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！

龙图腾网获悉西安电子科技大学申请的专利基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质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：CN119851136B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510042776.8，技术领域涉及：G06V20/10；该发明授权基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质是由刘如意;吴俊红;苗启广;刘向增;宋建锋;李宇楠;谢琨;赵佩佩;权义宁设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质在说明书摘要公布了：基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质，其方法是：首先获取待训练高分辨率道路遥感影像数据并进行预处理；其次通过多层预训练模型ResNet34对预处理后的道路影像数据利用编码器逐步获取道路的两层低级特征和高级特征；将编码器提取到的道路高级特征输入到高级特征优化模块AFOM对其进行优化和增强，并去除冗余特征，得到优化后的道路高级特征；最后利用解码器优化并融合道路的两层低级特征和优化后的道路高级特征，获得优化的整体模型，用损失函数softDice和BCE的综合表示优化的整体模型，通过恢复图像分辨率，最终输出提取的道路网络图；系统、设备及介质，基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，对高分辨率遥感影像中的道路进行识别分割；本发明具有精确度高和鲁棒性好的优点。

本发明授权基于非对称型神经网络的高分辨率遥感影像道路网络提取方法、系统、设备及介质在权利要求书中公布了：1.一种基于非对称型神经网络的高分辨率遥感影像道路网络提取方法，其特征在于，具体包括以下步骤： 步骤1，获取待训练高分辨率道路遥感影像数据：利用公开网络资源，获取包含道路的高分辨率遥感影像，并进行预处理操作，包括图像分割、边缘填充、旋转、水平和垂直迁移，有效扩增样本数据集； 步骤2，通过多层预训练模型ResNet34作为编码器逐步获取道路的两层低级特征和高级特征，所述低级特征包括道路边缘、路面纹理特征，所述高级特征包括道路整体形状、路网空间关系； 步骤3，将步骤2提取到的道路高级特征输入到高级特征优化模块AFOM，实现道路高级特征的优化和增强，并去除冗余信息，得到优化后的道路高级特征； 步骤3.1高级特征优化模块AFOM包括卷积注意力模块CBAM和多个特征增强模块，所述多个特征增强模块包括空洞空间卷积池化金字塔模块ASPP、条带膨胀卷积模块和条带池化模块；把步骤2中经过编码器得到的高级特征向量输入到卷积注意力模块CBAM中以去除冗余信息，其中卷积注意力模块CBAM包括通道注意力模块CAM和空间注意力模块SAM，通道注意力模块CAM经过全局平均池化和全连接层计算每个通道的重要性权重，空间注意力模块SAM通过深度卷积聚合空间维度信息后利用卷积层学习每个位置的权重； high'＝SAMCAMhigh，1 其中，CAM·表示通道注意力机制，SAM·表示空间注意力机制，high'为经过卷积注意力模块的高级特征向量； 步骤3.2通过空洞空间卷积池化金字塔模块ASPP、条带膨胀卷积模块和条带池化模块，使得模型获取更精确的道路特征表示： 步骤3.2.1将步骤3.1中经过卷积注意力模块的高级特征向量high'通过空洞空间卷积池化金字塔模块ASPP进一步进行特征提取和整合，提取道路的多尺度信息以丰富对道路细节的感知并增强对道路网络全局结构的理解；空洞空间卷积池化金字塔模块ASPP通过4种不同孔径的卷积核来捕获不同尺度的道路特征： 这里，aspp1·-aspp4·表示不同膨胀系数的卷积操作，其中膨胀系数分别为1、6、12、18，表示concat操作，high'ASPP表示经过ASPP操作后的高级特征向量； 步骤3.2.2将经过卷积注意力模块的高级特征向量high'通过条带膨胀卷积模块和条带池化模块进行进一步的特征提取和整合： 这里，AvgPoolH·表示水平平均池化，AvgPoolV·表示竖直平均池化，stripH·表示水平膨胀卷积，stripV·表示竖直膨胀卷积，stripDL·表示正对角线膨胀卷积，stripDR·表示反对角线膨胀卷积，其中膨胀系数均为6，表示concat操作，high'strip表示经过条带膨胀卷积和条带池化操作后的高级特征向量； 步骤3.2.3将经过空洞空间卷积池化金字塔模块ASPP、条带膨胀卷积模块和条带池化模块的高级特征向量进行拼接得到优化后的高级特征： 这里，表示concat操作，high”表示经过高级特征优化模块AFOM优化后的高级特征向量； 步骤4，将步骤2得到的道路的两层低级特征和步骤3得到的优化后的道路高级特征输入到解码器中进行优化并融合，获得优化的整体模型，用损失函数softDice和BCE的综合表示优化的整体模型，通过恢复图像分辨率，最终输出提取的道路网络图。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。