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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利一种基于深度学习的多源遥感影像水体识别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：CN120411791B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510884807.4，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的多源遥感影像水体识别方法及系统是由赵娜设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种基于深度学习的多源遥感影像水体识别方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的多源遥感影像水体识别方法及系统，包括对水体雷达影像进行地形校正获得水体雷达矫正影像，对所述水体雷达校正影像和水体光学影像进行图像配准和影像划分获得水体优化影像，将所述水体优化影像分别输入双分支特征提取模型和深度特征提取模型获得水体表征特征和水体深度特征，将所述水体表征特征和所述水体深度特征进行时序特征融合获得水体多源遥感特征并构建水体识别模型，将待识别水域水体多源遥感影像输入所述水体识别模型获得水体识别结果。该方法不仅可以提高多源遥感影像水体识别的效率和准确性，同时具有较好的可解释性，可以直接应用于多源遥感影像水体识别系统中。

本发明授权一种基于深度学习的多源遥感影像水体识别方法及系统在权利要求书中公布了：1.一种基于深度学习的多源遥感影像水体识别方法，其特征在于，包括以下步骤： S1、获取水体多源遥感标注影像，对所述水体多源遥感标注影像进行图像预处理；所述水体多源遥感标注影像包括水体雷达影像、水体光学影像和水体标注信息； S2、对所述水体雷达影像进行地形校正获得水体雷达校正影像，对所述水体雷达校正影像和所述水体光学影像进行图像配准，根据所述图像配准结果进行影像划分获得水体优化影像；所述影像划分包括边界优化和区域优化； S3、将所述水体优化影像输入双分支特征提取模型获得水体表征特征，将所述水体优化影像输入深度特征提取模型获得水体深度特征； S4、将所述水体表征特征和所述水体深度特征进行时序特征融合获得水体多源遥感特征，采用所述水体多源遥感特征和所述水体标注信息构建水体识别模型； S5、将待识别水域水体多源遥感影像输入所述水体识别模型获得水体识别结果； 所述获得水体深度特征的方法，包括： 将水体优化影像输入深度特征提取模型获得水体深度特征；所述水体深度特征包括光谱特征、时变特征和上下文特征； 所述深度特征提取模型包括骨干网络、多模态解缠融合模块、时空递归融合模块和全连接层； 所述骨干网络用于提取水体优化影像的基础光谱-空间特征输入到多模态解缠融合模块，包括雷达分支和光学分支； 多模态解缠融合模块对水体优化影像进行解缠融合获得上下文特征，包括特征解缠单元、域对抗学习单元和自适应门控融合单元；所述特征解缠单元通过解耦编码器分离水体优化影像的共有特征和模态私有特征；所述域对抗学习单元通过梯度反转层和域分类器提取水体优化影像的域不变特征；所述自适应门控融合单元通过门控权重融合共有特征与域不变特征输出融合特征； 所述特征解缠单元采用解缠损失函数调整模型的精确度，表达式为： 其中为解缠损失函数，为域判别器，用于区分来自域不变特征还是私有特征，为解码器，用于将共有特征和私有特征组合后重建原始特征，为计算互信息的样本数量，为给定私有特征条件下共有特征的概率密度，为共有特征的边缘概率密度； 所述时空递归融合模块通过时态卷积块和空间-时序LSTM处理多时相序列获得时变特征；所述时变特征与季节性水位变化相关； 全连接层与骨干网络、多模态解缠融合模块、时空递归融合模块连接，并输出水体深度特征。

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科学院地理科学与资源研究所，其通讯地址为：100101 北京市朝阳区大屯路甲11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”。