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！

龙图腾网获悉武汉大学申请的专利一种类别无关的遥感地物矢量拓扑结构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：CN115830179B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211706712.6，技术领域涉及：G06T11/20；该发明授权一种类别无关的遥感地物矢量拓扑结构提取方法是由杨炳楠;张觅;张展;赵元昕;佘可设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种类别无关的遥感地物矢量拓扑结构提取方法在说明书摘要公布了：本发明公开了一种类别无关的遥感地物矢量拓扑结构提取方法，包括：步骤1，建立训练集样本库；步骤2，构建与类别无关的遥感地物矢量拓扑结构提取模型，TopDiG模型，所述TopDiG模型通过卷积网络提取地物的低层次拓扑特征，生成预测结点和视觉描述子，然后采用动态标签监督策略，根据预测结点动态地生成邻接图标签，最后基于Transformer的有向邻接图生成器预测地物拓扑结构；步骤3，设计多任务约束的损失函数，对步骤2中的TopDiG模型进行训练；步骤4，利用训练好的TopDiG模型对影像预测库进行遥感地物提取，即可得到遥感影像目标地物矢量拓扑结构。本方法可以直接从输入影像中得到地物矢量拓扑结构，避免了栅格转矢量过程的信息损失与复杂计算。

本发明授权一种类别无关的遥感地物矢量拓扑结构提取方法在权利要求书中公布了：1.一种类别无关的遥感地物矢量拓扑结构提取方法，其特征在于，包括如下步骤： 步骤1，建立训练集样本库，根据研究区域或者试验区域的遥感影像以及历史资料库，选取典型的目标地物样本，制作对应标签，然后根据硬件计算资源大小，将影像裁剪为一定大小的切片，同时制作对应的栅格标签和矢量标签； 步骤2，构建与类别无关的遥感地物矢量拓扑结构提取模型，记为TopDiG模型，所述TopDiG模型通过卷积网络提取地物的低层次拓扑特征，生成预测结点和视觉描述子，然后采用动态标签监督策略，根据预测结点动态地生成邻接图标签，最后基于Transformer的有向邻接图生成器预测地物拓扑结构； 所述TopDiG模型包括聚焦拓扑的结点检测器，动态标签监督策略模块和有向邻接图生成器；所述聚焦拓扑的结点检测器依次包括特征编码器，旁支输出器、特征学习模块、权重学习模块、融合模块和特征采样模块； 其中，特征编码器选用ResNet50，在ResNet50中的4个阶段分别使用旁支输出器输出1张与原图相同尺寸的特征维度为1的热力图；旁支输出器共有4个，其中第一个由1个卷积层以及1个BN层组成，剩余三个由卷积层，BN层，转置卷积层和双线性上采样层组成；4个旁支输出器输出的4张热力图沿特征维度堆叠，送入特征学习模块； 特征学习模块包含2个卷积块，每个卷积块包含1个卷积核大小为3×3，步长为1，填充为1的卷积层、1个维度为64的BN层以及1个ReLU层，卷积层输入、输出通道数分别为4,64和64,64； 权重学习模块包含3个卷积块，前两个卷积块由1个卷积核为1×1，步长为1的卷积层、1个维度为4的BN层以及1个ReLU层构成，最后一个卷积块不包含ReLU层，3个卷积层的输入和输出特征通道数均为4； 融合模块包含一个结点检测头和加权求和运算，结点检测头对特征学习模块输出的特征图进行解码，由2个卷积核为1×1，步长为1的卷积层、1个维度为64的BN层以及1个ReLU层，两个卷积层输入、输出通道数分别为64,64和64,1；然后通过加权求和运算对结点检测头输出的热力图和权重学习模块输出的权重图进行融合，得到的1×H×W热力图，经过非极大值抑制算法得到预测结点； 特征采样模块根据获取的预测结点的坐标，采用Gridsampling方法从特征学习模块输出的特征图上获取对应区域的特征，即视觉描述子； 步骤3，设计多任务约束的损失函数，对步骤2中的TopDiG模型进行训练； 多任务损失函数包括结点检测损失函数以及邻接图预测损失函数； 结点检测损失函数如下： 其中M·表示求均值的运算，表示真值结点热力图，h表示预测结点的热力图； 有向邻接图预测损失函数如下： 其中p表示预测的邻接图，表示邻接图标签； 因此，综合多个任务的损失函数最终表达式如下， Ltotal＝Lnode+Lgraph4 步骤4，训练完成后，利用训练好的TopDiG模型对影像预测库进行遥感地物提取，即可得到遥感影像目标地物矢量拓扑结构。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。