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！

龙图腾网获悉陕西九州遥感信息技术有限公司;西安交通大学;青岛海洋地质研究所申请的专利一种濒陆浅海水下地形反演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：CN114724045B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210243804.9，技术领域涉及：G06V20/13；该发明授权一种濒陆浅海水下地形反演方法是由张磊;陈军;孙记红;张青设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本一种濒陆浅海水下地形反演方法在说明书摘要公布了：本发明公开一种濒陆浅海水下地形反演方法，基于“遥感+深度学习”模式，在遥感理论支撑以及深度学习技术支持下实现对濒陆海域水下地形的高精度反演。所述反演方法包括以卷积神经网络为基础构建模型，通过筛选多源数据共性部分、经过一系列处理制作样本搭建深度学习模型，以沿海实测数据为基础，以多波段遥感影像为输入训练模型以达到预期效果。本发明充分考虑遥感影像所包含的物理信息，以实测数据为基础建立N*N样本窗口影像的映射关系，克服了传统实测水深方法耗时耗力且易受现实因素影响的局限性，以及传统水深反演算法需要海面粗糙度、气象数据等多种数据为支撑的局限性，提高了水深反演产品质量与自动化程度；方法易于实现，可用于动态监测与提高水深产品的质量。

本发明授权一种濒陆浅海水下地形反演方法在权利要求书中公布了：1.一种濒陆浅海水下地形反演方法，其特征在于，包括以下步骤： 步骤S1、对原始遥感影像进行预处理以突出海底地形变化在影像上的响应，并根据实测数据提取有效数据集； 通过卫星数据以及卫星资料分析，判断不同卫星包含的不同波段信息，用于提取不同卫星之间的共同波段，并将提取的共同波段整合到一个TIFF影像中；然后对多波段数据进行相应的数据筛选、反射率转换处理，提取有效数据集； 在对数据筛选时，具体包括以下步骤： 1初步筛选：基于USGS官方网站获取多源数据，首先分析实测数据经纬度分布，判断Landsat卫星在某区域的条带号分布，以条带号为依据查询卫星数据； 2二次筛选：对于初步筛选结果进行精细筛选，使用ENVI读取初始影像数据，对云覆盖程度、图像质量进行人工检验； 3对于由于传感器故障在成像过程中会出现条带问题进行修复，以确保后续正常使用； 4根据传感器接收到无量纲的地面反射信号强度DN值来成像，对DN值进行计算转换为遥感反射率，并对缺失的数据进行补齐； 步骤S2、制作模型训练数据集及测试数据集：以步骤S1得到的有效数据集为基础，在实测水深数据的保障下提取并制作训练及测试数据集； 步骤S3、构建深度学习模型：通过Tensorflow构架搭建深度学习模型，在训练数据集的支撑下对模型进行训练； 所构建深度学习模型包括依次连接的输入层、卷积层、池化层、全连接层和回归层，卷积层、池化层、全连接层均为两层； 1输入层：按照N*N窗口对影像进行输入且窗口大小按照奇数大小进行裁剪，从输入层开始，通过不同的神经网络结构将上一层的三维矩阵转化为下一层的三维矩阵，直到全连接层； 2卷积层：提取图像中的特征信息，卷积层中的每一个节点的输入是上一层神经网络中的一小块，通过对每一个小块的深入分析得到抽象程度更高的特征； 3池化层：池化层用以进一步缩小全连接层中节点的个数，以减少整个神经网络中的参数； 4全连接层：经过Flatten将数据进行展平处理并接两层全连接层，将单纬度多参数数据降纬降参输出到1*1的维度上； 5回归层：常用于分类问题，进行回归预测，整体模型的输出尺度控制在1*1纬度的像素点上； 步骤S4、质量评价及应用：基于测试数据集对步骤S3训练完成的模型进行验证，提取多组模型训练误差，并进行动态评价：若模型误差符合预期效果通过质量评价，则判定模型质量合理，若超出质量要求范围则返回S3对模型进行调整； 使用误差符合预期效果的最优模型对具体影像进行水深反演，判断其实际应用效果、水深过渡趋势以及海陆交汇处准确性； 将模型运行结果与归一化水体指数NDWI相结合，在模型自身剔除陆地的基础上再经过一遍归一化水体指数的计算优势互补实现了准确的海陆边界识别、自然的海陆过度以及干净的陆地剔除效果： 其中Green为绿光波段，NIR为近红外波段。

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陕西九州遥感信息技术有限公司;西安交通大学;青岛海洋地质研究所，其通讯地址为：710000 陕西省西安市未央区贞观路169号皇家园林小区3号楼1单元803室；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。