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！

龙图腾网恭喜中科开采夫(海南)空天信息研究院有限公司申请的专利一种基于深度学习的遥感影像目标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：CN116403114B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202310420985.2，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的遥感影像目标识别方法及系统是由李政设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本一种基于深度学习的遥感影像目标识别方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的遥感影像目标识别方法，涉及遥感影像目标识别技术领域，包括如下步骤：基于常见物体图像库，引入注意力机制定位SAR图像中的物体对象，依据物体对象几何中心的分辨率数值将SAR图像充分分切为高清图像、过渡图像、模糊图像；通过Deeplabv3+算法计算高清图像的整体散射特征，得到散射特征数据，基于散射特征数据对过渡图像切片并进行时间序列长度提取，得到散射特征向量；采用EM算法对散射特征向量进行迭代优化，得到若干特征映射矩阵，利用特征映射矩阵训练YOLOv5网络，最后将SAR图像输入训练好的YOLOv5网络中，获取高分辨率的SAR图像；基于目标图片数据库，对高分辨率的SAR图像中的目标对象的位置进行识别。

本发明授权一种基于深度学习的遥感影像目标识别方法及系统在权利要求书中公布了：1.一种基于深度学习的遥感影像目标识别方法，其特征在于，包括如下步骤：基于常见物体图像库，引入注意力机制定位SAR图像中的物体对象，依据物体对象几何中心的分辨率数值将SAR图像充分分切为高清图像、过渡图像、模糊图像；其中，几何中心分辨率不超过1m的物体对象为高清图像，几何中心分辨率超过1m且不超过5m的物体对象为过渡图像，几何中心分辨率大于5m的物体对象为模糊图像；依据物体对象几何中心的分辨率数值将SAR图像充分分切为高清图像、过渡图像、模糊图像的步骤，包括：当SAR图像中的物体对象被定位完全后，通过对剩余未包含有物体对象的不规则图像进行邻近环境计算，得出邻近环境结果，所述邻近环境结果为不规则图像与过渡图像、模糊图像的邻近比率；若邻近环境结果中不规则图像与过渡图像的邻近比率超过70％，则将SAR图像中的不规则图像定义为过渡图像；若邻近环境结果中不规则图像与过渡图像的邻近比率未超过70％，则将SAR图像中的不规则图像定义为模糊图像；其中，不规则图像与过渡图像的邻近比率的计算方式为，先求出不规则图像的总周长，再计算不规则图像边缘与过渡图像边缘的第一重合长度，得出第一重合长度与总周长的比值；不规则图像与模糊图像的邻近比率的计算方式为，先求出不规则图像的总周长，再计算不规则图像边缘与模糊图像边缘的第二重合长度，得出第二重合长度与总周长的比值；依据物体对象几何中心的分辨率数值将SAR图像充分分切为高清图像、过渡图像、模糊图像的步骤，还包括：采用如下公式计算SAR图像的整体幅度均值： 其中，P为幅度均值，q为中心灰度，k为边缘灰度，Ed为欧式距离，m为像素总量，l为离地距离；其中，采用如下公式计算欧式距离： 其中，pi为高清图像中第i列像素块的散射系数，为高清图像中第i列像素块中第j个像素块的散射系数；通过Deeplabv3+算法计算高清图像的整体散射特征，得到散射特征数据，基于散射特征数据对过渡图像切片并进行时间序列长度提取，得到散射特征向量；采用EM算法对散射特征向量进行迭代优化，得到若干特征映射矩阵，利用特征映射矩阵训练YOLOv5网络，最后将SAR图像输入训练好的YOLOv5网络中，获取高分辨率的SAR图像；基于目标图片数据库，对高分辨率的SAR图像中的目标对象的位置进行识别。

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科开采夫(海南)空天信息研究院有限公司，其通讯地址为：572000 海南省三亚市崖州区崖州湾科技城标准厂房二期三楼C475区；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”。