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！

龙图腾网获悉宁夏回族自治区遥感调查院(高分辨率对地观测系统宁夏数据与应用中心)申请的专利一种基于深度学习语义分割的遥感植被提取方法及装置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：CN116385875B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310298150.4，技术领域涉及：G06V20/10；该发明授权一种基于深度学习语义分割的遥感植被提取方法及装置是由姚建华;刘自增;黄涛;吴加敏;严瑾;姚中锋;李欢;王科;吴娟;唐谊娟;杨勇;吕林涛;包玉斌;张永康;顾继升;王一鑫;屈志远设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本一种基于深度学习语义分割的遥感植被提取方法及装置在说明书摘要公布了：本发明涉及遥感图像识别技术领域，特别是指一种基于深度学习语义分割的遥感植被提取方法及装置。一种基于深度学习语义分割的遥感植被提取方法包括：对高分二号及Landsat8卫星采集的原始遥感影像进行数据处理，获得训练数据和语义标签；基于编码器‑解码器结构进行改进，建立待训练植被提取模型；使用训练数据和语义标签，对待训练植被提取模型进行训练，获得植被提取模型；将待提取遥感影像输入所述植被提取模型，获得植被提取信息；对植被提取信息进行多源数据判读，获得植被信息。本发明是一种基于深度学习语义分割的精准高效的遥感影像植被提取方法。

本发明授权一种基于深度学习语义分割的遥感植被提取方法及装置在权利要求书中公布了：1.一种基于深度学习语义分割的遥感植被提取方法，其特征在于，所述方法包括： 对高分二号及Landsat8卫星采集的原始遥感影像进行数据处理，获得训练数据和语义标签； 基于编码器-解码器结构进行改进，建立待训练植被提取模型； 使用所述训练数据和所述语义标签，对所述待训练植被提取模型进行训练，获得植被提取模型； 其中，所述待训练植被提取模型包括待训练耕地草地植被提取子模型和待训练林地园地植被提取子模型； 所述待训练耕地草地植被提取子模型用于对语义标签为耕地和草地的训练数据进行植被提取；所述待训练耕地草地植被提取子模型是基于编码器-解码器结构，结合注意力融合边缘检测模型进行构建； 所述待训练林地园地植被提取子模型用于对语义标签为林地和园地的训练数据进行植被提取；所述待训练林地园地植被提取子模型是基于编码器-解码器结构，结合多尺度模块和空洞卷积金字塔池化模块进行构建； 其中，所述使用所述训练数据和所述语义标签，对所述待训练植被提取模型进行训练，获得植被提取模型，包括： 根据所述语义标签，将训练数据划分为耕地草地训练数据和林地园地训练数据； 将所述耕地草地训练数据输入植被提取模型进行训练，获得耕地草地损失函数；当所述耕地草地损失函数收敛时，获得耕地草地植被提取子模型； 将所述林地园地训练数据输入植被提取模型进行训练，获得林地园地损失函数；当所述林地园地损失函数收敛时，获得林地园地植被提取子模型； 根据所述耕地草地植被提取子模型和所述林地园地输出植被提取子模型，获得植被提取模型； 其中，所述耕地草地损失函数是由二进制交叉熵损失函数、IOU损失函数和结构性损失函数通过加权的方式连接得到； 其中，所述林地园地损失函数是由Lovasz损失函数和二进制交叉熵损失函数的线性组合得到； 将待提取遥感影像输入所述植被提取模型，获得植被提取信息； 对所述植被提取信息进行多源数据判读，获得植被信息。

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宁夏回族自治区遥感调查院(高分辨率对地观测系统宁夏数据与应用中心)，其通讯地址为：753000 宁夏回族自治区银川市西夏区朔方路160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。