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！

龙图腾网获悉南京信息工程大学申请的专利一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质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：CN115410081B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202210959194.2，技术领域涉及：G06V20/10；该发明授权一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质是由夏旻;陈凯;翁理国设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质，属于图像处理技术领域，方法包括：获取待测图片；将待测图片输入到预训练好的多尺度注意力特征聚合网络中，得到云和云阴影的掩膜图像，完成云和云阴影的辨识；使用训练好的权重提取特征进行编码解码操作后输出得到云和云阴影的掩膜图像，能够有效提升云和云阴影辨识精确度，有效减少了图像中复杂背景和噪声的干扰，能够有效的捕捉到零散的小尺度的云和云影目标，增强了对薄云的检测能力以及细化了对云和云阴影不规则的结合处的分割，提高了对云和云阴影复杂的边缘细节的分割精度，并且在其他目标的分割实验中也有不错的效果，具有优秀的泛化能力和良好的鲁棒性。

本发明授权一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质在权利要求书中公布了：1.一种多尺度聚合的云和云阴影辨识方法，其特征在于，包括： 获取待测图片； 将待测图片输入到预训练好的多尺度注意力特征聚合网络中，得到云和云阴影的掩膜图像，完成云和云阴影的辨识； 所述多尺度注意力特征聚合网络包括多尺度条状池化注意力模块，由并行的4条带平均池化分支和一个自适应平均池化分支、两条并行的条状卷积支路、空间注意力模块、通道注意力模块组成，用于提取多尺度上下文信息和深层空间、通道信息； 4条带平均池化分支和一个自适应平均池化分支，用于并行提取和添加待测图片，得到多尺度特征图后恢复到待测图片大小，并在高度维度连接在一起，得到权重向量； 将权重向量分别输入到两条并行的条状卷积支路，第一条支路由卷积核1×7和卷积核7×1组成，第二条支路由卷积核7×1和卷积核1×7组成，第一条支路提取出特征图后将其输入到空间注意力模块，提取出包含空间信息第一特征图，第二条支路提取出特征图后将其输入到通道注意力模块，提取出包含通道信息的第二特征图，然后连接交互后输出最终特征图； 所述通道注意力模块的计算过程如下： 分别用全局平均池化和全局最大池化提取特征： 其中，x表述输入的特征图，和分别表示全局最大池化分支和全局平均池化分支输出的第二权重向量和第三权重向量，Gmax和Gavg分别表示全局最大池化和全局平均池化，C2D1×1表示卷积核为1×1的二维卷积； 对全局平均池化和全局最大池化提取出的特征进行拼接： 其中，CAT3代表在宽度维度进行拼接，是在宽度维度拼接后的图像； 尺寸恢复、特征选择、重新加权： 其中，CAx表示通道注意力模块输出的第一特征图，DWC2D1×2表示卷积核为1×2的二维深度可分离卷积，DWC2D1×1表示卷积核为1×1的二维深度可分离卷积，σ表示非线性激活函数Sigmoid； 所述空间注意力模块的计算过程如下： 分别用全局平均池化和全局最大池化提取特征后沿通道维度连接，执行卷积运算，再经过非线性激活函数生成第二特征图： SAx＝σC2D7×7CAT1MPx,APx 其中，SAx表示空间注意力模块输出的第二特征图，C2D7×7表示卷积核为7×7的二维卷积，CAT1表示在通道维度进行拼接，MP和AP分别表示最大池化和平均池化。

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南京信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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”。