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！

龙图腾网获悉南京信息工程大学申请的专利一种基于遥感图像的铁路沿线树林和湖泊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：CN117058377B 。

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：202310969515.1，技术领域涉及：G06V10/26；该发明授权一种基于遥感图像的铁路沿线树林和湖泊分割方法是由叶小岭;张虎;圣涛;邹瑞麟;张颖超;熊雄设计研发完成，并于2023-08-03向国家知识产权局提交的专利申请。

本一种基于遥感图像的铁路沿线树林和湖泊分割方法在说明书摘要公布了：本发明公开了一种基于遥感图像的铁路沿线树林和湖泊分割方法，包括：制作树林和湖泊数据集；构建语义分割网络模型；利用得到的数据集，在建立的语义分割网络模型中进行网络模型的训练；对于待分割的图像，使用训练好的网络模型进行预测并生成标签图像。本发明创新性的设计出多分支残差加权模块、上下文特征细化模块、高低特征融合模块，并且将这些模块配合性的应用到了铁路沿线树林和湖泊的图像识别分割当中，有效提高了图像的分割精度，实现铁路沿线典型地形地貌的精细化提取，准确的识别铁路沿线树林和湖泊，可以提高铁路沿线环境的风速预测精度，进而综合考虑地形和风速的影响，构建完善的异物侵限预防体系，为铁路安全运行保驾护航。

本发明授权一种基于遥感图像的铁路沿线树林和湖泊分割方法在权利要求书中公布了：1.一种基于遥感图像的铁路沿线树林和湖泊分割方法，其特征在于，包括如下步骤： S1：制作树林和湖泊数据集； S2：构建语义分割网络模型； S3：利用步骤S1得到的数据集，在步骤S2建立的语义分割网络模型中进行网络模型的训练； S4：对于待分割的图像，使用训练好的网络模型进行预测并生成标签图像； 步骤S2中语义分割网络模型包括编码器部分和解码器部分，编码器部分中包括一个双分支特征提取结构、上下文特征细化CFR模块、若干瓶颈模块BB； 双分支特征提取结构包括改进后的ResNet34主干块和多分支残差加权模块，采用逐层下采样的方式，分别提取通道信息和空间信息，并将相同级别的ResNet34主干块输出和多分支残差加权模块MBRW的输出融合在一起； 上下文特征细化模块用于提取上下文信息，并将特征图一分为二，作为解码器两个分支的输入； 瓶颈模块BB和融合操作用于特征强化和融合不同特征层信息； 解码器部分包括高低特征融合模块HLFF和残差模块，解码器部分利用高低特征融合模块HLFF，将各级特征充分融合，逐层恢复特征图原始尺寸，最后在输出端采用一个残差模块进行通道阶梯细化； 所述多分支残差加权模块的设计和运行方法如下： A1：模块整体采用多分支结构，每条支路都以瓶颈结构的形式提取图像特征；在每条支路中，先用1×1卷积将通道数压缩为原来的12，然后使用多个3×3卷积来获取不同感受野的特征信息，最后再用1×1卷积调整通道；并且前一个分支最后一个3×3卷积的输出是下一个分支的输入，同时，在每个分支最后一个3×3卷积后嵌入金字塔切分注意力机制； A2：将所有分支的输出相加后，通过1×1卷积调整通道，再和输入图像进行残差连接，最后再乘以一个全局上下文向量，该向量是由第一个分支的输出执行全局平均池化后通过Sigmoid激活得来的； 所述上下文特征细化模块的设计和运行方法如下： B1：首先用1×1的卷积调整通道，左半部分使用不同尺度的卷积获取丰富的上下文信息，接着利用条状池化对特征图中的边缘信息进行细化提取，帮助网络学习到更加精细的边界特征信息，最后将结果拼接输出； B2：模型右半部分将输入特征图分别进行全局平均池化和全局最大池化，得到每个通道的平均值和最大值，之后先使用一个带有Relu非线性变换的1×1卷积降维，再使用一个带有Sigmoid激活函数的1×1卷积进行升维，得到每个通道的权重，最后将两个权重合并输出。

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信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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。