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！

龙图腾网获悉重庆大学申请的专利一种基于通道增强和跨级多输入特征的遥感图像分割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：CN119380018B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411423430.4，技术领域涉及：G06V10/26；该发明授权一种基于通道增强和跨级多输入特征的遥感图像分割方法是由曹凯;周尚波设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于通道增强和跨级多输入特征的遥感图像分割方法在说明书摘要公布了：本发明公开了一种基于通过增强和跨级多输入特征的遥感图像分割方法，先获取高分辨率遥感图像训练样本集；设计基于通道增强的SwinTransformer编码器、跨级多路径输入解码器和基于分数阶微分的特征细化模块，构建像素级语义分割模型；然后，基于所述高分辨率遥感图像训练样本集，对所述像素级语义分割模型进行训练，得到训练后的像素级语义分割模型；最后，基于训练后的像素语义分割模型，对待处理的高分辨率遥感图像进行语义分割，获得待处理的高分辨率遥感图像的语义分割结果。本发明提出的方法有效改善高分辨率遥感图像语义分割时存在的边界模糊、小目标丢失及信息处理不充分的问题，提高像素级语义分割模型的精度。

本发明授权一种基于通道增强和跨级多输入特征的遥感图像分割方法在权利要求书中公布了：1.一种基于通过增强和跨级多输入特征的遥感图像分割方法，其特征在于，包括如下步骤： 获取高分辨率遥感图像训练样本集； 设计基于通道增强的SwinTransformer编码器、跨级多路径输入解码器和基于分数阶微分的特征细化模块，构建像素级语义分割模型； 基于所述高分辨率遥感图像训练样本集，对所述像素级语义分割模型进行训练，得到训练后的像素级语义分割模型； 基于训练后的像素语义分割模型，对待处理的高分辨率遥感图像进行语义分割，获得待处理的高分辨率遥感图像的语义分割结果； 像素级语义分割模型包括依次级联的4个基于通道增强的SwinTransformer编码器、4个跨级多路径输入解码器和1个基于分数阶微分的特征细化模块； 所述基于通道增强的SwinTransformer编码器包括Swin变换器块、平均池化层、最大池化层、小波下采样模块和连接卷积单元；平均池化层与最大池化层的并联结果和小波下采样模块级联，Swin变换器块与小波下采样模块的并联结果和连接卷积单元级联； 其中，所述基于通道增强的SwinTransformer编码器的输入分别作为Swin变换器块、最大池化层和平均池化层的输入，将最大池化层和平均池化层的输出进行相乘处理后，作为小波下采样模块的输入，小波下采样模块的输出与Swin变换器块的输出作为连接卷积单元的输入，连接卷积单元的输出作为基于通道增强的SwinTransformer编码器的输出； 所述基于分数阶微分的特征细化模块包括级联的通道路径、空间路径、卷积激活单元、1×1卷积层和上采样模块；所述通道路径和空间路径并联的结果和卷积激活单元级联，所述通道路径包括级联的全局平均池化层、全连接层和Sigmoid激活函数层，所述空间路径包括级联的深度可分离卷积层和Sigmoid激活函数层，所述卷积激活单元包括级联的3×3卷积层、批归一化层和ReLU激活函数层；其中，对输入特征图分别作为通道路径和空间路径的输入，以生成通道注意力权重和空间注意力权重，通道注意力权重和空间注意力权重与输入特征图进行相乘运算，以融合输出特征图；然后，融合后的特征图经过卷积激活单元进行处理；之后对输入特征图通过1×1卷积层进行降维后与融合后的特征图进行相加运算，以实现残差连接；最后，将相加运算后的特征图作为上采样模块的输入，得到作为输出的语义分割图。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。

以上内容由龙图腾AI智能生成。