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！

龙图腾网获悉电子科技大学申请的专利基于特征转换和知识增强的遥感图像细粒度地物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：CN119418189B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411326298.5，技术领域涉及：G06V20/10；该发明授权基于特征转换和知识增强的遥感图像细粒度地物提取方法是由李玉霞;张靖霖;牛振业;何海萍;童忠贵设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本基于特征转换和知识增强的遥感图像细粒度地物提取方法在说明书摘要公布了：本发明公开了一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，利用特征转换模块引入将遥感图像的像素信息转换为特征级别信息，增强网络对不同领域信息的提取和利用能力，从而增强网络对不同尺度、不同方面的特征信息的提取和利用能力；利用知识增强模块，融合不同阶段信息和不同尺度信息，进一步增强网络提取特征知识、利用特征知识的同时，提升网络对细粒度地物的分辨和提取能力，实现了对细粒度地物的自动化、智能化识别，并且对类间相似度高的地物的识别精度较高。

本发明授权基于特征转换和知识增强的遥感图像细粒度地物提取方法在权利要求书中公布了：1.一种基于特征转换和知识增强的遥感图像细粒度地物提取方法，其特征在于，包括以下步骤： 1、构建用于训练特征知识增强网络的训练数据集； 2、搭建并训练特征知识增强网络； 以一组训练数据作为特征知识增强网络的输入； 特征知识增强网络以特征转换模块的编码器E作为开始，编码器E包含三个残差块和三个2x2的平均值池化层；其中，每个残差块包括两个卷积模块，卷积模块包含了一个3x3的卷积层、一个批标准化层以及一个Relu激活函数，两个卷积模块构成残差链接；原始图像在经过第一个残差块和2x2的平均值池化层后，得到中间特征图中间特征图在经过第二个残差块和2x2的平均值池化层后得到中间特征图中间特征图在经过第三个残差块和2x2的平均值池化层后，得到初始知识特征图ZC×H×W；其中C,H,W分别表示初始知识特征图的通道数、高和宽；然后将初始知识特征图ZC×H×W输入至知识增强模块进行知识增强操作； 知识增强模块包括循环计数器t、知识融合模块和循环预测器；循环计数器t控制知识融合模块和循环预测器进行循环三次，得到知识增强模块输出； 其中，初始知识特征图ZC×H×W进入知识增强模块后，首先进入知识融合模块，此时，循环计数器t先进行循环次数判断，若t＞1，则将ZC×H×W与在通道方向上叠加，得到特征图若t＝1，则将ZC×H×W与一个大小为C×W×H的全为0的张量在通道方向上叠加，得到特征图然后将特征图经过两个卷积模块和一个1×1的卷积层，得到融合特征图PtC×H×W； 融合特征图PtC×H×W随后进入循环预测器；融合特征图PtC×H×W首先进入一个RBT模块得到特征图再依次通过2x2平均值池化下采样层、一个ST模块和一个RBT模块得到特征图随后依次经过2x2平均值池化下采样层、一个ST模块和一个RBT模块得到特征图再经过一个2x2平均值池化下采样层和一个ST模块后得到特征图随后再进入一个RBT模块和一个上采样层，得到特征图和一起进入ST模块得到特征图经过一个RBT模块和一个上采样层得到特征图和一起进入一个ST模块得到特征图在经过一个RBT模块和上采样层之后得到特征图YtC×H×W； 将YtC×H×W输入至特征转换模块的解码器D；YtC×H×W首先和ZC×H×W在通道方向上叠加，得到特征图再通过一个上采样层和一个残差块后，再与特征图在通道方向上叠加，得到特征图特征图通过一个上采样层和一个残差块后，再与特征图在通道方向上叠加，得到特征图最后特征图经过一个上采样层和一个残差块，得到阶段性分类概率权重图pret； 此时对时间计数器t进行判别；如果时间计数器t＝3，则结束循环，并将pre3作为最终的分类概率权重图；否则，令t＝t+1，然后将特征图YtC×H×W与初始知识特征图ZC×H×W一起进入知识增强模块进入下一轮循环； 计算本轮训练后的光谱增强双路编码模型的损失函数值Loss： 其中，pret表示第t次循环得到的分类概率权重图，label表示输入的标签图，pti表示分类概率权重图pret中第i个像素点的值,li表示标签图像中第i个像素点的值，N表示像素点总数，N＝m*n； 最后，利用每一组训练数据对特征知识增强网络进行训练，至当损失函数收敛，则停止训练，从而得到训练完成的特征知识增强网络； 其中，所述RBT模块的结构为： RBT模块包括两个输入分支，一个输入分支为时间步T1×C，T1×C是大小为1×C数值全为t的张向量；另一个输入分支为特征图； 假设一个输入分支的特征图为F1C×H×W；时间步T1×C首先经过两个全连接层，得到T1C×H×W；F1C×H×W首先经过一个卷积模块，得到F1C×H×W、T1C×H×W按位相加，得到在经过一个卷积模块后得到RBT模块的输出 所述ST模块的结构为： 假设ST模块的输入特征图为F1C×H×W和F1C×H×W通过三个并行的全连接层得到将和进行点乘后进行softmax操作得到和进行矩阵乘法，再与F1C×H×W相加得到通过两个并行的全连接层得到和通过一个全连接层得到将和进行点乘后进行softmax操作得到和进行矩阵乘法再与F1C×H×W相加得到ST模块的输出如果ST模块只有一个输入，那么 3、利用训练后的特征知识增强网络进行遥感图像细粒度地物可视化提取。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。