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！

龙图腾网获悉成都大学;成都理工大学申请的专利融合光学与SAR遥感数据的深度学习滑坡识别方法及系统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：CN121392621B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511979194.9，技术领域涉及：G06V20/10；该发明授权融合光学与SAR遥感数据的深度学习滑坡识别方法及系统是由王潇;雷松霖;冉培廉;邓辉;李少达;刘亮;姚圣;赵占骜;陈有东设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本融合光学与SAR遥感数据的深度学习滑坡识别方法及系统在说明书摘要公布了：本发明提供了一种融合光学与SAR遥感数据的深度学习滑坡识别方法及系统，涉及地质灾害监测与识别领域，包括获取目标区域的光学影像和SAR影像进行配准，生成光学‑SAR影像对，并为所述光学‑SAR影像对生成对应的二值标签图；构建待训练滑坡识别模型，由所述光学‑SAR影像对和对应的二值标签图构建数据集，利用所述数据集对所述待训练滑坡识别模型进行训练，得到训练完成的滑坡识别模型；将待识别区域的光学‑SAR影像对输入所述训练完成的滑坡识别模型，输出所述待识别区域的滑坡识别结果图。本发明克服了现有技术中单一遥感数据源在滑坡识别中的局限性，提高了复杂环境下滑坡识别精度。

本发明授权融合光学与SAR遥感数据的深度学习滑坡识别方法及系统在权利要求书中公布了：1.一种融合光学与SAR遥感数据的深度学习滑坡识别方法，其特征在于，包括： 获取目标区域的光学影像和SAR影像进行配准，生成光学-SAR影像对，并为所述光学-SAR影像对生成对应的二值标签图； 构建待训练滑坡识别模型，所述模型包括： 三分支编码器，用于对输入的所述光学-SAR影像对进行并行特征编码后，输出对应的光学特征、SAR特征及融合特征； 其中，所述三分支编码器包括光学分支、SAR分支以及融合分支三条并行的编码路径，三条编码路径结构相同，均包含四个顺序连接的编码块；其中，每个所述编码块均包括两层卷积层、层归一化层以及最大池化层； 解码器，其至少在一个解码层级集成有自适应多模态特征融合模块；所述自适应多模态特征融合模块用于对输入的光学特征、SAR特征及融合特征进行加权融合；在所述解码器最深的解码层级，所述自适应多模态特征融合模块输出的特征，与所述三分支编码器中融合分支最浅层级的输出特征进行跳跃连接； 其中，所述自适应多模态特征融合模块用于光学特征、SAR特征及融合特征进行加权融合的过程包括： 获取当前解码层级的上采样特征、以及与当前解码层级尺度对应的光学特征与SAR特征，所述当前解码层级为自适应多模态特征融合模块所在层级； 使用通道注意力机制，分别对所述上采样特征、光学特征以及SAR特征进行通道权重调整； 将调整后的上采样特征、光学特征以及SAR特征进行通道维度拼接，并通过卷积层进行降维整合，生成融合后的特征； 由所述光学-SAR影像对和对应的二值标签图构建数据集，利用所述数据集对所述待训练滑坡识别模型进行训练，得到训练完成的滑坡识别模型； 将待识别区域的光学-SAR影像对输入所述训练完成的滑坡识别模型，输出所述待识别区域的滑坡识别结果图。

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成都大学;成都理工大学，其通讯地址为：610000 四川省成都市龙泉驿区成洛大道十陵上街2025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。