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！

龙图腾网获悉中国科学院西安光学精密机械研究所申请的专利一种无监督的对比学习冰湖提取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：CN115620132B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211216115.5，技术领域涉及：G06V20/10；该发明授权一种无监督的对比学习冰湖提取方法是由王爽;赵航;张耿;安玲坪;于粲;王燕恒;刘学斌设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种无监督的对比学习冰湖提取方法在说明书摘要公布了：本发明提供一种无监督的对比学习冰湖提取方法，主要解决现有的冰湖提取方法中训练样本标签制作复杂、费时费力且模型难以直接迁移至其他数据的技术问题。该方法基于卷积神经网络，通过对冰湖遥感图像的原图进行变换处理，得到变换图，将原图和变换图组成含有两个分支的样本对；接着对样本对分别进行下采样处理、映射处理，进而得到冰湖的对比学习模块；同时采用水体指数NDWI光谱特征图作为对比学习的伪标签，并采用位置损失的计算得到冰湖的位置学习模块，最终得到冰湖提取模型，将任意冰湖遥感图像输入该模型中均可自动提取冰湖信息。采用本方法提取过程更加方便，省时省力，冰湖的提取效率大幅提升。

本发明授权一种无监督的对比学习冰湖提取方法在权利要求书中公布了：1.一种无监督的对比学习冰湖提取方法，其特征在于，包括以下步骤： 步骤1，对冰湖遥感图像的原图进行变换处理，得到变换图，将原图和变换图组成含有两个分支的样本对； 步骤2，将样本对输入权值共享的网络中进行下采样处理，分别提取两个分支在不同尺度下对应的特征图； 步骤3，将步骤2得到的两个分支在不同尺度下对应的特征图分别输入投影层中进行映射，得到二者在对应尺度下映射的特征向量，基于该特征向量采用相似损失度量二者的相似程度，其中，所述相似损失采用余弦相似度计算，进而得到冰湖的对比学习模块； 步骤4，计算原图的水体指数NDWI光谱特征图，并设定水体指数阈值为T，进而获取原图的粗略冰湖分布区域图，将此粗略结果图作为步骤3获得的对比学习模块学习的伪标签，用于指导冰湖特征的识别； 步骤5，将步骤2得到的两个分支中原图在不同尺度下对应的冰湖特征图在权值共享的网络中进行上采样处理，输出原图对应的冰湖提取结果； 步骤6，结合步骤4得到的伪标签和步骤5得到的冰湖提取结果进行位置损失的计算，进而得到冰湖的位置学习模块，将该位置学习模块和步骤3得到的对比学习模块组合，即得到冰湖提取模型； 步骤7，将任意冰湖遥感图像输入步骤6获得的冰湖提取模型中，即可输出冰湖提取结果。

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国科学院西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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”。