骤3所述分辨率为和的特征组进行双线性插值操作统一分辨率后，在通道维度进行拼接操作，生成融合特征Fc； 步骤6：对步骤5所述融合特征Fc进行全局自适应平均池化生成特征向量，并通过两层神经网络生成注意力向量V，激活函数分别为修正线性单元ReLU激活函数和S型激活函数Sigmoid； 步骤7：将步骤5所述融合特征Fc与步骤6所述注意力向量V进行通道级乘法后与步骤4所述跑道边界提取图Ob相加，生成自适应特征Fa； 步骤8：将步骤7所述自适应特征Fa输入至上下文聚合模块，生成上下文聚合特征Fs； 步骤9：对步骤8所述上下文聚合特征Fs依次进行通道不变的1×1卷积、批归一化和ReLU激活后，再经过输出通道为3的1×1卷积操作和双线性插值操作生成预分割图Fseg； 步骤10：将步骤9所述预分割图Fseg经过双线性插值操作恢复图像分辨率至H×W，生成最终跑道分割图Os； 步骤11：对步骤3-步骤10所述跑道提取网络进行训练，优化器采用自适应矩估计优化，并使用余弦退火学习率衰减策略，分别采用交叉熵损失函数和焦点损失函数focal对步骤10所述跑道分割图Os和步骤4所述跑道边界图Ob求损失，交叉熵损失计算公式如下： 其中表示预测值，y表示标签，Ls为跑道分割损失，focal损失函数计算公式如下： 其中Lb为跑道边界损失； 步骤12：在步骤1所述测试集上对训练后的模型进行测试，测试指标采用平均交并比，选择平均交并比最高的模型作为最优模型； 步骤13：将步骤12所述最优模型用于机场场景下的遥感图像跑道信息提取。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。