Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国地质大学(武汉)郑康获国家专利权

中国地质大学(武汉)郑康获国家专利权

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)申请的专利基于超像素与图卷积的高分辨率遥感图像建筑物提取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:CN115810149B

龙图腾网通过国家知识产权局官网在2026-04-07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:202211473667.4,技术领域涉及:G06V20/10;该发明授权基于超像素与图卷积的高分辨率遥感图像建筑物提取方法是由郑康;方芳;徐瑞;郝清仪;李圣文;万波设计研发完成,并于2022-11-22向国家知识产权局提交的专利申请。

基于超像素与图卷积的高分辨率遥感图像建筑物提取方法在说明书摘要公布了:本发明公开了一种基于超像素与图卷积的高分辨率遥感图像建筑物提取方法,方法以下步骤:获取高分辨率遥感图像以及相应的标签图像,进行预处理,得到预处理结果;将预处理结果输入至训练好的超像素分割网络,最终得到超像素特征;通过超像素特征构建图的节点特征,根据图的节点特征和节点的边构造得到图;将构造得到的图送入到待训练的拓扑图卷积神经网络中进行训练,获得训练好的拓扑图卷积神经网络;将待处理的图结构输入到所述训练好的图卷积神经网络中,获得节点的特征向量,将节点特征映射回像素特征空间,得到高分辨率遥感图像的像素分类结果。本发明有益的效果是:提高了建筑物提取精度。

本发明授权基于超像素与图卷积的高分辨率遥感图像建筑物提取方法在权利要求书中公布了:1.一种基于超像素与图卷积的高分辨率遥感图像建筑物提取方法,其特征在于:包括以下步骤: S1:获取高分辨率遥感图像以及相应的标签图像,利用图像预处理,得到处理后的高分辨率遥感影像和对应的标签图像;所述高分辨率遥感影像指其分辨率超过一定预设值的影像; S2:将处理后的高分辨率遥感图像输入到训练好的超像素分割网络,得到像素-超像素映射矩阵,通过该映射矩阵将原像素特征映射到超像素特征空间中得到超像素特征; S3:通过所述得到的超像素特征构建图的节点特征,并根据邻接关系获得节点之间的边,根据图的节点特征和节点的边构造得到图: S4、将构造得到的图送入到待训练的拓扑图卷积神经网络中进行训练,获得训练好的拓扑图卷积神经网络; S5、将待处理的图结构输入到所述训练好的图卷积神经网络中,获得节点的特征向量,将节点特征向量经过处理后得到的超像素块分类结果与像素-超像素映射矩阵相乘将节点特征映射回像素特征空间,从而得到高分辨率遥感图像的像素分类结果; 步骤S5具体如下: S51:将通过待预测图片输入至训练好的超像素分割网络,得到像素-超像素映射矩阵,并根据步骤S3得到图结构,将图结构输入到训练好的图卷积神经网络中得到预测的节点特征向量; S52:将所述测的节点特征向量与像素-超像素映射矩阵相乘得到预测的像素特征,计算公式为: 11 12 其中,表示通过图卷积神经网络预测得到的超像素的预测值,它等于通过I层图卷积得到的节点特征进行argmax操作后的输出,表示带预测图片的像素分类结果。

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),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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。