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！

龙图腾网获悉国家海洋环境监测中心;大连工业大学申请的专利一种无监督深度学习的SAR影像海水养殖智能提取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：CN115035293B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210567764.3，技术领域涉及：G06V10/26；该发明授权一种无监督深度学习的SAR影像海水养殖智能提取方法是由范剑超;周健林;王心哲;高宁;马玉娟;王林设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本一种无监督深度学习的SAR影像海水养殖智能提取方法在说明书摘要公布了：本发明提供一种无监督深度学习的SAR影像海水养殖智能提取方法，属于海洋遥感与人工智能交叉技术领域，其特征是：1建立双网络无监督深度学习结构，包含特征提取网络和全卷积语义分割网络；2提出超像素分割结果与深度特征块判断方法，生成含有海水养殖边缘语义信息的伪标签；3开展双网络交替更新，实现伪标签不断更新优化，逐步生成更精确的海水养殖提取结果。本发明的效果和益处是实现无需任何标签样本的深度学习网络海水养殖智能提取，有效解决了传统无监督方法精度低，有监督深度学习方法依赖于海量标记样本的难题，避免了合成孔径雷达影像中相干斑噪声的干扰，有效提高了无监督语义海水养殖提取精度。

本发明授权一种无监督深度学习的SAR影像海水养殖智能提取方法在权利要求书中公布了：1.一种无监督深度学习的SAR影像海水养殖智能提取方法，其特征在于： S1： 1.1通过设置三种不同的截断值增强图像对比度，读取原始图像的最大值和最小值，对原始图像进行直方图统计，找到截断值对应的原始图像灰度值，并将灰度值作为输出图像的最大值和最小值，最终将原始图像线性拉伸为输出图像；改善相干斑噪声问题； 设置三种不同的截断值，分别得到三种输出图像； 1.2在SAR影像中，引入伽马变换，增强原始图像暗部细节，通过非线性变换，将图像中较暗区域的灰度值得到增强，得到第四种增强后的输出图像； 1.3为了得到更好的养殖区域的图像边缘，采用高斯滤波平滑原始图像，通过高斯滤波，消除高斯噪声，得到第五种增强后的输出图像； 图像增强后的输出图像作为S3中特征提取网络和S4中全卷积语义分割网络的输入； S2，在输出图像进入网络之前需要提供一些先验知识，通过传统无监督方法得到养殖区域的边缘信息和海水与养殖之间的像素值差异，采用超像素分割算法，将图像分割为具有相似纹理、颜色、亮度特征的相邻像素构成的不规则像素块；能够检测出养殖轮廓，并将整张图像分割成多个小块，每个小块边缘较为吻合养殖区域边缘，保留其边缘信息，即每个小块所包含的像素点位置，在S3中做进一步处理生成伪标签； S3，在完全无监督的情况下，需要伪标签作为深度学习网络的目标；利用S1中得到的五张图像，进行通道变换，每张图像作为一个输入通道，深度学习网络的输入为五通道的增强图像； 3.1搭建特征提取网络模型，通过特征提取网络得到养殖区域深度特征，特征提取网络主要由卷积层、ReLU层和BN层构成，以这三层作为一个整体模块，整体模块中卷积层、ReLU层和BN层首尾相连，能任意调整模块数量作为特征提取网络； 其中，S1中的输出图像作为第一个模块中的卷积层的输入，其余模块的卷积层的输入则为上一个模块中BN层的输出； 3.2将特征提取网络模型最后一层输出接入softmax函数； 3.3通过softmax函数将输出值转换为范围在[0,1]内且和为1的概率分布；海水与养殖二分类：设置softmax函数输出通道数为2，每个通道分别代表海水区域概率和养殖区域概率；将2通道的输出概率转换为单通道索引值，对softmax输出进行通道最大值索引，返回最大值的通道索引值，这样在单通道图像上只存在0或1索引值，将其作为伪标签； 3.4利用S2中得到的超像素块的位置信息，进行块判断；将超像素分割块与3.3得到的伪标签进行对应，在伪标签图的每个小块中进行优势占比判断，将标签图中的各个小块替换为其优势标签，保证小块中拥有统一的伪标签，避免相干斑噪声干扰，生成含有养殖语义信息的伪标签； S4，搭建全卷积语义分割网络模型； 4.1采用全卷积语义分割网络得到海水养殖区域提取结果，利用S3得到的具有养殖语义信息的伪标签为目标进行训练； 通过全卷积语义分割网络强化学习含有养殖语义信息的伪标签中的海水养殖语义信息； 4.2将全卷积语义分割网络生成的海水养殖区域提取结果与S3中特征提取网络输出的伪标签做交叉熵损失，反向传播优化伪标签的生成过程； 特征提取网络的伪标签能够被全卷积语义分割网络所优化，进而优化的伪标签再次作为全卷积语义分割网络目标进行第二轮的迭代，完成双网络的交替迭代，即固定特征提取网络的伪标签优化全卷积语义分割网络，固定全卷积语义分割网络养殖提取结果优化特征提取网络；实现伪标签和海水养殖区域提取结果的交替更新；当特征提取网络与块操作生成的伪标签不再发生变化时，双网络交替迭代停止，单单训练全卷积语义分割网络直至网络收敛。

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国家海洋环境监测中心;大连工业大学，其通讯地址为：116023 辽宁省大连市沙河口区凌河街42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”。