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！

龙图腾网获悉中国地质大学(武汉);湖北省自然资源厅信息中心;湖北省地理国情监测中心申请的专利高分辨率遥感图像土地覆盖分类方法、设备及存储介质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：CN117036936B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310896169.9，技术领域涉及：G06V20/10；该发明授权高分辨率遥感图像土地覆盖分类方法、设备及存储介质是由张冬梅;殷鹏;李江;刘剑聪;何丽华;於新国;成亦铭设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本高分辨率遥感图像土地覆盖分类方法、设备及存储介质在说明书摘要公布了：本发明公开了一种高分辨率遥感图像土地覆盖分类方法，其目的是为高分辨率遥感图像中的每一个像素分配地物类别。由于传统方法难以充分提取复杂地物的特征，面对复杂场景分类精度不高。高分遥感图像中土地覆盖类型更多地依靠地物的语义信息区分，对特征的评判能力有更高的要求。本发明考虑到注意力机制会对CNN提取的局部特征造成损失，提出CNN耦合Transformer的网络模型对两个分支特征进行融合，CNN分支提取图像局部细节信息，Transformer分支提取全局信息来增强局部图像块的感兴趣区域的特征；为降低特征融合时的特征损失，提出局部全局改进上下文线性注意力特征融合模块完成两个分支的特征融合，极大提升分割效果，实现了遥感图像的高精度土地覆盖分类。

本发明授权高分辨率遥感图像土地覆盖分类方法、设备及存储介质在权利要求书中公布了：1.一种高分辨率遥感图像土地覆盖分类方法，其特征在于，包括以下步骤： S1：搭建基于双端路径上下文线性注意力融合网络，包括：遥感高分辨率数据多尺度切割及编码模块、基于双端路径的CNN耦合Transformer语义分割模块和局部全局改进上下文线性注意力特征融合模块；局部全局改进上下文线性注意力特征融合模块嵌入设置在基于双端路径的CNN耦合Transformer语义分割模块；基于双端路径的CNN耦合Transformer语义分割模块包括：Transfomer分支和CNN分支； S2：获取高分辨率遥感图像，并作为基于双端路径上下文线性注意力融合网络的输入； S3：通过遥感高分辨率数据多尺度切割及编码模块对高分辨率遥感图像进行多尺度切割、数据编码操作，制作数据集，所述数据集中包括：局部图像块xlocal和全局图像块xglobal； S4：将x＝[xlocal,xglobal,],xi∈RB×3×256×256作为基于双端路径的CNN耦合Transformer语义分割模块的输入样本数据； S5：局部图像块xlocal经过Transformer分支进行特征提取，获取每一个stage的特征向量Si； S6：全局图像块xglobal经过CNN分支进行特征提取，获取四个stage得到的特征图，然后对CNN分支得到的特征图进行线性变化为特征向量Ci； S7：Si与Ci经过局部全局改进上下文线性注意力特征融合模块进行局部图像块特征和全局图像块特征的融合，在每一个stage融合特征后将得到的结果继续输入到Transformer分支的下一个stage，输出每一个阶段特征融合的特征图； S8：将四阶段的融合特征图输入UperHead解码器，得到最终的预测结果； S9：计算预测结果与真实值的损失，利用优化器进行反向传播，输出预测模型； S10：利用预测模型对测试集进行测试，输出高分辨率遥感图像土地覆盖分类预测结果； 其中，步骤S7中，Si与Ci经过局部全局改进上下文线性注意力特征融合模块进行局部图像块特征和全局图像块特征的融合，在每一个stage融合特征后将得到的结果继续输入到Swin-Transformer分支的下一个stage，输出每一个阶段特征融合的特征图，具体包括： S7.1：输入ResNet50分支和Swin-Transformer分支得到的各个阶段的特征图分别为C1、C2、C3、C4和S1、S2、S3、S4； S7.2：将Ci和Si经过层归一化，输入到局部全局改进上下文线性特征融合模块，计算局部图像块内部的特征相似性矩阵AS和局部图像块和全局图像块的相似性矩阵AC； S7.3：将AS和AC进行拼接得到融合特征； S7.4：融合特征经过线性映射后，再次经过多层感知机得到输出的特征； 步骤S7.2中，计算局部图像块内部的特征相似性矩阵AS，具体计算公式如下： 式中，j表示图像块的不同像素点，N表示特征图的像素个数，Local_Kj表示局部图像块在j位置像素点的Key值；DeLU为新的注意力核函数，DeLU表达式如下： 式中，ai∈1,+∞； Local_Q＝SiMq； Local_K＝SiMk； Local_V＝SiMv； 式中，Local_Q为局部图像块的Query矩阵，Local_K为局部图像块的Key矩阵，Local_V为局部图像块的Value矩阵；xi表示第i阶段的输入向量，yi表示第i阶段的输出向量，Si表示第i阶段的特征图，Mq表示Query的权重矩阵，Mk表示Key的权重矩阵，Mv表示Value的权重矩阵；Dx表示输入特征图的维度向量，Dk表示Key的维度向量，Dv表示Value的维度向量，Dq表示Query的维度向量。

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地质大学(武汉);湖北省自然资源厅信息中心;湖北省地理国情监测中心，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。