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！

龙图腾网获悉南京农业大学申请的专利U型自适应EST的无人机遥感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：CN115035131B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202210434654.X，技术领域涉及：G06T7/11；该发明授权U型自适应EST的无人机遥感图像分割方法及系统是由任守纲;顾兴健;李思哲;熊迎军;舒欣;郑恒彪;徐焕良;赵鑫源设计研发完成，并于2022-04-24向国家知识产权局提交的专利申请。

本U型自适应EST的无人机遥感图像分割方法及系统在说明书摘要公布了：一种U型自适应EST的无人机遥感图像分割方法及系统，该系统包括特征提取单元、特征编码器、跳跃连接模块、卷积解码模块和投影模块；所述的特征编码器包括多阶EST和对应的自适应图像块合并层；其中：每阶EST分别包括若干个由第一EST模块和第二EST模块组成的EST单元，每个EST模块均包括归一化层LN、增强多头自注意力模块、残差连接层以及多层感知机MLP。本发明基于CNN和Transformer模块，通过层次结构实现全局自关注，在解码器中，结合卷积和反卷积块实现上采样，上采样恢复编码器的信息，进行相应的像素级分割，能够减少直接在原图上进行图像块导致的边缘和位置信息的丢失。

本发明授权U型自适应EST的无人机遥感图像分割方法及系统在权利要求书中公布了：1.一种U型自适应EST的无人机遥感图像分割方法，其特征在于，包括以下步骤： 步骤1：对输入图像进行特征提取，获取高维特征的编码序列； 步骤2：将所述编码序列输入特征编码器进行特征提取，生成多尺度分层特征； 步骤3：通过跳跃连接模块将特征编码器所得的多尺度分层特征输入卷积解码模块进行融合，完成特征图的恢复，得到恢复的特征图； 步骤4：基于恢复的特征图进行投影，得到像素级的分割结果； 步骤1具体包括： 步骤1-1：通过残差神经网络ResNet50对输入图像进行特征提取，生成输入图像的高维特征图； 步骤1-2：将高维特征图分割为一系列非重叠的图像块； 步骤1-3：将图像块分割结果转化为嵌入序列； 步骤1-4：将嵌入序列通过线性映射层生成一维形式的分层特征表示即编码序列； 所述特征编码器包括多阶EST即EnhancedSwinTransformer和对应的自适应图像块合并层DAPM，其中，每阶EST分别包括若干个EST单元；步骤2具体包括： 步骤2-1：将编码序列输入一阶EST进行处理； 步骤2-2：将一阶EST的结果输出至对应阶的跳跃连接模块；同时，采用自适应图像块合并层DAPM对一阶EST的结果进行下采样，生成一阶多尺度特征输出至二阶EST； 步骤2-3：二阶EST对一阶多尺度特征进行处理，并且将二阶EST的结果输出至对应阶的跳跃连接模块；同时，采用自适应图像块合并层对二阶EST的结果进行下采样，生成二阶多尺度特征并输出至三阶EST； 将当前阶EST的多尺度特征输出至下一阶EST，依次遍历各阶EST，生成多尺度分层特征； 步骤3具体包括：采用跳跃连接模块，将来自特征编码器的多尺度分层特征与卷积解码模块的解码特征融合；通过线性转换，使得特征编码器提取的多尺度分层特征维度与卷积解码模块的上采样特征维度一致，实现浅层和深层特征的串联； 步骤4中，基于恢复的特征图进行投影具体为：基于恢复的特征图将每个通道分量特征向量映射到所需数目的类别； 步骤2-2和2-3中，自适应图像块合并层执行下述步骤： 卷积分支处理，用于从对应阶EST输出的特征图中学习偏移量，输出至主干合并层； 主干合并层计算，用于对应阶EST的特征图下采样，输出至下一阶EST； 所述自适应图像块合并层的计算公式为： 其中：p0表示输入特征图上的二维采样点，xl表示经EST计算的输入特征变量，表示扩维的特征变量，n表示感受野R中图像块位置的编号，w和pn表示在感受野R中的采样权重值和位置总和，其中，poffset是从卷积分支中学习的采样点偏移量，G是双线性插值；q表示特征区域内所有的空间位置。

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南京农业大学，其通讯地址为：210000 江苏省南京市玄武区卫岗1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”。