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！

龙图腾网获悉云南师范大学申请的专利一种基于多特征深度融合的塑料大棚影像提取方法及系统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：CN119991471B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510457619.3，技术领域涉及：G06T5/50；该发明授权一种基于多特征深度融合的塑料大棚影像提取方法及系统是由王思媛;潘先春;洪亮;徐南;刘仁设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于多特征深度融合的塑料大棚影像提取方法及系统在说明书摘要公布了：本发明提供了一种基于多特征深度融合的塑料大棚影像提取方法及系统，属于机器视觉与图像提取领域。所述方法确定研究区域及年份并获取遥感影像和多光谱遥感数据，提取遥感影像样本和具有同样分辨率的指数样本；再构建大棚影像提取模型和边界学习模型；将指数样本下采样后输入大棚影像提取模型的多光谱分支，获取多光谱特征；将遥感影像样本下采样后输入语义分支的五个卷积层；基于第二和第五个卷积层分别获取第一和第二语义特征；将遥感影像样本输入细节分支，提取塑料大棚的细节特征；将融合边缘图、多光谱特征、第一语义特征、第二语义特征和细节特征进行融合，提取得到塑料大棚影像。本发明解决了边界模糊、轮廓粘连问题，提高了辨识能力。

本发明授权一种基于多特征深度融合的塑料大棚影像提取方法及系统在权利要求书中公布了：1.一种基于多特征融合的塑料大棚影像提取方法，其特征在于，包括如下步骤： 步骤S1，确定研究区域及年份，获取研究区域内对应时间的高分辨率遥感影像数据和多光谱遥感数据； 步骤S2，基于高分辨率遥感影像数据，提取遥感影像样本；对多光谱遥感数据进行重采样并计算指数样本，使重采样后所计算的指数样本与遥感影像样本的分辨率一致； 步骤S3，基于深度卷积神经网络VGG-16搭建主干网络；基于主干网络，采用编码器-解码器结构创建多光谱分支、语义分支和细节分支，构建大棚影像提取模型； 步骤S4，基于深度学习神经网络采用编码器-解码器结构构建边界学习模型，所述边界学习模型中包括M个卷积块、上采样模块和拼接模块； 步骤S5，将原始尺寸的遥感影像样本输入所述边界学习模型，遥感影像样本经M个卷积块引入边界信息引导的模型训练机制，提取到M种具有不同尺度的特征图，再经上采样和拼接，从M种不同尺度的特征图中提取边缘信息，对边缘信息进行特征融合，最终生成融合边缘图； 所构建的边界学习模型中，编码器由五个卷积块组成；其中，第一卷积块包含一个1x1卷积层、两个3x3卷积层和一个池化层；第二卷积块包含一个1x1卷积层、两个3x3卷积层和一个池化层；第三卷积块包含一个1x1卷积层、三个3x3卷积层和一个池化层；第四卷积块包含一个1x1卷积层、三个3x3卷积层，第五卷积块包含一个1x1卷积层、三个3x3卷积层；每个卷积块得到不同尺度的特征图；解码器由上采样模块和拼接模块构成，用于将M种不同尺度的特征图进行融合，此时，当前卷积块的输出与之前卷积块的输出通过拼接模块进行连接，形成特征堆叠，并最终生成融合边缘图； 步骤S6，将指数样本输入大棚影像提取模型的第一下采样模块，输出164低分辨率的指数样本输入多光谱分支，获取多光谱特征；将遥感影像样本输入大棚影像提取模型的第二下采样模块，输出14低分辨率的影像样本，并依次输入语义分支的五个卷积层；基于第二个卷积层获取第一语义特征，基于第五卷积层获取第二语义特征；将遥感影像样本输入细节分支，提取塑料大棚的细节特征； 步骤S7，采用注意力感知机制将融合边缘图、多光谱特征、第一语义特征、第二语义特征和细节特征进行融合，提取得到塑料大棚影像。

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云南师范大学，其通讯地址为：654100 云南省昆明市聚贤街768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”。