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！

龙图腾网获悉南京航空航天大学申请的专利一种基于伪孪生网络的多频谱遥感图像语义分割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：CN118537549B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202410537644.8，技术领域涉及：G06V10/26；该发明授权一种基于伪孪生网络的多频谱遥感图像语义分割方法是由张寅;罗昭龙;闫钧华;岳晨珂;皮家豪;景玮霖设计研发完成，并于2024-04-30向国家知识产权局提交的专利申请。

本一种基于伪孪生网络的多频谱遥感图像语义分割方法在说明书摘要公布了：本发明公开一种基于伪孪生网络的多频谱遥感图像语义分割方法，包括如下步骤：将4通道光学图像和SAR图像及其注释输入到模型的主干网络中，使用伪孪生主干网将SAR和光学图像分别输入到独立的卷积流中进行特征提取，采用相同的多层Res2net结构并行处理以获取不同层级的特征表示；再通过Concat操作融合多频谱特征，使用通道注意力赋与通道不同的权重，得到新的双频谱融合特征；再将不同尺度的融合特征分别送入纹理增强模块中用于扩大感受野；使用级联特征融合模块融合不同层级的特征，获取最终的多层级融合后的图像特征表示；最后使用解码器将特征经过卷积、上采样与Softmax操作得到最终的语义分割结果。

本发明授权一种基于伪孪生网络的多频谱遥感图像语义分割方法在权利要求书中公布了：1.一种基于伪孪生网络的多频谱遥感图像语义分割方法，其特征在于，包括如下步骤： 步骤1：收集三频谱数据集，所述三频谱数据集包含可见光、红外和SAR遥感图像，对三个图像进行配准； 步骤2：将配准后的三频谱数据集中的图像分辨率及像元分辨率最高的源图像作为基准图像，其余两源图像作为待处理图像，低分辨率图像进行上采样，保持分辨率的一致性； 步骤3：对步骤2处理后的三频谱数据集进行分割标注； 步骤4：对标注后的三频谱数据集进行预处理，并对预处理后的数据集进行扩充得到扩增后的数据集，扩增方法采用图像翻转和随机加入高斯噪声的方法； 步骤5：划分所述扩增后的数据集构成训练数据库； 步骤6：构建三频谱遥感图像语义分割卷积神经网络模型；步骤6中，构建三频谱遥感图像语义分割卷积神经网络模型，具体为： 步骤6.1，建立提取图像特征的伪孪生主干网络：将SAR遥感图像和可见光、红外光学图像分别输入到独立的卷积流中进行特征提取，采用相同的多层Res2net结构并行处理，在所述多层Res2net结构中，并使用可变形卷积替换Res2net网络中的普通卷积；在多层Res2Net结构中，将输入特征分为p组，分别记作；每组特征的通道数均为输入特征通道数的1p；除了第一组外，每组特征都经过3×3卷积，将该卷积记作；除了第一组和最后一组外，第组的特征先与前一组的输出相加，将相加后的结果进行操作；将这p组的输出在通道维度拼接，然后进行1×1卷积操作； 步骤6.2，建立特征融合与纹理增强模块：通过Concat操作融合多源特征，通过通道注意力赋与通道不同的权重；可见光与红外特征与SAR特征通过Concat通道叠加后，经过通道方向的平均池化得到一组权重然后经过全连接层与sigmoid使得权重归一化到0~1之间；然后将其与多源特征在通道维度相乘，得到一组新的多源融合特征；之后使用纹理增强模块来增强特征纹理； 步骤6.3，建立级联特征融合模块：通过融合通道和空间注意力的注意力模块CBAM将注意力聚焦在最具信息量的部分； 纹理增强模块的输出与经过上采样的通过Concat操作后经过CBAM注意力模块得到新的特征输出；用如下公式表示： ； 式中，代表上采样，代表通道叠加，代表注意力机制； 步骤6.4，构建解码器：输入到解码器，经过卷积、上采样与Softmax得到最终的语义分割结果；步骤6.4操作通过如下公式表示： ； ； 式中，表示3×3的卷积，U表示上采样，Pred表示预测结果； 步骤7：采用所述训练数据库训练步骤6的卷积神经网络模型，训练时按照设定的学习率调整卷积神经网络的参数，得到训练后的用于三频谱遥感图像语义分割的卷积神经网络模型； 步骤8：将待分割图像输入步骤7中训练后的卷积神经网络，卷积神经网络中最后一层的输出值经过softmax函数计算得到待分割图像中每个像素点的分类概率，实现待分割图像各感兴趣区域的语义分割。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。

以上内容由龙图腾AI智能生成。