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！

龙图腾网获悉武汉理工大学三亚科教创新园申请的专利基于边界引导的农业遥感图像耕地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：CN119027822B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411322915.4，技术领域涉及：G06V20/10；该发明授权基于边界引导的农业遥感图像耕地提取方法是由陈亚雄;张新宇;党炜冲;龚腾飞;熊盛武设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本基于边界引导的农业遥感图像耕地提取方法在说明书摘要公布了：本发明涉及深度学习与农耕应用技术领域，公开了基于边界引导的农业遥感图像耕地提取方法，包括如下步骤：对编码器网络，从输入图像中提取多级特征，即利用纹理增强模块TEM来增强低级特征的纹理表征，之后利用边界感知模块BAM从包含纹理细节的低级特征和包含抽象语义的高级特征中挖掘对象中的边界表征，再利用多个边界引导模块BGM将从BAM得到的边界细节与每一层的多级骨干特征相结合，输出解码器特征图，进行耕地图像分割预测。通过边界损失函数和分割损失函数进行反向梯度传播，训练更新网络模型参数，改善耕地分割精确度，提高网络模型在遥感耕地图像分割中的训练精度。

本发明授权基于边界引导的农业遥感图像耕地提取方法在权利要求书中公布了：1.一种基于边界引导的农业遥感图像耕地提取方法，其特征在于，包括以下步骤： A数据集预处理：对高分辨率光学遥感耕地图像进行裁剪和预处理，形成预处理数据集，对数据集进行训练集、验证集和测试集划分; B数据增强：对数据集进行通用数据增强或标准化处理，得到数据增强后的遥感耕地图像数据集； C特征提取：将数据集图像分批输入深度卷积神经网络的特征提取模块，提取多级特征； D纹理特征增强：利用纹理增强模块TEM来增强深度卷积神经网络提取的低级特征的纹理表征； E边界特征增强：利用边界感知模块BAM从包含纹理细节的低级特征和包含抽象语义的高级特征中挖掘对象中的边界表征，并采用了一种基于几何相似度的边界损失函数，用以监督边界的提取过程； F边界引导特征融合：利用多个边界引导模块BGM将从BAM得到的边界细节与每一层的多级骨干特征相结合，指导解码器特征学习； 所述步骤F中，所述边界引导模块BGM，接受两个输入：一是边界增强特征和编码器网络的相应特征相乘得到的混合特征；二是来自前一个解码器层的特征，这两个输入分别被送入BGM的前景路径和背景路径，旨在分别促进前景和背景的特征表示； 所述步骤F包括如下步骤： F1在前景路径中，通过将和直接沿通道维度连接，然后按顺序依次经过Conv-BN-ReLU来获得前景特征： ; 其中，表示逐元素乘法，表示按顺序依次经过Conv-BN-ReLU， F2针对背景路径，使用背景注意组件来让模型选择性地关注背景信息，背景注意组件得到的背景特征表示为： ； 其中，表示一个三层堆叠的Conv-BN-ReLU，表示Sigmoid函数，表示逐元素乘法，表示背景注意力图，其通过将Sigmoid函数应用于前一个解码器层的特征图并从1中减去所得前景注意力图来生成； F3最后，将前景特征、背景特征以及前一个解码器特征在通道维度上拼接起来，形成最终解码器的输出： ； G分割预测：最终将解码器输出特征图进行分割预测，得到最终的耕地图像分割结果； H网络模型训练：将耕地分割网络预测的分割结果与耕地真实分割标签进行平滑标签交叉熵损失计算，通过反向传播更新网络参数，提升耕地分割网络预测结果准确性。

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武汉理工大学三亚科教创新园，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；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。