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！

龙图腾网获悉广东海洋大学申请的专利基于时空融合的序列遥感影像海岸带地物分类方法及系统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：CN119919729B 。

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：202510006544.7，技术领域涉及：G06V10/764；该发明授权基于时空融合的序列遥感影像海岸带地物分类方法及系统是由吴园园;刘洺辛;李声师;刘莹;谢俊杰设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于时空融合的序列遥感影像海岸带地物分类方法及系统在说明书摘要公布了：本发明涉及人工智能技术领域，具体涉及一种基于时空融合的序列遥感影像海岸带地物分类方法及系统，方法包括：获取样本影像，所述样本影像包括先验时刻的高空间分辨率影像和预测时刻的低空间分辨率影像；构建时空融合的海岸带地物分类模型，通过所述样本影像训练所述海岸带地物分类模型，直至所述海岸带地物分类模型的复合损失低于设定的损失阈值，得到训练好的海岸带地物分类模型；获取待分类的遥感影像，通过所述训练好的海岸带地物分类模型对所述遥感影像中预测时刻的低空间分辨率影像中的海岸带地物进行分类；本发明能够提高海岸带地物的分类精度。

本发明授权基于时空融合的序列遥感影像海岸带地物分类方法及系统在权利要求书中公布了：1.一种基于时空融合的序列遥感影像海岸带地物分类方法，其特征在于，所述方法包括以下步骤： 获取样本影像，所述样本影像包括先验时刻的高空间分辨率影像和预测时刻的低空间分辨率影像； 构建时空融合的海岸带地物分类模型，通过所述样本影像训练所述海岸带地物分类模型，直至所述海岸带地物分类模型的复合损失低于设定的损失阈值，得到训练好的海岸带地物分类模型； 获取待分类的遥感影像，通过所述训练好的海岸带地物分类模型对所述遥感影像中预测时刻的低空间分辨率影像中的海岸带地物进行分类；其中，所述待分类的遥感影像包括先验时刻的高空间分辨率影像和预测时刻的低空间分辨率影像； 所述构建时空融合的海岸带地物分类模型，通过所述样本影像训练所述海岸带地物分类模型，包括： 构建时空融合的海岸带地物分类模型；其中，所述海岸带地物分类模型包括高频-低频特征编码器、高频-低频融合模块、逆变换、卷积Transformer解码器、以及分类器；所述高频-低频特征编码器包括复合低分影像生成模块、多分辨率分解模块、以及密集卷积Transformer模块；所述高频-低频融合模块包括高频融合模块和低频融合模块； 获取样本影像中的高空间分辨率影像和低空间分辨率影像，通过所述复合低分影像生成模块对高空间分辨率影像进行降分辨率处理，获得与低空间分辨率影像相同尺度的降级影像，将低空间分辨率影像与所述降级影像进行融合得到复合低分影像； 通过所述多分辨率分解模块分别对高空间分辨率影像和复合低分影像进行分解，从所述高空间分辨率影像中提取出高分高频图和高分低频图，从所述复合低分影像中提取出低分高频图和低分低频图； 通过所述密集卷积Transformer模块分别提取所述高分高频图、高分低频图、低分高频图和低分低频图的层级特征，并经像元卷积融合获得频域局部-全局特征；其中，所述频域局部-全局特征包括高分高频特征、高分低频特征、低分高频特征、以及低分低频特征； 通过所述高频融合模块和低频融合模块分别将提取的频域局部-全局特征进行融合，得到高频融合特征和低频融合特征；将所述低频融合特征和高频融合特征经逆变换获得时空融合特征； 通过所述卷积Transformer解码器对时空融合特征进行重构获得长时序高空间分辨率的重建影像，将所述重建影像传递到分类器中获取长时序海岸带地物分类图。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1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。