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！

龙图腾网获悉河南大学;河南省科学院地理研究所申请的专利基于DBO-CNN模型的星载SAR图像水体检测方法、系统、存储介质及电子设备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：CN117132899B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202311097602.9，技术领域涉及：G06V20/13；该发明授权基于DBO-CNN模型的星载SAR图像水体检测方法、系统、存储介质及电子设备是由毋琳;杨旭;袁琪铭;王超;李宁;王正;黄亚博;郭拯危设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于DBO-CNN模型的星载SAR图像水体检测方法、系统、存储介质及电子设备在说明书摘要公布了：本发明公开了一种基于DBO‑CNN模型的星载SAR图像水体检测方法、系统、存储介质及电子设备，包括：应用双极化SAR图像的GRD图像，以得到后向散射特征VV和VH；应用双极化SAR图像的SLC图像，以得到五个极化特征；应用特征组合方法，将两个后向散射特征和五个极化特征进行特征组合，共得到八个候选特征组合；应用DBO算法寻找CNN模型的最优超参数，以获得最优的CNN模型；应用两种决策级融合方法，将两个最优特征组合进行融合，以优化水体检测结果。通过本发明能够有效助力利用遥感图像进行水体检测技术的发展，为区域水生态保护与水资源管理和海岸线改造等工作的精准布局与有效推进提供技术支撑。

本发明授权基于DBO-CNN模型的星载SAR图像水体检测方法、系统、存储介质及电子设备在权利要求书中公布了：1.一种基于DBO-CNN模型的星载SAR图像水体检测方法，其特征在于，包括： 步骤S101、对GRD图像数据预处理，以获得后向散射特征VV和VH； 步骤S102、对SLC图像进行预处理，进入下一步骤； 步骤S103、应用Hα极化分解方法对预处理后的SLC图像进行极化分解，以得到H和α两个极化特征，H表示极化熵，α表示平均散射角； 步骤S104、应用基于模型极化分解方法对预处理后的SLC图像进行极化分解，以得到ms，mv和mdif三个极化特征；ms表示表面散射分量，mv表示体散射分量，mdif表示表面散射分量和体散射分量的差值； 步骤S105、应用DBO算法寻找CNN模型的最优超参数，以获得最优的CNN模型，即DBO-CNN模型，步骤S105具体为：应用DBO算法去寻找CNN模型的最优超参数，所述的最优超参数包括学习率，迭代次数和小样本数量； 步骤S106、应用DBO-CNN模型进行逐像素的密集水体预测任务，以鲁棒和准确的检测水体，并根据检测结果，挑选出两个最优特征组合，分别源自两种极化分解方法获得的极化特征和后向散射特征的融合； 步骤S107、应用两种决策级融合方法，对两个最优特征进行融合，以优化水体检测结果。

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河南大学;河南省科学院地理研究所，其通讯地址为：475001 河南省开封市明伦街85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”。