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！

龙图腾网获悉中国科学院青藏高原研究所申请的专利基于环境特征的山区湖泊识别方法和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：CN119516306B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411578118.2，技术领域涉及：G06V10/774；该发明授权基于环境特征的山区湖泊识别方法和装置是由隋易洁;胡志敏;冯敏;徐瑾昊;张阔设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于环境特征的山区湖泊识别方法和装置在说明书摘要公布了：本发明公开了一种基于环境特征的山区湖泊识别方法和装置，所述方法包括：获取目标水体的多张遥感影像；基于所述遥感影像，计算综合水体指数，以增强水体的光谱特征，并得到光谱增强影像；基于所述光谱增强影像计算地形数据，根据所述地形数据计算所述目标水体的缓冲区，并提取所述缓冲区的遥感影像；将所述目标水体的遥感影像、缓冲区的遥感影像和所述地形数据输入预先训练的水体分类模型中，以得到所述水体分类模型输出的类别识别结果。解决了已有方法受限于传统局部光谱和纹理特征的信息表征能力，难以实现高寒地区的小型水体精准识别的技术问题，从而提升了高寒地区湖泊的遥感识别精度。

本发明授权基于环境特征的山区湖泊识别方法和装置在权利要求书中公布了：1.一种基于环境特征的山区湖泊识别方法，其特征在于，所述方法包括： 获取目标水体的多张遥感影像； 基于所述遥感影像，计算综合水体指数，以增强水体的光谱特征，并得到光谱增强影像； 基于所述光谱增强影像计算地形数据，根据所述地形数据计算所述目标水体的缓冲区，并提取所述缓冲区的遥感影像； 将所述目标水体的遥感影像、缓冲区的遥感影像和所述地形数据输入预先训练的水体分类模型中，以得到所述水体分类模型输出的类别识别结果； 其中，所述水体分类模型是利用水体样本的地形数据、历史影像数据和类别标签，对预先构建的卷积神经网络进行训练得到的； 其中，利用水体样本的地形数据、历史影像数据和类别标签，对预先构建的卷积神经网络进行训练，得到所述水体分类模型，具体包括： 获取水体样本的地形数据、历史影像数据和类别标签，以构建数据集； 将所述数据集划分为训练集、验证集和测试集； 基于预先设定的损失函数，利用所述训练集对预先构建的卷积神经网络进行训练，以得到初始模型； 利用所述验证集对所述初始模型进行迭代训练，以得到优化后的所述水体分类模型； 其中，预先构建的卷积神经网络的网络架构包括： 卷积层，所述卷积层用于提取输入影像的空间特征，并通过逐层的特征提取加深网络对水体、河流和非水体的辨识能力； 池化层，所述池化层用于减少特征图的尺寸，并保留输入影像的主要特征； 激活函数，在每一层卷积后使用非线性激活函数，以捕捉附加特征； 分类层，在网络的末端，使用全连接层进行特征融合，最后通过softmax函数输出对湖泊、河流、非水体的分类概率； 在模型训练过程中，首先需要构建标签样本，生成用于训练和验证分类模型的样本数据集，包括湖泊、河流、非水体三种类别；样本采集中，数据来源为从已知的地理信息数据、历史影像数据、人工标注数据中提取湖泊、河流、和非水体的样本；而后进行类别平衡，以确保三类样本的数量相对平衡，避免类别不均衡对模型训练带来的偏差；样本人工标注，标注明显的湖泊区域作为湖泊样本，湖泊通常具有平滑的边界和稳定的水面特征；选择河流样本时，区分河流的线性形态和水体特征；非水体样本包括山体、植被、裸地，标注这些区域作为非水体样本，以帮助模型区分水体与其他地表特征；在采集样本之后，通过旋转、缩放、翻转等数据增强技术扩展样本集；最后对多时相样本整合，使用多时相影像样本，确保模型能够适应不同季节和光照条件下的水体识别； 构建ConvNet分类模型时，基于卷积神经网络ConvNet设计一个分类模型，将影像和地形数据作为输入，对水体单元进行分类；输入数据准备阶段，将合成的光学遥感影像、地形参数和水体单元缓冲区内的环境信息集成到输入数据中，不同来源的数据可以通过多通道输入来处理，确保地形和影像信息的有效融合；数据融合后，进行数据标准化，对输入数据进行标准化处理，确保各通道数据在相同尺度上进行处理，避免因数值差异影响模型训练。

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中国科学院青藏高原研究所，其通讯地址为：100101 北京市朝阳区林萃路16号院3号楼；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。