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！

龙图腾网获悉天目山实验室申请的专利基于频率增强和不确定性感知对比细化的遥感图像语义分割方法及装置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：CN121600267B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610120748.8，技术领域涉及：G06V10/26；该发明授权基于频率增强和不确定性感知对比细化的遥感图像语义分割方法及装置是由姜志国;张一凡;张浩鹏设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本基于频率增强和不确定性感知对比细化的遥感图像语义分割方法及装置在说明书摘要公布了：本发明公开了基于频率增强和不确定性感知对比细化的遥感图像语义分割方法及装置，该方法包括：对输入遥感图像提取特征，得到patchtoken序列；采用多锚频率增强模块进行处理，包括：将特征转换至频域，应用低通滤波器保留低频分量，逆变换回空间域后与原始特征融合，并利用多个类别对应的clstoken进行锚点交互，生成增强后的特征表示；通过不确定性感知对比模块处理增强后的特征表示，包括：利用预训练教师模型提供先验知识，基于预测熵计算不确定性权重，构建置信度加权的对比学习损失，以细化特征；生成语义分割结果。该方法通过引入频率增强机制抑制噪声，结合多锚交互增强类别区分，并利用不确定性感知对比学习优化特征表示，最终实现更精准的语义分割。

本发明授权基于频率增强和不确定性感知对比细化的遥感图像语义分割方法及装置在权利要求书中公布了：1.基于频率增强和不确定性感知对比细化的遥感图像语义分割方法，其特征在于，包括以下步骤： S1、对输入遥感图像提取特征，得到patchtoken序列； S2、通过多锚频率增强模块处理所述patchtoken序列，包括：将特征转换至频域，应用低通滤波器保留低频分量，逆变换回空间域后与原始特征融合，并利用多个类别对应的clstoken进行锚点交互，生成增强后的特征表示； S3、通过不确定性感知对比模块处理所述增强后的特征表示，包括：利用预训练教师模型提供先验知识，基于预测熵计算不确定性权重，构建置信度加权的对比学习损失，以细化特征； S4、基于细化后的特征生成语义分割结果； 其中，步骤S2中，将特征转换至频域，应用低通滤波器保留低频分量，逆变换回空间域后与原始特征融合；具体包括： 对patchtoken序列进行投影得到：；表示ViT最后一层输出的patchtoken序列投影后的特征图；R表示实数集，D表示特征通道数，表示每个空间位置的特征向量的长度；H、W分别表示特征图的高度和宽度； 应用傅里叶变换得到频域表示：；频域中的每个位置的系数计算如下： h、w表示空间位置索引，h∈0,H-1，w∈0,W-1；d表示特征通道的索引； 设计圆形低通滤波器掩码，滤除高频分量，保留以频域中心为基准的低频区域； 其中，表示用于控制低频范围的比率，Hc,Wc=H2,W2表示频域中心； 对掩码后的频域信号进行逆傅里叶变换，得到低频增强特征： 其中，表示逐元素相乘；将原始特征与所述低频特征融合，得到更强的patchtoken表示： 其中，表示控制低频增强强度的超参数； 所述步骤S3中的所述不确定性感知对比模块中的处理过程包括： 使用DINO模型作为教师模型，提取特征相似度； 根据类激活图生成初始语义标签，结合教师模型特征相似度修正正负样本对； 基于不确定性权重动态调整对比损失中样本对的贡献度； 采用DINOv3作为固定的教师模型，提取输入遥感图像的特征表示； 在学生网络中提取中间层特征，得到对应的类激活图，通过阈值处理生成初始语义标签，用于初步定义正负样本对关系； 计算教师模型特征之间的余弦相似度，并基于批次平均值动态调整阈值；若两个patchtoken的初始语义标签相同，或其特征相似度高于批次平均值，则判定为正样本对，否则为负样本对； 结合基于预测熵的不确定性估计，构建一个置信度加权的对比学习损失。

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天目山实验室，其通讯地址为：311115 浙江省杭州市余杭区瓶窑镇双红桥街166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。