買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉長沙理工大學申請的專利基于矩陣分解增強全局特征的遙感圖像分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116310339B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310292084.X，技術領域涉及：G06V10/26；該發明授權基于矩陣分解增強全局特征的遙感圖像分割方法是由吳宏林;付勇泉設計研發完成，并于2023-03-23向國家知識產權局提交的專利申請。

本基于矩陣分解增強全局特征的遙感圖像分割方法在說明書摘要公布了：本發明提出一種基于矩陣分解增強全局特征的遙感圖像分割方法，首先按照預先設定好的策略對編解碼結構卷積神經網絡模型框架進行改進，采用改進后的殘差神經網絡作為綜合特征提取網絡，提高模型的特征提取能力；對改進后的模型按照預先設定好的訓練方案進行訓練，得到高分辨遙感圖像語義分割模型，最后將訓練好的模型搭載到pc端上，pc端接收需要進行分割處理的高分遙感圖像，將圖按固定尺寸裁切后加載到模型中，模型對輸入圖像實現快速分割。本發明實現了對遙感圖像地物快速分割，且模型較為輕量級，容易構建，可以搭配聯合移動端或嵌入式設備實現輕松部署，能夠同時對不同尺度大小的物體進行實時高精度分割。

本發明授權基于矩陣分解增強全局特征的遙感圖像分割方法在權利要求書中公布了：1.一種基于矩陣分解增強全局特征的遙感圖像分割方法，其特征在于，包括以下步驟： S1、改進編解碼結構圖像特征提取卷積神經網絡模型； 具體步驟如下： S11、在編碼器中加入全局多尺度卷積網絡，在解碼器中添加Hamburger模塊； S12、將殘差神經網絡結構后的三個階段的特征圖上采樣融合作為輸出送到空洞空間卷積池化模塊中進行多尺度特征聚合，將含有淺層語義信息的stage1送入解碼器；綜合特征提取網絡在第一階段獲得的特征層作為一個有效特征層，包含高分辨率的低層語義信息，將其發送給解碼器，解碼器將后三個階段的特征進行融合，獲得的深層融合特征發送到空洞空間卷積池化模塊處理； S13、在空洞空間卷積池化模塊中，針對步驟S12中綜合特征提取網絡獲得的深層融合特征，使用空洞卷積，當空洞率變大時，選用空洞率為3，6，18的分支，去掉了空洞率rate=24的分支，增加了卷積分支；在空洞空間卷積池化模塊中加入圖像池化分支，進行全局池化，然后利用雙線性插值使圖像池化分支與其他分支分辨率相同；最后將五個分支連接，再做卷積； S14、進入GMCN模塊中增強全局特征信息表達：在GMCN模塊中，采用和卷積的組合，使深層融合特征在特征圖中區域內實現密集連接； S15、經過GMCN模塊后獲得高級語義信息特征，上采樣到綜合特征提取網絡在第一階段獲得的低層特征相同大小后，一起傳入解碼器中進行特征融合，然后通過Hamburger模塊增強對全局特征信息的提取，最后經過像素分類卷積和平滑的上采樣得到最終的預測圖； S16、經過S15解析全局特征之后，再與輸入融合，最后經過像素分類卷積和平滑的上采樣得到最終的預測圖； S2、對改進后的模型進行訓練； S3、將圖像輸入訓練好的模型實現快速分割。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人長沙理工大學，其通訊地址為：410114 湖南省長沙市天心區萬家麗南路二段960號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。