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！

龙图腾网获悉中国地质大学(武汉);三峡大学;深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)申请的专利基于注意力机制的无监督彩色地质图像分割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：CN117173193B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310870642.6，技术领域涉及：G06T7/10；该发明授权基于注意力机制的无监督彩色地质图像分割方法及系统是由邱芹军;马凯;刘俊杰;杨盈;段雨希;谢忠;陶留锋;郑帅;田苗设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本基于注意力机制的无监督彩色地质图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于注意力机制的无监督彩色地质图像分割方法及系统，首先将彩色地质图像进行数学形态学预处理，获得预处理图像；然后将预处理图像分别利用SE‑UNet神经网络和Felz聚类算法，获取粗分割图像和超像素分割图；最后将超像素分割图作为“伪标签”，基于超像素分割图对粗分割图像进行优化，前向传播输出预测分割结果，实现无标签的彩色地质图像分割。本发明对彩色地质图像进行分割，无需任何人工标注，自动分割能力强。

本发明授权基于注意力机制的无监督彩色地质图像分割方法及系统在权利要求书中公布了：1.一种基于注意力机制的无监督彩色地质图像分割方法，其特征在于，包括以下步骤： 步骤1：将彩色地质图像进行数学形态学预处理，获得预处理图像； 步骤2：将预处理图像分别利用SE-UNet神经网络和Felz聚类算法，获取粗分割图像和超像素分割图； 所述SE-UNet神经网络，由编码器、解码器以及跳跃连接构成； 所述编码器，由顺序连接的卷积层、ReLU修正线性单元及池化层组成；所述卷积层，通过卷积核对输入源图像的不同区域应用滑动窗口，提取出图像局部的特征矩阵；所述ReLU修正线性单元，通过对卷积层提取到的特征进行非线性映射，使特征更易于区分；所述池化层，将ReLU修正线性单元处理后的输出特征按照指定的池化大小进行分块； 所述跳跃连接，将编码器中的特征图与对应解码器中的特征图按通道进行拼接，作为解码器的输入；其中，在跳跃连接中加入SE注意力机制； 所述解码器，由顺序连接的卷积层、ReLU修正线性单元及转置卷积构成；所述转置卷积，通过上采样特征图恢复图像的位置信息，同时与编码器相对应的低层级特征结合，输出分割结果； 步骤3：将超像素分割图作为“伪标签”，基于超像素分割图对粗分割图像进行优化，前向传播输出预测分割结果，实现无标签的彩色地质图像分割； 所述SE-UNet神经网络的训练过程包括以下步骤： （1）通过检索已发表的地质领域文献以及地质数据网站，获取彩色地质图像，构建彩色地质图像训练数据集； （2）对输入的源图像进行数学形态学预处理，获得预处理后的源图像； （3）以预处理后的源图像作为输入，输入至SE-UNet神经网络，从而得到粗分割图像； 以预处理后的源图像作为输入，输入至Felz聚类算法，从而得到超像素分割图； （4）将超像素分割图作为“伪标签”，基于超像素分割图对粗分割结果进行优化，前向传播输出预测分割结果，实现无标签的彩色地质图像分割； （5）使用图像分割领域通用评价指标对分割结果进行评估；评估合格，则训练结束； 如果不合格的话，将会采取以下操作： 1超参数调优：调整网络的超参数，通过交叉验证或基于性能指标的自动调参方法来找到最佳的超参数组合； 2模型结构优化：改变SE-UNet的网络结构，增加或减少编码器和解码器的层数、调整卷积核的大小、增强注意力-跳跃连接模块的特征融合能力，以适应地质图像的特点； 3聚类算法优化：聚类算法中的聚类数目以及相关参数进行调整，控制超像素分割图中影响分割性能的因素。

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地质大学(武汉);三峡大学;深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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”。