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！

龙图腾网获悉东南大学申请的专利基于分形几何特征和边缘监督的遥感影像建筑物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：CN116543298B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310347368.4，技术领域涉及：G06V20/10；该发明授权基于分形几何特征和边缘监督的遥感影像建筑物提取方法是由王庆;刘鹏飞;张欢;米静;刘囿辰设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于分形几何特征和边缘监督的遥感影像建筑物提取方法在说明书摘要公布了：本发明公开了一种基于分形几何特征和边缘监督的遥感影像建筑物提取方法，包括以下步骤：获取大量遥感图像数据构建影像数据集，获取每幅遥感影像对应的建筑物二值图标签即为真实标签；得到大量样本数据，并将所有样本按比例划分为训练集、验证集和测试集；利用训练集样本中的图像作为FB‑Unet网络的输入，训练集样本中的标签作为FB‑Unet网络的真值标签，对FB‑Unet网络进行训练，训练完成后得到建筑物提取网络FB‑Unet模型；将待进行建筑物提取的遥感影像输入到训练好的建筑物提取网络FB‑Unet模型中，提取遥感影像中建筑物的语义特征，得到遥感影像对应的逐像素预测结果。本发明解决了建筑物边缘保留不完整，对不规则建筑物的提取效果差的问题。

本发明授权基于分形几何特征和边缘监督的遥感影像建筑物提取方法在权利要求书中公布了：1.基于分形几何特征和边缘监督的遥感影像建筑物提取方法，其特征在于，包括以下步骤： S1.获取大量遥感图像数据构建影像数据集，获取遥感影像数据集中每幅遥感影像对应的建筑物二值图标签即为真实标签； S2.对图像进行预处理以及数据增强处理得到大量样本数据，每个样本数据包括处理后的图像及其对应的标签，并将所有样本按比例划分为训练集、验证集和测试集；； S3.利用训练集样本中的图像作为FB-Unet网络的输入，训练集样本中的标签作为FB-Unet网络的真值标签，对FB-Unet网络进行训练，训练完成后得到建筑物提取网络FB-Unet模型； S4.将待进行建筑物提取的遥感影像输入到训练好的建筑物提取网络FB-Unet模型中，提取遥感影像中建筑物的语义特征，得到遥感影像对应的逐像素预测结果； 所述步骤S3中建筑物提取网络FB-Unet模型包括特征提取网络以及边缘监督网络；所述特征提取网络包括网络编码器，Bridge桥接层和网络解码器；所述边缘监督网络包括多尺度边缘提取模块； 网络编码器包括n层编码层，分别为E1、E2、E3、…、En编码层；编码层E1由2个卷积层级联组成，所述卷积层由PSA模块、BatchNorm和ReLU激活函数依次连接而成，其中前一个卷积层将输入图像的RGB三个通道转换为64个通道，后一个卷积层保持通道数不变；编码层E2~En均由一个最大池化层和2个卷积层级联组成，所述最大池化层用于将输入分辨率减半且池化窗口尺寸为2*2；编码层E2~En-1中前一个卷积层将输入通道数翻倍，后一个卷积层保持通道数不变；编码层En中2个卷积层均保持通道数不变； 所述Bridge桥接层包括n个多尺度扩张-分形几何特征模块，分别为F-ASPP1、F-ASPP2、F-ASPP3、…、F-ASPPn，各编码层E1、E2、E3、…、En的输出特征图像分别对应输入到F-ASPP1、F-ASPP2、F-ASPP3、…、F-ASPPn中； 所述网络解码层包括n层解码层，分别为D1、D2、D3、…、Dn，各多尺度扩张-分形几何特征模块F-ASPP1、F-ASPP2、F-ASPP3、…、F-ASPPn的输出特征图像分别对应输入到D1、D2、D3、…、Dn中；在解码层Dn中，将En编码层的输出特征图像和F-ASPPn模块的输出特征图像连接起来做上采样操作恢复至上一层En-1的输出特征图像分辨率；最后，将得到的特征图像的分辨率恢复到与输入的原始遥感图像的分辨率一致，通过sigmoid函数激活后将输出的图像以0.5为阈值进行二值化处理，当预测结果大于0.5时认为该像素为建筑物标记为1，反之标记为0，得到原始遥感影像对应的预测输出结果； 所述sigmoid激活函数公式为： ； 其中表示特征图像中像素的预测值。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。