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！

龙图腾网获悉同济大学申请的专利基于全局协同融合的多光谱和全色卫星影像地表分类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：CN116343058B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202310268047.5，技术领域涉及：G06V20/13；该发明授权基于全局协同融合的多光谱和全色卫星影像地表分类方法是由柳思聪;赵慧;杜谦;童小华;谢欢;冯永玖;金雁敏;刘世杰;许雄;叶真;陈鹏设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本基于全局协同融合的多光谱和全色卫星影像地表分类方法在说明书摘要公布了：本发明涉及一种基于全局协同融合的多光谱和全色卫星影像地表分类方法，包括：获取研究区的多光谱卫星遥感影像和全色卫星遥感影像，并进行地表要素样本标注，得到训练样本图；构建全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络，该网络包括两个单源分支和一个多源分支；将多光谱和全色卫星遥感影像以及训练样本图，输入网络中，进行训练，得到训练后的网络模型；获取待分类的多光谱和全色卫星遥感影像，并输入到网络模型中进行预测，得到各个网络分支的概率分类图；通过概率加权对各个概率分类图进行决策级融合，得到最终的研究区地表要素分类图。与现有技术相比，本发明具有分类精度高、结果鲁棒性好和预测速度快等优点。

本发明授权基于全局协同融合的多光谱和全色卫星影像地表分类方法在权利要求书中公布了：1.一种基于全局协同融合的多光谱和全色卫星影像地表分类方法，其特征在于，包括以下步骤： S1：获取研究区的多光谱卫星遥感影像和全色卫星遥感影像，并进行地表要素样本标注，得到研究区的训练样本图； S2：构建全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络，该网络包括两个单源分支和一个多源分支； S3：将步骤S1获取的研究区的多光谱卫星遥感影像和全色卫星遥感影像以及对应的训练样本图，输入步骤S2构建的全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络中，进行网络训练，得到训练后的网络模型； S4；获取待分类的研究区多光谱卫星遥感影像和全色卫星遥感影像，并输入到步骤S3中训练好的网络模型中进行预测，得到各个网络分支的概率分类图； S5：通过概率加权的方式对步骤S4中三个网络分支的概率分类图进行决策级融合，得到最终的研究区地表要素分类图； 所述两个单源分支包括单源多光谱深浅特征融合分支和单源全色深浅特征融合分支，所述多源分支为多尺度多光谱和全色交叉特征融合分支，所述多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络还包括三个网络分支的自适应加权交叉熵损失； 所述全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络整体的损失的计算表达式为： Ltotal＝λ1LMS+λ2LPAN+λ3LFusion 式中，Ltotal为全局协同的多光谱和全色卫星遥感影像地表要素分类深度卷积神经网络整体的损失，LMS,LPAN和LFusion分别是单源多光谱深浅特征融合分支、单源全色深浅特征融合分支以及多尺度多光谱和全色交叉特征融合分支的损失，λ1,λ2和λ3分别是损失对应的权重值； 所述三个网络分支的自适应加权交叉熵损失的计算表达式为： 式中，C为研究区所标注的地表要素类个数，H和W分别为多光谱卫星遥感影像的高和宽，y为训练样本图，为各分支最后一个卷积输出层在图像位置u,v上第j个通道属于类别C的概率，且

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。