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！

龙图腾网获悉生态环境部卫星环境应用中心申请的专利一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法及装置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：CN120198805B 。

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：202510296573.1，技术领域涉及：G06V20/10；该发明授权一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法及装置是由朱南华诺娃;游代安;张红;滕佳华;杨一鹏;雷霞;刘思含;吴艳婷;寇文波;赵林博;谢宇浩;赵永林;周子牧;吴跃;白志杰;朱宁美设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法及装置在说明书摘要公布了：本发明公开了一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法及装置，属于遥感图像处理技术领域。所述方法包括：获取S波段SAR数据以及辅助数据；进行S波段SAR数据及辅助数据的预处理；基于预处理后的S波段SAR数据和辅助数据构建水体样本集；构建SSUNet模型，并基于水体样本集对该模型进行训练；将待测的预处理后的S波段SAR数据输入已训练的SSUNet模型，得到洪水区域的识别结果。本发明充分利用视觉模型在图像特征提取方面的强大能力和风车卷积模块在细节捕捉上的精细化优势，有效增强了对S波段SAR影像中小型水体的识别能力，从而进一步提升了基于S波段SAR卫星的洪水监测精度。

本发明授权一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法及装置在权利要求书中公布了：1.一种基于S波段SAR数据和视觉基础模型的洪水淹没区识别方法，其特征在于，所述方法包括： 步骤S1、获取S波段SAR数据以及辅助数据；所述S波段SAR数据为洪水灾害发生前后获取的HJ-2ESAR数据；所述辅助数据包括GF-2光学遥感数据、土地覆盖土地利用数据及DEM数据； 步骤S2、进行S波段SAR数据及辅助数据的预处理； 步骤S3、基于预处理后的S波段SAR数据和辅助数据构建水体样本集； 步骤S4、构建SSUNet模型，并基于水体样本集对所述SSUNet模型进行训练，所述SSUNet模型包括视觉基础模型和风车卷积模块，所述视觉基础模型用于提取图像特征，所述风车卷积模块用于捕捉细小水体、处理图像边界模糊区域；包括： 步骤S4-1，构建SSUNet模型，所述SSUNet模型包括编码块、解码块以及风车卷积模块；其中， 所述编码块基于预训练的Hiera块构建，冻结Hiera参数，在所述Hiera块前插入SAR适配器，每个适配器包括依次连接的上采样线性层、GeLU激活函数、下采样线性层、GeLU激活函数； 所述解码块采用双卷积模块，每个卷积模块包括依次连接的3×3卷积层、批归一化层与ReLU激活函数； 所述风车卷积模块与所述编码块一一对应构成多层网络，用于对所述编码提取的图像特征进行精细特征获取，其中，第一层网络获取的精细特征送入第二层编码块，所述第二层编码块将本层风车卷积模块提取的精细特征与第一层网络提取的精细特征进行解码后送入第三层网络，依次类推，直至获取的精细特征图像与输入图像尺寸相同；其中，结合水体标签通过多层次的损失监督优化网络的各个解码块的输出特征； 步骤S4-2，基于划分的训练集，采用AdamW优化器对SSUNet模型进行训练，初始学习率设定为1e-3，权重衰减系数为5e-4，损失函数为加权IoU损失和二元交叉熵损失的组合； 所述风车卷积模块对编码器提取的图像特征在左右和上下方向采用不对称的填充策略，分别使用1×3卷积核和3×1卷积核在水平与垂直方向上进行特征提取，并进行特征拼接，通过一个2×2卷积层对拼接后的特征进行融合并输出与编码器提取的图像特征大小一致的水体与非水体二分类结果； 步骤S5、将预处理后的待识别S波段SAR数据输入训练好的SSUNet模型，得到洪水区域的识别结果。

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生态环境部卫星环境应用中心，其通讯地址为：100094 北京市海淀区中关村永丰产业基地丰德东路4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。