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！

龙图腾网获悉江西啄木蜂科技有限公司申请的专利基于多尺度聚合与边缘损失的遥感影像中林地提取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：CN120580597B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511075618.9，技术领域涉及：G06V20/10；该发明授权基于多尺度聚合与边缘损失的遥感影像中林地提取方法是由王耿;李翔;刘学松;叶绍泽;王睿;刘丹丹;夏文浩设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本基于多尺度聚合与边缘损失的遥感影像中林地提取方法在说明书摘要公布了：本发明公开了一种基于多尺度聚合与边缘损失的遥感影像中林地提取方法，属于图像数据处理技术领域，包括步骤：获取遥感数据集；构造林地预测网络，包括改进Unet网络和边缘图提取单元，基于分类损失和边缘损失构造总损失Ltotal，用遥感数据集以最小化Ltotal训练林地预测网络至收敛，得到林地预测模型；用林地预测模型预测待识别遥感图中的林地分布。本发明通过引入多尺度特征聚合和门控注意力机制，能够有效提升林地提取的精度；引入边缘损失作为训练过程中的关键环节，使得林地边界的精确提取得以提升。本发明不仅关注林地整体结构，还能够对边缘细节进行精准处理，显著提升遥感影像林地提取的效果。

本发明授权基于多尺度聚合与边缘损失的遥感影像中林地提取方法在权利要求书中公布了：1.一种基于多尺度聚合与边缘损失的遥感影像中林地提取方法，其特征在于，包括以下步骤： S1，获取遥感数据集X，，In,Yn为X中第n个样本，包括遥感图In和In对应的林地标签图Yn； S2，构造林地预测网络，包括改进Unet网络和边缘图提取单元，构造方法包括步骤S21~S23； S21，构造一改进Unet网络，包括步骤Sa1~Sa4； Sa1，获取Unet网络，包括编码路径、瓶颈层和解码路径，沿数据处理方向，所述编码路径包括3个编码器~，解码路径包括3个解码器DC3~DC1，经瓶颈层连接DC3，第i编码器与第i解码器DCi间跳跃连接，且DC3~DC1依次输出解码特征F3~F1，1≤i≤3； Sa2，构造改进编码路径，包括3个依次连接的改进编码器EC1~EC3，其中第i层改进编码器ECi用于对上级输出用卷积核ki进行特征提取，得到ECi的输出，且当i=1时，ECi的上级输出为遥感图In，EC1~EC3的输出~还分别经一下采样模块提取下采样特征~； Sa3，构造瓶颈单元，包括改进瓶颈层、通道拼接层和门控注意力单元； 所述改进瓶颈层用于对用卷积核k4进行特征提取，得到输出特征； 所述通道拼接层用于将、、和沿通道维度拼接成第一拼接特征； 所述门控注意力单元用于对执行自注意力操作得到自注意力特征F'，再根据下式得到第二拼接特征和门控输出特征F4； ，，式中，concat∙为拼接操作，Conv1∙、Conv2∙、Conv3∙分别为第一卷积操作、第二卷积操作和第三卷积操作，BN∙为批归一化操作，ReLU∙为ReLU函数，Sigmoid∙为Sigmoid函数，⊙为哈达玛积，Reshape∙为Reshape函数； Sa4，用ECi替换，用瓶颈单元替换瓶颈层，并用门控注意力单元的输出连接DC3，得到改进Unet网络，且当改进Unet网络输入In时，将对应的F1标记为预测标签图； S22，改进Unet网络的输出连接一边缘图提取单元，用于对Yn或进行边缘提取，得到对应的二值边缘图和； S3，基于Yn和的分类损失和和的边缘损失构造总损失Ltotal，用遥感数据集X以最小化Ltotal训练林地预测网络至收敛，得到林地预测模型； S4，获取待识别遥感图，输入林地预测模型，经改进Unet网络输出对应的预测标签图。

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江西啄木蜂科技有限公司，其通讯地址为：330096 江西省南昌市南昌高新技术产业开发区昌东大道含弘广场现代服务产业园13楼整层；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”。

以上内容由龙图腾AI智能生成。