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！

龙图腾网获悉北京邮电大学申请的专利一种跨场景多域融合小样本遥感目标鲁棒识别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：CN118918476B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202410997142.3，技术领域涉及：G06V20/10；该发明授权一种跨场景多域融合小样本遥感目标鲁棒识别方法是由陈健军;葛富源;范高远设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本一种跨场景多域融合小样本遥感目标鲁棒识别方法在说明书摘要公布了：本发明提供了一种跨场景多域融合小样本遥感目标鲁棒识别方法，属于目标识别技术领域。该方法融合跨场景多域多模态遥感图像，采用元学习策略和掩码自编码器进行表征学习，显著提升识别模型在有限标注数据、复杂多变环境下的高效学习与准确泛化能力；通过改进的多模态图像配准技术和改进的跨模态多头自注意力机制，结合改进的多级特征融合方法，提高配准精度和特征表达能力；基于改进的深度神经网络的轻量化实时目标识别模型，结合锚框机制和非极大值抑制算法，实现目标检测的实时性和准确性。本发明创新跨场景泛化小样本学习和表征学习方法，创新多域异构图像配准、融合和轻量化实时目标识别技术，显著提升跨场景目标识别精度和鲁棒性。

本发明授权一种跨场景多域融合小样本遥感目标鲁棒识别方法在权利要求书中公布了：1.一种跨场景多域融合小样本遥感目标鲁棒识别方法，其特征在于，所述方法包括以下步骤：步骤一，基于改进的域映射的跨场景泛化小样本学习，采用元学习策略构建K-way-N-shot的学习场景，通过少量的标注样本驱动模型迭代升级；步骤二，基于改进的掩码自编码器的表征学习，利用随机掩码机制，在不依赖标注数据的情况下，从大规模图像数据中提取出高层级的语义特征表示；步骤三，基于改进的特征匹配的多域异构图像配准技术，提取多模态遥感图像的显著边界特征，配合基于灰度方法提取得到的特征点进行对图像进行配准，对图像配准与交换后的可见光、红外和SAR图像再次进行特征提取，结合改进的增量式优化方法，利用改进的锚框机制进行边界框划定；使用改进的显著边界特征点的提取方法，基于局部边界特征的多模态遥感图像配准，在输入基准图像R和待配准图像S后，以其中基准图像R作为参考的标准图像，而待配准图像S作为与基准图像对齐的图像；通过提取显著边界特征和基于灰度的方法提取特征点，动态调整尺度不变特征变换阈值，提取特征点并计算权重值，具体实现过程包括：对于输入图像的一般情况，即基准图像R或待配准图像S之一的图像I，计算其显著边界特征点集合F＝{fi|i＝1,2,…,n}，特征点的权重值其中gi是特征点fi的灰度值，ɑ和β是调节参数；所述的图像配准与交换方法，对配准后的图像进行变换,图像变换矩阵的计算方式为使用改进的增量式优化方法，通过检测边界与边界特征点，计算局部边界特征和边界描述子，并进行特征匹配，具体实现过程包括：在每个迭代步骤t，计算当前配准结果的损失Ltotal＝Lmatch+Lboundary，基于损失函数的梯度更新参数使用改进的增量式优化方法融合基于特征点和边界特征的配准结果，评估并比较各自配准结果的精度指标，再根据目标识别准确率设计新的权重，迭代优化配准算法，具体实现过程包括：在每个增量式优化步骤t,更新特征点权重其中TA表示目标识别准确率，CA表示当前识别准确率；步骤四，基于改进的深度神经网络的轻量化实时目标识别模型，使用ResNet-101骨干网络特征提取器对配准后的多模态遥感图像进行特征提取；并通过改进的跨模态自注意力机制及多级特征融合方法，进行目标检测识别。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。