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！

龙图腾网获悉西安电子科技大学芜湖研究院申请的专利基于空谱联合的多光谱遥感图像云检测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：CN115690605B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211414914.3，技术领域涉及：G06V20/13；该发明授权基于空谱联合的多光谱遥感图像云检测方法是由张静;宋良农;王雨晨;李云松设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本基于空谱联合的多光谱遥感图像云检测方法在说明书摘要公布了：本发明提出了基于空谱联合的多光谱遥感图像云检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于空谱联合的多光谱遥感图像云检测网络，对多光谱遥感图像云检测网络进行迭代训练；获取遥感图像云检测的结果。本发明构建基于空谱联合的多光谱遥感图像云检测网络中的空谱信息提取模块，能够有效提取多光谱遥感图像的空间信息和光谱信息并能将其融合，并通过上下文动态卷积模块将编码模块的浅层特征与解码模块的深层特征进行融合使得网络更加关注云边缘信息，识别的云的边界更加连续，从而有效提升了多光谱遥感图像云检测的精度。

本发明授权基于空谱联合的多光谱遥感图像云检测方法在权利要求书中公布了：1.一种基于空谱联合的多光谱遥感图像云检测方法，其特征在于，包括以下步骤： 1获取训练样本集和测试样本集： 从卫星数据库中获取K幅带云区域标签的多光谱遥感图像，对每一幅多光谱遥感图像进行归一化处理，选取其中M幅归一化后的多光谱遥感图像及其对应的标签作为训练样本集,剩下N幅归一化后的多光谱遥感图像及其对应的标签作为测试样本集，其中，K＞10000，M＞N； 2构建基于空谱联合的多光谱遥感图像云检测网络H： 构建包括顺次级联的输入层、编码模块、解码模块和输出层，以及多个上下文动态卷积模块CD的多光谱遥感图像云检测网络H，编码模块包括顺次级联的多个卷积层和多个下采样模块D，每个下采样模块D包括由并行排布的空间特征提取模块S和光谱特征提取模块C组成的空谱信息提取模块SC以及与SC级联的最大池化层；解码模块包括顺次级联的多个上采样模块U和多个卷积层，每个上采样模块U包括顺次级联卷积层、正则化层和上采样层；解码模块中上采样模块U的个数与编码模块中下采样模块D的个数相等，每个下采样模块D与其位置对称的上采样模块U之间通过上下文动态卷积模块CD连接；输出层包括顺次级联卷积层和激活函数层； 3对多光谱遥感图像云检测网络H进行迭代训练： 3a初始化迭代次数为r，最大迭代次数为R，R≥30，第r次迭代多光谱遥感图像云检测网络Hr的权值参数为αr，并令r＝0； 3b将训练样本集作为多光谱遥感图像云检测网络H的输入，编码模块中的多个卷积层提取每个训练样本的整体特征，多个下采样模块D中的空谱信息提取模块SC提取整体特征的空间信息和光谱信息后，经过最大池化层的池化，得到多个不同尺度的空谱信息；每个上下文动态卷积模块CD都将最后一个下采样模块D输出的空谱信息调整成多个自适应卷积核并通过自适应卷积核将不同尺度的空谱信息融合到解码模块，然后通过解码模块对融合后的信息进行解码，输出层对解码结果进行二分类，得到M个训练样本的云检测预测结果； 3c采用Focalloss损失函数，计算每个训练样本的云检测预测结果与对应的真实标签的损失值θm，并采用梯度下降法，通过损失值θm与权值αr参数的偏导对αr进行更新，得到本次迭代后的多光谱遥感图像云检测网络Hr； 3d判断r＝R是否成立，若是，得到训练好的多光谱遥感图像云检测网络HR，否则，令r＝r+1，Hr＝H，并执行步骤3b； 4获取测试样本集的云检测预测结果： 将测试样本集作为训练好的多光谱遥感图像云检测网络HR的输入进行前向传播，利用该网络的权值αR获取对应测试样本图像的云检测预测结果。

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西安电子科技大学芜湖研究院，其通讯地址为：241000 安徽省芜湖市弋江区安徽信息工程学院西一楼；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。