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！

龙图腾网获悉辽宁工程技术大学申请的专利一种复杂背景遥感影像地物智能解译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：CN119762907B 。

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：202411799839.6，技术领域涉及：G06T5/40；该发明授权一种复杂背景遥感影像地物智能解译方法是由张兵;朱洪波;宋伟东;戴激光设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本一种复杂背景遥感影像地物智能解译方法在说明书摘要公布了：本发明公开了一种复杂背景遥感影像地物智能解译方法，涉及遥感影像目标解译技术领域，包括：获取遥感影像地物解译公开数据集并进行预处理，预处理后按比例划分得到训练集、测试集和验证集；构建感知机模型，对训练数据集进行计算，输出目标地物复杂程度阈值，在此基础上选用改进UNet遥感地物解译模型，对公开数据集中所选解译类别地物进行训练权重迭代求解，获取遥感地物智能解译权重模型；将遥感地物智能解译权重模型导入改进UNet遥感地物解译模型，输入测试集，进行自适应遥感地物智能解译。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。

本发明授权一种复杂背景遥感影像地物智能解译方法在权利要求书中公布了：1.一种复杂背景遥感影像地物智能解译方法，其特征在于，包括以下步骤： S101：获取遥感影像地物解译公开数据集，对公开数据集进行预处理，将预处理后的影像数据按比例进行划分得到训练集、测试集和验证集； S102：构建感知机模型，对训练集进行计算，输出目标地物复杂程度阈值； S103：根据目标地物复杂程度阈值，选用改进UNet遥感地物解译模型，对公开数据集中所选解译类别地物进行训练权重迭代求解，获取遥感地物智能解译权重模型； S104：将遥感地物智能解译权重模型导入改进UNet遥感地物解译模型，输入测试集，进行自适应遥感地物智能解译； S102中构建感知机模型包括以下步骤： S1021：将预处理的公开数据集，进行图像堆叠，组成线性可分的感知机数据集，公式如下T＝{x1,y1,x2,y2,...,xn,yn}    2式中，xi∈X＝Rn，yi∈Y＝Rn，i＝1,2,...,N，xi，yi均为在最大间隔超平面ω*x+b*＝0上的特征点；X为二维特征超平面的任意轴，Y为二维特征超平面中与X正交的轴，ω*为二维特征超平面在空间直角坐标系中X‑O‑Z面上投影的斜率，b*为二维特征超平面在空间直角坐标系中X‑O‑Z面上投影与Z轴的截距，n为n维特征空间，N为整数集； 其中，自适应感知机模型分类函数表达式为： fx＝signω*x+b* 6式中，x为输入的特征向量，具体为输入训练集图像中目标地物前、背景区域之间的颜色差异及边界轮廓；ω*x+b*为特征分类超平面； S1022：定义感知机损失函数为误分类点到特征分类超平面的距离之和，如式下式所示，其中，误分类点的感知机输出结果与真实结果的符号相反，如下式所示，融合损失函数的自适应感知机模型表达式如下式所示，式3‑5中，M为误分类点的集合； 其中，感知机模型输出对不同假彩色数据集、不同目标地物的目标地物复杂程度判读结果并转化为目标地物复杂程度阈值，输入到改进UNet网络中； S103中改进UNet遥感地物解译模型为基于UNet模型构建2组遥感地物解译模型，具体包括： UNet‑1模型：由9个3×3卷积模块、3个最大池化模块组成特征提取网络；具体的，由9个反卷积模块对目标特征信息进行上采样，并通过3次层间连接将特征提取网络提取的包含目标地物低阶位置信息的特征图与上采样部分保留高阶语义信息的特征图融合，对预处理后的公开数据集的目标地物的端到端进行提取与分类； UNet‑2模型：由6个3×3卷积模块、2个最大池化模块组成特征提取网络；具体的，由6个反卷积模块组成上采样网络，2次层间连接实现低阶位置信息与高阶语义信息的融合，对预处理后的公开数据集的前、背景区域场景目标地物进行提取与分类。

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辽宁工程技术大学，其通讯地址为：123000 辽宁省阜新市中华路47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”。