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！

龙图腾网获悉西安邮电大学申请的专利SAR图像分割模型训练方法、图像分割方法、装置及设备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：CN120510389B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202511006055.8，技术领域涉及：G06V10/26；该发明授权SAR图像分割模型训练方法、图像分割方法、装置及设备是由李藕;刘思思;张家驹设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本SAR图像分割模型训练方法、图像分割方法、装置及设备在说明书摘要公布了：本发明提供一种SAR图像分割模型训练方法、图像分割方法、装置及设备，该方法包括：获取样本雷达图像和样本雷达图像的分割标签图；对样本雷达图像进行边缘增强处理，确定样本边缘强度图；根据样本边缘强度图进行超像素分割，得到样本超像素区域图像；采用初始卷积神经网络对样本雷达图像进行特征提取以及语义分割，确定样本雷达图像的样本类别响应图；根据样本类别响应图和样本超像素区域图像进行图结构创建，并采用初始图卷积网络进行语义推理，得到样本分割图像；根据样本分割图像和分割标签图，对初始卷积神经网络和初始图卷积网络进行训练，得到包括目标卷积神经网络和目标图卷积网络的SAR图像分割模型，以便有效提升分割精度和边界清晰度。

本发明授权SAR图像分割模型训练方法、图像分割方法、装置及设备在权利要求书中公布了：1.一种SAR图像分割模型训练方法，其特征在于，所述方法包括： 获取样本雷达图像和所述样本雷达图像的分割标签图，所述分割标签图用于指示所述样本雷达图像的每个像素点的语义类别； 对所述样本雷达图像进行边缘增强处理，确定样本边缘强度图； 根据所述样本边缘强度图进行超像素分割，得到包括多个超像素区域的样本超像素区域图像； 采用初始卷积神经网络对所述样本雷达图像进行特征提取以及语义分割，确定所述样本雷达图像的样本类别响应图； 根据所述样本类别响应图和所述样本超像素区域图像进行图结构创建，并采用初始图卷积网络进行语义推理，得到样本分割图像； 根据所述样本分割图像和所述分割标签图，对所述初始卷积神经网络和所述初始图卷积网络进行训练，得到包括目标卷积神经网络和目标图卷积网络的SAR图像分割模型； 所述根据所述样本边缘强度图进行超像素分割，得到包括多个超像素区域的样本超像素区域图像，包括： 根据所述样本边缘强度图生成势能图，所述势能图中势能值越高的像素点，处于边缘位置的概率越大； 根据所述样本边缘强度图中各像素点的边缘强度值进行连通域分析，确定所述样本雷达图像包括多个连通子区域的种子标记图； 根据所述种子标记图，采用分水岭算法进行区域扩散，并以所述势能图确定分割边界，生成初始区域图像； 对所述初始区域图像的多个超像素区域进行边界修复，并对所述多个超像素区域进行编号，得到所述样本超像素区域图像，每个超像素区域具有唯一的标签值； 所述根据所述样本类别响应图和所述样本超像素区域图像进行图结构创建，并采用初始图卷积网络进行语义推理，得到样本分割图像，包括： 根据所述样本类别响应图中各个像素点的类别特征，确定所述样本超像素区域图像中每个超像素区域的类别特征； 根据所述多个超像素区域的类别特征，计算任意两个超像素区域的特征相似性； 根据所述任意两个超像素区域的特征相似性，对所述多个超像素区域进行连边，生成区域级图结构； 采用所述初始图卷积网络对所述区域级图结构进行语义推理，得到区域级分类结果； 对所述区域级分类结果进行像素反映射以及空间分辨率恢复，得到所述样本分割图像。

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邮电大学，其通讯地址为：710000 陕西省西安市长安南路563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”。