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！

龙图腾网获悉长沙理工大学申请的专利基于矩阵分解增强全局特征的遥感图像分割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：CN116310339B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310292084.X，技术领域涉及：G06V10/26；该发明授权基于矩阵分解增强全局特征的遥感图像分割方法是由吴宏林;付勇泉设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本基于矩阵分解增强全局特征的遥感图像分割方法在说明书摘要公布了：本发明提出一种基于矩阵分解增强全局特征的遥感图像分割方法，首先按照预先设定好的策略对编解码结构卷积神经网络模型框架进行改进，采用改进后的残差神经网络作为综合特征提取网络，提高模型的特征提取能力；对改进后的模型按照预先设定好的训练方案进行训练，得到高分辨遥感图像语义分割模型，最后将训练好的模型搭载到pc端上，pc端接收需要进行分割处理的高分遥感图像，将图按固定尺寸裁切后加载到模型中，模型对输入图像实现快速分割。本发明实现了对遥感图像地物快速分割，且模型较为轻量级，容易构建，可以搭配联合移动端或嵌入式设备实现轻松部署，能够同时对不同尺度大小的物体进行实时高精度分割。

本发明授权基于矩阵分解增强全局特征的遥感图像分割方法在权利要求书中公布了：1.一种基于矩阵分解增强全局特征的遥感图像分割方法，其特征在于，包括以下步骤： S1、改进编解码结构图像特征提取卷积神经网络模型； 具体步骤如下： S11、在编码器中加入全局多尺度卷积网络，在解码器中添加Hamburger模块； S12、将残差神经网络结构后的三个阶段的特征图上采样融合作为输出送到空洞空间卷积池化模块中进行多尺度特征聚合，将含有浅层语义信息的stage1送入解码器；综合特征提取网络在第一阶段获得的特征层作为一个有效特征层，包含高分辨率的低层语义信息，将其发送给解码器，解码器将后三个阶段的特征进行融合，获得的深层融合特征发送到空洞空间卷积池化模块处理； S13、在空洞空间卷积池化模块中，针对步骤S12中综合特征提取网络获得的深层融合特征，使用空洞卷积，当空洞率变大时，选用空洞率为3，6，18的分支，去掉了空洞率rate=24的分支，增加了卷积分支；在空洞空间卷积池化模块中加入图像池化分支，进行全局池化，然后利用双线性插值使图像池化分支与其他分支分辨率相同；最后将五个分支连接，再做卷积； S14、进入GMCN模块中增强全局特征信息表达：在GMCN模块中，采用和卷积的组合，使深层融合特征在特征图中区域内实现密集连接； S15、经过GMCN模块后获得高级语义信息特征，上采样到综合特征提取网络在第一阶段获得的低层特征相同大小后，一起传入解码器中进行特征融合，然后通过Hamburger模块增强对全局特征信息的提取，最后经过像素分类卷积和平滑的上采样得到最终的预测图； S16、经过S15解析全局特征之后，再与输入融合，最后经过像素分类卷积和平滑的上采样得到最终的预测图； S2、对改进后的模型进行训练； S3、将图像输入训练好的模型实现快速分割。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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”。