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！

龙图腾网获悉西安邮电大学申请的专利一种基于时空多模态深度学习的植被分类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：CN121600411B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610113342.7，技术领域涉及：G06V20/10；该发明授权一种基于时空多模态深度学习的植被分类方法是由王昀琛;尚友翻;李柏延;王杰;曹鹏岳设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种基于时空多模态深度学习的植被分类方法在说明书摘要公布了：本申请公开了一种基于时空多模态深度学习的植被分类方法，涉及图像处理技术领域，其中方法包括：获取待分类区域的多时相的光学影像、雷达影像和数字高程模型数据，形成多模态数据；提取光谱特征、微波特征、地形特征和纹理特征，形成融合特征；计算图节点特征，对图节点特征更新，形成图特征；对融合特征和图特征融合得到像素级粗分类logits，对融合特征进行特征提取和融合，形成区域级粗分类logits，融合得到粗分类概率，对粗类基础特征进行细分类得到最终的分类结果。本申请的方法能够适应山区多云、多阴影及地形起伏大的环境，提升植被类型识别的稳定性与分类精细度，适用于大范围植被监测与生态评估场景。

本发明授权一种基于时空多模态深度学习的植被分类方法在权利要求书中公布了：1.一种基于时空多模态深度学习的植被分类方法，其特征在于，包括： 获取待分类区域多时相的光学影像、雷达影像和数字高程模型数据，形成多模态数据； 将所述多模态数据输入派生特征提取网络，所述派生特征提取网络提取所述多模态数据中的光谱数据、微波数据、地形数据和纹理数据； 利用时空多模态编码器从所述光谱数据、所述微波数据、所述地形数据和所述纹理数据中分别提取光谱特征、微波特征、地形特征和纹理特征，将所述光谱特征、所述微波特征、所述地形特征和所述纹理特征进行跨模态自注意力融合，形成融合特征； 利用门控时空图卷积模块将所述融合特征划分为多个超像素块，计算所述超像素块的图节点特征，利用图卷积运算对所述图节点特征进行更新，将更新后的所述图节点特征重塑为空间特征，对所述空间特征上采样形成图特征； 利用双路径分类解码器对所述融合特征和所述图特征在像素级路径中进行融合，得到像素级粗分类logits，同时也对所述融合特征在区域级路径中进行多尺度特征提取和跨尺度融合，形成区域级粗分类logits，对所述像素级粗分类logits和所述区域级粗分类logits进行融合，得到融合后的粗分类概率，利用细分类器按照所述粗分类概率对从所述融合特征和所述图特征中提取的粗类基础特征进行细分类，得到最终的分类结果； 所述派生特征提取网络、所述时空多模态编码器、所述门控时空图卷积模块和所述双路径分类解码器组成时空多模态分割模型，在对所述时空多模态分割模型训练过程中，获取样本数据后组合为时空立方体样本，将所述时空立方体样本输入所述时空多模态分割模型。

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西安邮电大学，其通讯地址为：710121 陕西省西安市长安区长安南路563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。