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！

龙图腾网获悉西安理工大学申请的专利基于深度学习的高空航拍图像道路识别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：CN119131577B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411134998.4，技术领域涉及：G06V20/10；该发明授权基于深度学习的高空航拍图像道路识别方法是由李文斌;曹霆;孙晗;刘晟;张欣荣;赵郑营;常淑晓设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本基于深度学习的高空航拍图像道路识别方法在说明书摘要公布了：本发明公开了基于深度学习的高空航拍图像道路识别方法，步骤是：步骤1，多源数据采集；步骤2，高空航拍图像增强；步骤3，对采集到的车辆轨迹数据进行特征提取和栅格化处理；步骤4，在U2Net网络的编码器后添加SimAM注意力机制模块，搭建出改进后的U2Net网络，分别得到高空航拍图像和轨迹栅格图像对应的道路预测图像；步骤5，将步骤4得到的轨迹栅格图像和高空航拍图像对应的道路预测图像采用像素级加权组合方式进行融合，得到合并后的道路识别预测结果。本发明属于视觉和遥感图像处理技术领域，解决了现有技术在应对复杂背景和多样化地物特征时，多源数据融合不够，识别准确性不足的问题。

本发明授权基于深度学习的高空航拍图像道路识别方法在权利要求书中公布了：1.基于深度学习的高空航拍图像道路识别方法，其特征在于，按照以下步骤实施： 步骤1，多源数据采集， 采集的数据分别包含车辆轨迹数据和高空航拍数据，其中，车辆轨迹数据来自车辆的GPS记录，高空航拍数据包括高分辨率的可见光图像； 步骤2，高空航拍图像增强，采用分数阶微积分图像增强方法对高空航拍图像数据进行增强， 2.1）判断图像是否是灰度图，如果不是灰度图，则将图像转化为灰度图； 2.2）找到待增强图像的主方向，确定主方向的加权倍数； 2.3）根据待增强图像主方向的加权倍数，对分数阶模板作相应的修改； 2.4）将新的分数阶模板应用在待增强图像上，得到增强后的结果图像； 步骤3，对采集到的车辆轨迹数据进行特征提取和栅格化处理， 3.1）将车辆轨迹数据格式化为标准形式，对标准形式的轨迹数据进行滤波、去噪处理，车辆轨迹数据的表达式为： 其中，表示轨迹数据中的一个轨迹点，k=1,2,3,…,n，其属性由车辆编号、采集时间、经度坐标、纬度坐标、采集时行驶速度和行驶方向组成； 3.2）计算获取车辆轨迹数据的特征，包括速度、方向、密度、平均速度、速度的标准差； 3.3）使用栅格化方法，根据轨迹数据的特征将离散的轨迹点数据转换为作为神经网络输入的灰度图像数据，采用函数表示数字图像，表示坐标处图像的灰度，将经纬度坐标转换为数字图像坐标，如下式所示： 其中，floor是向下取整函数，代表最小经度值，代表最大纬度值；表示1经度对应的像素个数，代表1纬度对应的像素个数； 步骤4，在U2Net网络的编码器后添加SimAM注意力机制模块，搭建出改进后的U2Net网络，分别得到高空航拍图像和轨迹栅格图像对应的道路预测图像， 4.1）搭建U2Net网络，使用U2Net网络获取高空航拍数据特征信息，残差U块在不降低特征图分辨率的情况下捕获多尺度信息，在U2Net网络的编码器中的第5层、第6层和U2Net网络的解码器中的第5层阶段使用残差U块的扩张模式，用扩张卷积代替池化和上采样操作，得到具有四个特征级别的残差U块，使得残差U块的所有中间特征图与其输入特征图具有相同的分辨率； 4.2）在U2Net网络的编码器后加入SimAM注意力机制模块，SimAM注意力机制模块直接从神经元中推断3-D权重，即同时考虑空间和通道维度，对神经元进行细化，通过定义能量函数推导出一个封闭形式的解来推断出有效的3-D权重，每个神经元的能量函数定义如下： 式中，和是和的线性变换，是输入特征的单个通道中的目标神经元，是输入特征的单个通道中的其他神经元；是空间维度上的索引，是该通道上的神经元数量，和是变换的权重和偏置，式中所有值都是标量，得到改进后的U2Net网络； 4.3）将步骤2增强后的高空航拍图像和轨迹栅格图像分别输入到改进后的U2Net网络中，分别得到高空航拍图像和轨迹栅格图像对应的道路预测图像； 步骤5，将步骤4得到的轨迹栅格图像和高空航拍图像对应的道路预测图像采用像素级加权组合方式进行融合，得到合并后的道路识别预测结果。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。