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长春光学精密机械与物理研究所申请的专利一种基于局域多尺度超分的遥感图像细粒度目标识别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：CN120808177B 。

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：202511287622.1，技术领域涉及：G06V20/10；该发明授权一种基于局域多尺度超分的遥感图像细粒度目标识别方法是由孙海江;姚欣宜;孙汉卿;刘巧元;张笑闻;赵勇先设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种基于局域多尺度超分的遥感图像细粒度目标识别方法在说明书摘要公布了：本发明涉及一种基于局域多尺度超分的遥感图像细粒度目标识别方法，涉及遥感图像技术领域，解决现有技术中细粒度目标识别方法精度不高、计算代价大的技术问题，包括以下步骤：构建遥感图像目标区域定位网络，将原始遥感图像输入遥感图像目标区域定位网络，对输入图像做感兴趣目标粗检和局部区域定位；构建自适应多尺度复原与超分辨率重建网络，对遥感图像目标区域定位网络输出的局域区域切片图像做多尺度复原与超分辨率重建；构建多尺度遥感图像细粒度识别网络，对高分辨率的多尺度局域切片图像做细粒度目标识别。本发明的方法通过对遥感图像的局部区域做多尺度复原和超分辨率重建，计算代价较小，计算速度较快，可以提高识别效率和识别精度。

本发明授权一种基于局域多尺度超分的遥感图像细粒度目标识别方法在权利要求书中公布了：1.一种基于局域多尺度超分的遥感图像细粒度目标识别方法，其特征在于，其为基于局部区域多尺度超分重建的遥感图像细粒度目标识别方法，包括以下步骤： 步骤1：构建遥感图像目标区域定位网络，将原始遥感图像输入遥感图像目标区域定位网络，对输入图像做感兴趣目标粗检和局部区域定位； 步骤2：构建自适应多尺度复原与超分辨率重建网络，对遥感图像目标区域定位网络输出的局部区域切片图像做多尺度图像复原与超分辨率重建； 步骤3：构建多尺度遥感图像细粒度识别网络，对步骤2输出的高分辨率的多尺度局域切片图像做细粒度目标识别； 步骤2具体为： 步骤21：构建浅层特征提取模块，对于给定的低分辨率局部区域切片图像，将其输入由卷积层组成的浅层特征提取模块，对图像进行特征提取，生成图像的浅层特征： ； 其中，表示卷积操作； 步骤22：构建深层特征提取网络，进一步提取图像的深层特征；利用多个由残差块和卷积层组成的残差卷积模块构成长距离深层特征提取网络，采用自注意力机制捕捉图像的全局信息，对图像信息进行局部注意和跨窗口交互；同时利用卷积层引入区域边界信息和临近像素信息，辅助图像浅层、深层信息融合与图像细节复原，如下式所示： ； 式中，为8、16或者32，的取值范围为6-12中的整数；表示第个残差卷积模块中的第个残差通道注意力子模块的输出，是第个残差通道注意力子模块的注意力权重矩阵，表示第个残差卷积模块中第个残差通道注意力子模块的输出，是第个残差通道注意力子模块的注意力权重矩阵，是深层特征提取网络的第一个注意力权重矩阵，表示第个残差卷积模块中的第个残差通道注意力子模块的输出；表示图像的深层特征； 步骤23：构建局部区域边界特征提取网络；采用不同尺寸的卷积核从原始遥感图像中提取局部区域切片图像的边缘特征，并对多个特征进行特征融合，为切片重建提供更多有效信息，如下式所示： ； 式中，表示低分辨率目标图像，表示1*1的卷积操作，表示3*3的卷积操作，表示5*5的卷积操作，表示7*7的卷积操作，表示在通道维度上进行拼接操作，表示图像的边缘信息特征； 步骤24：构建加权特征融合机制；建立长跳连接，融合图像的浅层特征、深层特征与边缘特征，同时利用注意力机制为图像的浅层特征、深层特征与边缘特征分配不同权重，如下式所示： ； 式中，、、分别为浅层特征、深层特征与边缘特征的注意力机制特征分配权重，为图像融合特征； 步骤25：构建尺度自适应选择采样模块；根据遥感图像目标区域定位网络输出的目标局部区域尺寸自适应地选择超分尺度，对图像融合特征做多个尺度的采样与复原超分，重建多尺度高分辨率增强的目标区域遥感图像；对于图像中的N个候选区域，根据局部区域切片图像尺寸对候选区域进行聚类分组，将目标切片分为S、M、L三组，并自适应地选择三个尺度对目标切片做多尺度采样与复原重建，尺度选择方法如下式所示： ； 式中，、及分别为L组、M组和S组对应的最大目标切片尺寸，为S组对应的最小目标切片尺寸，、、、均为尺度缩放因子，、的数值均分别为2、4或8；、的数值均分别为0.25或0.5； 步骤26：构建损失函数约束自适应多尺度复原与超分辨率重建网络训练；构建全局内容损失函数，为图像一致性和纹理细节重建提供监督；构建区域边缘损失函数，约束局部区域边界特征提取；自适应多尺度复原与超分辨率重建的损失函数如下： ； 式中，为图像重建内容损失函数，为区域边缘损失函数，表示区域边缘损失函数的权重系数，表示重建图像，表示高分辨率图像，表示正则项，表示梯度提取。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。