買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國自然資源航空物探遙感中心申請(qǐng)的專利一種高分辨率遙感圖像城市不透水面提取方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120107784B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510162910.8，技術(shù)領(lǐng)域涉及：G06V20/10；該發(fā)明授權(quán)一種高分辨率遙感圖像城市不透水面提取方法是由夏瑋;楊昭穎;蔣校;丁梓越;馮磊;張丹丹;陳理設(shè)計(jì)研發(fā)完成，并于2025-02-14向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種高分辨率遙感圖像城市不透水面提取方法在說明書摘要公布了：本發(fā)明公開了一種高分辨率遙感圖像城市不透水面提取方法，涉及不透水面遙感提取技術(shù)領(lǐng)域。包括：獲取待分析區(qū)域高空間分辨率遙感數(shù)據(jù)；結(jié)合不透水面特點(diǎn)制作樣本數(shù)據(jù)集；改善樣本數(shù)據(jù)集中不平衡樣本數(shù)據(jù)分布質(zhì)量，得到高質(zhì)量樣本數(shù)據(jù)集，分為訓(xùn)練集和測(cè)試集；構(gòu)建特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型；將訓(xùn)練集輸入到語義分割模型中進(jìn)行模型訓(xùn)練，得到訓(xùn)練好的語義分割模型；將測(cè)試集輸入到訓(xùn)練好的語義分割模型中進(jìn)行地物分類，生成區(qū)域密集語義的城市地物類別分類結(jié)果；采用多尺度分割和知識(shí)分層模型的陰影區(qū)不透水面提取方案，最終集成非陰影區(qū)與陰影區(qū)的不透水面提取結(jié)果，得到城市不透水面分布。本發(fā)明能提高不透水面提取精度。

本發(fā)明授權(quán)一種高分辨率遙感圖像城市不透水面提取方法在權(quán)利要求書中公布了：1.一種高分辨率遙感圖像城市不透水面提取方法，其特征在于，包括： S1、獲取待分析區(qū)域的高空間分辨率遙感數(shù)據(jù)、高精度DSM數(shù)據(jù)和開源POI地理空間數(shù)據(jù)； S2、結(jié)合城市不透水面的特點(diǎn)制作樣本數(shù)據(jù)集； S3、利用數(shù)據(jù)增強(qiáng)和混合采樣技術(shù)提高樣本數(shù)據(jù)集中不平衡樣本數(shù)據(jù)的分布質(zhì)量，得到高質(zhì)量樣本數(shù)據(jù)集，將高質(zhì)量樣本數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集； S4、構(gòu)建特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型； S4中，以ResNet50殘差網(wǎng)絡(luò)和VGG-16卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，構(gòu)建特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型，特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型包括：編碼模塊、解碼模塊、Softmax層； 編碼模塊采用雙通道結(jié)構(gòu)，第一通道采用ResNet50殘差網(wǎng)絡(luò)作為骨架網(wǎng)絡(luò)，結(jié)合空洞卷積提取特征，獲得RGB圖像特征；第二通道為NDVI數(shù)據(jù)和NDWI數(shù)據(jù)輸入的分支網(wǎng)絡(luò)，利用VGG-16卷積神經(jīng)網(wǎng)絡(luò)的5個(gè)卷積層作為骨架主干，通過四次2倍采樣后最終生成16倍降采樣的特征輸出，獲得光譜指數(shù)特征，采用輸入多個(gè)向量在指定的軸上的堆疊粘結(jié)融合方法，顯式地建立了RGB圖像特征與光譜指數(shù)特征NDVI和NDWI多特征映射之間的相關(guān)性； 解碼模塊，采用多步解碼器，解碼階段每一層輸入包含了上一層反卷積的輸出，同時(shí)包含對(duì)應(yīng)層編碼階段卷積輸出，逐步將特征映射恢復(fù)到原始分辨率；引入全局-局部Transformer塊，Transformer塊由高效全局-局部注意力機(jī)制、多層感知器、兩個(gè)批歸一化操作和兩個(gè)加和操作組成； S5、將訓(xùn)練集輸入到特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型中進(jìn)行模型訓(xùn)練，得到訓(xùn)練好的特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型； S6、將測(cè)試集輸入到訓(xùn)練好的特征融合的深度卷積神經(jīng)網(wǎng)絡(luò)語義分割模型中進(jìn)行地物分類，生成區(qū)域密集語義的城市地物類別分類結(jié)果； S7、采用多尺度分割和知識(shí)分層模型的陰影區(qū)不透水面提取方案，并集成非陰影區(qū)與陰影區(qū)的不透水面提取結(jié)果，得到最終的城市不透水面分布。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國自然資源航空物探遙感中心，其通訊地址為：100083 北京市海淀區(qū)學(xué)院路29號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。