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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利多光谱图像融合的建筑表面生物附着区域检测方法、设备及介质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：CN121236654B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511813729.5，技术领域涉及：G06V20/17；该发明授权多光谱图像融合的建筑表面生物附着区域检测方法、设备及介质是由汤至颂;李嘉琪;杨新聪;吴洋帆设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本多光谱图像融合的建筑表面生物附着区域检测方法、设备及介质在说明书摘要公布了：本申请公开了一种多光谱图像融合的建筑表面生物附着区域检测方法、设备及介质，涉及图像处理技术领域，公开了多光谱图像融合的建筑表面生物附着区域检测方法，包括：基于待检测建筑，获取无人机的可见光相机采集的可见光图像，以及多光谱相机基于至少两个不同频段采集的多光谱图像序列；基于校准和预处理模块配准所述可见光图像和所述多光谱图像，得到像素级对齐的所述可见光图像和所述多光谱图像序列；根据深度学习特征识别模块，识别像素级对齐后的所述可见光图像以及所述多光谱图像序列，得到所述待检测建筑的生物附着区域的像素级分割结果。如此基于无人机进行检测，结合深度学习和图像特征融合方式，提高建筑表面生物附着识别准确率。

本发明授权多光谱图像融合的建筑表面生物附着区域检测方法、设备及介质在权利要求书中公布了：1.一种多光谱图像融合的建筑表面生物附着区域检测方法，其特征在于，所述多光谱图像融合的建筑表面生物附着区域检测方法包括： 基于待检测建筑，获取无人机的可见光相机采集的可见光图像，以及多光谱相机基于至少两个不同频段采集的多光谱图像序列，所述可见光相机和所述多光谱相机的图像采集时刻相同，所述多光谱图像用于计算与对应检测对象特征相关的植被光谱指数； 基于校准和预处理模块配准所述可见光图像和所述多光谱图像，得到像素级对齐的所述可见光图像和所述多光谱图像序列，包括获取所述可见光相机和所述多光谱相机的内参矩阵和畸变参数；根据所述内参矩阵和所述畸变参数矫正所述可见光图像和所述多光谱图像，得到矫正后的可见光图像和矫正后的多光谱图像；确定所述矫正后的多光谱图像中的某一通道图像为目标图像，计算其他全部图像到所述目标图像的仿射变换矩阵；基于所述仿射变换矩阵对所述其他全部图像进行图像变换，以将所述其他全部图像像素级配准到目标图像坐标系； 根据深度学习特征识别模块，识别像素级对齐后的所述可见光图像以及所述多光谱图像序列，得到所述待检测建筑的生物附着区域的像素级分割结果，包括： 基于所述深度学习特征识别模块的光谱特征提取单元，提取像素级对齐后的所述可见光图像的可见光全局特征以及所述多光谱图像的多光谱全局特征； 提取基于多波段像素按预定算子计算得到的单波段栅格特征图，所述单波段栅格特征图基于所述多光谱图像序列提取； 对所述可见光全局特征进行卷积和ReLU激活处理，并生成权重通道； 对所述多光谱全局特征及所述单波段栅格特征图进行卷积和Sigmoid激活处理，得到特征向量； 计算所述权重通道和所述特征向量的逐通道元素乘法的结果，得到注意力重新标定后的权重； 将所述注意力重新标定后的权重和所述可见光全局特征相乘后的特征，与所述可见光全局特征相加，得到增强可见光全局特征； 拼接所述增强可见光全局特征，以及所述多光谱全局特征，得到融合特征； 将所述融合特征输入到所述深度学习特征识别模块的深度学习单元； 获取所述深度学习单元输出的所述待检测建筑的生物附着区域的像素级分割结果，所述像素级分割结果为，将图像中每个像素标记为生物附着或非生物附着的二值化图像，从而精准定位生物附着区域的空间范围和边界。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。