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！

龙图腾网获悉大连理工大学申请的专利整合特征融合与卷积注意力的微裂缝精准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：CN120876869B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511383286.0，技术领域涉及：G06V10/26；该发明授权整合特征融合与卷积注意力的微裂缝精准分割方法是由于金时;徐博设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本整合特征融合与卷积注意力的微裂缝精准分割方法在说明书摘要公布了：本发明提出了一种整合特征融合与卷积注意力的微裂缝精准分割方法，属于图像处理领域。该方法构建一种以编码器‑解码器架构为基础的裂缝分割网络，在编码器端引入卷积块注意力模块，通过通道和空间双重注意力机制，自适应抑制背景噪声并强化裂缝显著特征，在几乎不增加计算开销的前提下，提升模型对微裂缝的敏感度；在解码器端引入特征融合模块，通过跨层融合实现低层细节与高层语义的协同，有效弥合了语义鸿沟，避免传统卷积堆叠导致的细节丢失，确保狭长裂缝的连续性和完整拓扑结构。本发明通过多尺度特征提取与注意力机制协同优化，实现了裂缝显著性特征的精准捕获及复杂背景干扰的有效抑制，显著提升了对微裂缝的检测灵敏度与整体分割一致性。

本发明授权整合特征融合与卷积注意力的微裂缝精准分割方法在权利要求书中公布了：1.整合特征融合与卷积注意力的微裂缝精准分割方法，其特征在于，包括： S1、获取裂缝图像并进行预处理，构建裂缝图像数据集； S2、构建裂缝分割网络，所述裂缝分割网络整体为编码器-解码器结构； 所述编码器包括深度残差网络和卷积块注意力模块；所述深度残差网络作为主干网络提取输入图像的多尺度特征，所述卷积块注意力模块对所述多尺度特征进行显著性增强，得到各尺度特征的增强特征；所述各尺度特征的增强特征包括高层语义特征和低层细节特征； 所述解码器包括特征融合模块和解码头；所述特征融合模块对所述编码器输出的低层细节特征与高层语义特征进行跨层融合并精炼，得到兼具全局语义与局部细节的融合特征；所述解码头对所述融合特征依次经过卷积与渐进式上采样处理，逐步恢复空间分辨率，并增强边缘细节表达，得到裂缝分割预测结果图； S3、利用S1构建的裂缝图像数据集对所述裂缝分割网络进行训练； S4、将待分割的检测图像输入至训练完成的裂缝分割网络中，经由编码器提取多尺度特征并在解码器中逐步融合与恢复分辨率，最终由解码头输出裂缝区域的分割结果； 所述卷积块注意力模块由级联的通道注意力子模块与空间注意力子模块组成； 所述通道注意力子模块将深度残差网络提取到的多尺度特征图作为输入，分别利用全局平均池化与全局最大池化在空域维度上压缩信息，得到两个通道级描述符；将、送入一个共享参数的多层感知机，所述多层感知机由第一全连接层、ReLU激活函数、第二全连接层依次连接而成，其输出经激活函数激活后得到通道注意力图；再将与逐通道相乘得到增强后的特征； 所述空间注意力子模块对通道增强后的特征在通道维度上执行平均池化与最大池化，生成两个二维空域描述符；将，沿通道轴拼接后，经由一个卷积层捕获局部跨通道交互，并经激活函数激活得到空间注意力图； 将空间注意力图与增强后的特征逐元素相乘，得到精炼后的特征张量； 所述深度残差网络提取的浅层特征经卷积块注意力模块进行特征增强后分别得到的特征张量构成低层细节特征；所述深度残差网络提取的高层特征经卷积块注意力模块进行特征增强后分别得到的特征张量构成高层语义特征； 所述特征融合模块包括通道对齐模块、通道注意力增强模块、相关性增强模块和深度卷积精炼模块； 所述通道对齐模块将高层语义特征以及低层细节特征通过1×1卷积调整通道数到统一维度C，采用双线性插值对高层语义特征进行上采样，使其空间分辨率与低层细节特征一致，得到维度对齐后的高层语义特征和低层细节特征； 所述通道注意力增强模块分别对和进行通道增强，得到增强后的高层语义特征和低层细节特征； 所述相关性增强模块首先将特征与在空间维展平，并计算交互矩阵，其中为展平后的向量，，分别表示低层细节特征的高度和宽度； 再对交互矩阵进行激活处理后作为融合权重；对融合权重进行互补加权融合，得到跨域交互后的融合特征；其中，为将矩阵形状转换为特征图形状；为单位矩阵； 所述深度卷积精炼模块对所述融合特征经过一系列轻量卷积精炼，得到融合特征。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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。