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！

龙图腾网获悉中国空间技术研究院申请的专利基于多模态对比学习的光学-SAR图像联合解译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：CN116630637B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310521012.8，技术领域涉及：G06V10/40；该发明授权基于多模态对比学习的光学-SAR图像联合解译方法是由黄美玉;纪楠;徐遥;向雪霜;叶秋果;闸旋;郭忠磊;金际航设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本基于多模态对比学习的光学-SAR图像联合解译方法在说明书摘要公布了：本发明涉及一种基于多模态对比学习的光学‑SAR图像联合解译方法，包括：构建光学‑SAR图像样本集，并划分为训练集和测试集；对所述光学‑SAR图像样本集进行图像增强处理；构建光学‑SAR图像特征匹配网络，利用所述训练集基于多模态对比学习对所述光学‑SAR图像特征匹配网络进行训练优化；将所述光学‑SAR图像特征匹配网络迁移到解译任务中进行微调，形成解译模型；利用所述解译模型对所述测试集进行联合解译和指标验证。根据本发明实施例的方案，可以充分挖掘不同模态图像间对解译任务的有效局部信息。

本发明授权基于多模态对比学习的光学-SAR图像联合解译方法在权利要求书中公布了：1.一种基于多模态对比学习的光学-SAR图像联合解译方法，包括： 构建光学-SAR图像样本集，并划分为训练集和测试集； 对所述光学-SAR图像样本集进行图像增强处理； 构建光学-SAR图像特征匹配网络，利用所述训练集基于多模态对比学习对所述光学-SAR图像特征匹配网络进行训练优化； 将所述光学-SAR图像特征匹配网络迁移到解译任务中进行微调，形成解译模型； 利用所述解译模型对所述测试集进行联合解译，验证解译指标； 所述光学-SAR图像样本集包括正样本集和负样本集，所述正样本集由同一区域的光学图像与SAR图像对构成，所述负样本集由不同区域的光学图像与SAR图像对构成； 所述利用所述训练集基于多模态对比学习对所述光学-SAR图像特征匹配网络进行训练优化，包括： 初始化记忆仓库，分别用于储存所述训练集中光学图像和SAR图像的全局特征和局部特征； 利用所述光学-SAR图像特征匹配网络提取所述训练集中光学图像与SAR图像对的全局特征和局部特征； 构造所述光学-SAR图像特征匹配网络的全局损失函数和局部损失函数； 基于所述全局损失函数和局部损失函数得到损失函数，通过最小化所述损失函数，并结合随机梯度下降优化算法迭代更新所述光学-SAR图像特征匹配网络的参数； 基于动态计算得到的所述光学图像与SAR图像对的全局特征和局部特征动量更新记忆仓库； 重复以上步骤，遍历所述训练集中所有的光学图像与SAR图像对； 其中，所述构造所述光学-SAR图像特征匹配网络的全局损失函数，包括： 采用cosine相似度作为判别函数计算光学图像与SAR图像对的全局特征的相似度，并使用温度系数τ调整全局特征在表示空间中的集中程度； 固定SAR图像，枚举该SAR图像的正样本对和负样本对，并作为不同模态间全局特征图像表征的相似度，得到对应的损失函数 固定光学图像，枚举该光学图像的正样本对和负样本对，并作为不同模态间全局特征图像表征的相似度，得到对应的损失函数 得到全局损失函数为其中，Xo表示光学图像，Xs表示SAR图像。

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空间技术研究院，其通讯地址为：100094 北京市海淀区友谊路104号院；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。