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！

龙图腾网获悉耕宇牧星(北京)空间科技有限公司申请的专利一种基于膨胀多尺度融合的遥感图像目标分割方法及网络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：CN119992100B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510175210.2，技术领域涉及：G06V10/26；该发明授权一种基于膨胀多尺度融合的遥感图像目标分割方法及网络是由李冠群设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种基于膨胀多尺度融合的遥感图像目标分割方法及网络在说明书摘要公布了：本发明公开了一种基于膨胀多尺度融合的遥感图像目标分割方法及网络，属于遥感图像处理技术领域，该方法包括：对原始遥感图像进行预处理和特征图提取；利用膨胀卷积、注意力机制和关注度矩阵对提取的特征图进行处理，获得增强特征图；对增强特征图进行多尺度特征提取与融合，通过解码器输出与原始遥感图像相同分辨率的目标分割结果。本发明通过结合膨胀卷积和多尺度特征融合，能够有效提升遥感图像中目标区域的分割精度，特别是在复杂场景和低对比度区域。通过在特征提取过程中应用高效的注意力机制和特征增强，进一步优化了分割模型的性能，使其在不同计算资源下都能高效运行，具有广泛的应用前景。

本发明授权一种基于膨胀多尺度融合的遥感图像目标分割方法及网络在权利要求书中公布了：1.一种基于膨胀多尺度融合的遥感图像目标分割方法，其特征在于，该方法包括以下步骤： 步骤1：对原始遥感图像进行预处理和特征图提取； 步骤2：利用膨胀卷积、注意力机制和关注度矩阵对提取的特征图进行处理，获得增强特征图； 步骤3：对增强特征图进行多尺度特征提取与融合，通过解码器输出与原始遥感图像相同分辨率的目标分割结果； 所述步骤1中，对原始遥感图像进行预处理和特征图提取，具体流程包括： 步骤1.1：对原始遥感图像进行预处理，包括：归一化处理、图像增强与去噪、对比度增强与细节增强； 步骤1.2：结合卷积神经网络和变换器Transformer，同时利用Diffusion模型和预训练模型的优势，对预处理后的遥感图像进行特征提取； 步骤1.3：对提取的特征通过通道维度进行融合，然后恢复空间分辨率，生成具备空间细节和全局上下文信息，适用于图像分析任务的特征图F； 所述步骤2中，利用膨胀卷积、注意力机制和关注度矩阵对提取的特征图进行处理，获得增强特征图；具体流程包括： 步骤2.1：将步骤1获得的特征图F经过归一化层，再经过三个膨胀卷积层进行扩展，分别获得然后Q与K相乘得到其中H为图像的高度，W为图像的宽度，C为图像的通道数，g代表通道数的分组因子；接着与V相乘，得到应用膨胀自注意力的特征图，该特征图再与F进行跳跃链接融合，增强局部和全局信息的融合，得到膨胀卷积操作后的特征图 其中，表示矩阵相乘，表示矩阵相加； 步骤2.2：进行多路径特征融合，该过程包括上分支和下分支，其中： 上分支：首先对特征图进行全局平均池化操作，获取全局上下文信息；然后经过脉冲神经元层进行非线性变换，并通过激活函数增强特征图的表达能力； 下分支：包含两层膨胀卷积，膨胀卷积后应用激活函数保持输出的有效性和非线性表示； 最后，上分支和下分支的输出通过加法操作进行融合，得到融合特征图 步骤2.3：将融合特征图经过归一化层和三个卷积层进行处理，分别获得查询、键和值； 步骤2.4：构建固定的关注度矩阵； 步骤2.5：进行关注度矩阵与特征图的加权计算，得到调整后的特征图 步骤2.6：将调整后的特征图与融合特征图进行残差连接，得到最终的增强特征图用于后续的遥感图像目标分割任务； 所述步骤3中，对增强特征图进行多尺度特征提取与融合，通过解码器输出与原始遥感图像相同分辨率的目标分割结果，具体流程包括： 步骤3.1：对步骤2得到的增强特征图进行多尺度卷积操作，使用不同的卷积核大小得到多个尺度的特征图：并采用加权平均或拼接的方式融合这些多尺度的特征图，得到包含局部特征的特征图 步骤3.2：对特征图进行全局平均池化，得到全局特征再将全局特征与包含局部特征的特征图进行拼接，获得最终的特征图 步骤3.3：通过解码器将最终的特征图转化为与原始遥感图像相同分辨率的目标分割结果。

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耕宇牧星(北京)空间科技有限公司，其通讯地址为：100095 北京市海淀区地锦路9号院14号楼101-1；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”。