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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种地质环境遥感解译方法、装置及相关组件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：CN116051895B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310028749.6，技术领域涉及：G06V10/764；该发明授权一种地质环境遥感解译方法、装置及相关组件是由韩伟;王圣;王力哲;黄晓辉;冯如意;阎继宁设计研发完成，并于2023-01-09向国家知识产权局提交的专利申请。

本一种地质环境遥感解译方法、装置及相关组件在说明书摘要公布了：本发明公开了一种地质环境遥感解译方法、装置及相关组件，涉及遥感图像信息处理领域。该方法包括利用ResNet网络对样本图像进行特征提取，得到浅层图像特征；利用多尺度特征提取模块对所述浅层图像特征进行多尺度特征聚合，得到多尺度地质要素特征图；利用全局特征融合模块对所述多尺度地质要素特征图进行全局特征融合，输出预测概率图，以此构建得到地质要素分类模型；利用损失函数对所述地质要素分类模型进行训练和优化，得到优化后的地质要素分类模型；利用优化后的所述地质要素分类模型对目标图像进行分类，并输出分类结果。该方法有效地解决了地质遥感解译任务精度不高、标签样本少的问题。

本发明授权一种地质环境遥感解译方法、装置及相关组件在权利要求书中公布了：1.一种地质环境遥感解译方法，其特征在于，包括： 利用ResNet网络对样本图像进行特征提取，得到浅层图像特征； 利用多尺度特征提取模块对所述浅层图像特征进行多尺度特征聚合，得到多尺度地质要素特征图； 利用全局特征融合模块对所述多尺度地质要素特征图进行全局特征融合，输出预测概率图，以此构建得到地质要素分类模型； 利用损失函数对所述地质要素分类模型进行训练和优化，得到优化后的地质要素分类模型； 将无标签图像输入至优化后的地质要素分类模型，并生成伪标签图像，利用所述伪标签图像对所述地质要素分类模型进行自监督学习； 利用优化后的所述地质要素分类模型对目标图像进行分类，并输出分类结果； 其中，所述利用多尺度特征提取模块对所述浅层图像特征进行多尺度特征聚合，得到多尺度地质要素特征图，包括： 将所述浅层图像特征输入至1x1卷积层，得到第一卷积特征图； 将所述浅层图像特征依次输入至3个3x3卷积层，得到对应的第二卷积特征图，其中，每个3x3卷积层的空洞率不同； 将所述浅层图像特征依次输入至3x3卷积层、目标语义池化层，得到第三卷积特征图； 将所述第一卷积特征图、3个第二卷积特征图、第三卷积特征图进行特征拼接，得到多尺度地质要素特征图； 其中，所述将所述浅层图像特征依次输入至3x3卷积层、目标语义池化层，得到第三卷积特征图，包括： 将将所述浅层图像特征输入至3x3卷积层，得到过渡卷积特征图； 将所述过渡卷积特征图输入至目标语义池化层，使所述目标语义池化层对所述过渡卷积特征图执行目标语义估计步骤和目标语义映射步骤，得到第三卷积特征图； 所述目标语义估计步骤包括： 获取所述过渡卷积特征图中每一像素的类别，按下式计算当前像素与其属于同一类别的像素的相似程度，得到像素相似概率图： 其中，xp代表像素p的向量，xi代表像素i的向量，fq代表query的变换，fk代表key的变换，Zp代表当前的像素p与剩余所有像素的特征相似度； 所述目标语义映射步骤包括： 按下式对剩余所有像素的特征相似度进行加权聚合，得到像素的目标上下文信息： 其中，cp代表像素p的目标上下文信息，φ代表将输入特征转化为不同的特征空间。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。