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！

龙图腾网获悉武汉大学申请的专利一种面向任务的遥感影像压缩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：CN115131673B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202210713394.X，技术领域涉及：G06V20/13；该发明授权一种面向任务的遥感影像压缩方法及系统是由王密;项韶;肖晶设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本一种面向任务的遥感影像压缩方法及系统在说明书摘要公布了：本发明提供了一种面向任务的遥感影像压缩方法及系统，进行高分辨率遥感影像数据集构建，包括目标检测数据集和语义分割数据集；目标检测模型训练，包括在目标检测数据集上的一阶目标检测模型的参数训练；语义分割模型训练，包括在语义分割数据集上的语义分割模型参数训练；设置并训练图像压缩模型，重要性特征图构建，所述重要性特征图是根据目标检测模型或语义分割模型提取的感兴趣目标区域，对图像压缩模型提取的表征特征图进行重新构建的结果；根据重要性特征图融合得到新的表征特征图，实现遥感图像压缩。本发明不仅可以有效地改进传统图像压缩方法的压缩倍率，而且遥感影像压缩前后的检测和分割结果几乎没有影响。

本发明授权一种面向任务的遥感影像压缩方法及系统在权利要求书中公布了：1.一种面向任务的遥感影像压缩方法，其特征在于，包括以下步骤： 步骤1，高分辨率遥感影像数据集构建，包括目标检测数据集和语义分割数据集，所述目标检测数据集用于目标检测任务的模型训练、验证和测试使用，其中预先标注的感兴趣目标包括飞机、储油罐和船舶，所述语义分割数据集用于语义分割任务的模型训练、验证和测试使用，其中预先标注的感兴趣目标包括建筑物； 步骤2，目标检测模型训练，包括在目标检测数据集上的一阶目标检测模型的参数训练； 步骤3，语义分割模型训练，包括在语义分割数据集上的语义分割模型参数训练； 步骤4，设置并训练图像压缩模型，所述图像压缩模型基于卷积神经网络实现，包括四个部分，第一个部分为图像的编码模块Encoder，用于图像表征特征信息的提取；第二个部分为解码模块Decoder，用于对熵编码后的码流文件进行解码为图像；第三个部分为先验编码模块Hyper-Encoder，用于对Encoder输出的表征信息进行重新编码；第四个部分为先验解码模块Hyper-Decoder，帮助Encoder和Decoder更好地实现对表征信息的编码解码，通过Hyper-Encoder和Hyper-Decoder学习到表征信息的高斯分布，优化熵模型编码；图像压缩模型分别在目标检测数据集和语义分割数据集上都训练一次，来支持解决基于目标检测的图像压缩任务，以及基于语义分割的图像压缩任务； 步骤5，重要性特征图构建，所述重要性特征图是基于任务需求，根据目标检测模型或语义分割模型提取的感兴趣目标区域，对图像压缩模型提取的表征特征图进行重新构建的结果；实现方式为， 1利用信息提取网络生成感兴趣区域的掩膜； 2对1所得感兴趣区域的掩膜降采样得到新的掩膜； 3对2中降采样后掩膜中取值为0的元素全部替换为预设参数α，0α≤1； 4构建一个重要性特征图Mmk,i,j，其中mk,i,j表示第k个特征图的第i行第j列的元素，初值全部为0，k表示特征图序号，c表示特征图数目，并且0≤k≤c-1； 进行如下特征选择过程， 当kc×α时，第k个特征图保留所有特征信息， 当k≥c×α时，第k个特征图只保留感兴趣区域的特征信息，背景区域的特征信息被去除； 根据上述方式实现背景与感兴趣区域的表征信息的选择，获取新的表征特征图M，称M为重要性特征图； 步骤6，根据步骤5所得重要性特征图融合得到新的表征特征图，实现遥感图像压缩。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。