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！

龙图腾网获悉南京工业大学申请的专利基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类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：CN116152671B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202211683157.X，技术领域涉及：G06V20/13；该发明授权基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类方法是由莫楠;朱睿希;王彬设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类方法在说明书摘要公布了：本发明公开了一种基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类方法。属于遥感图像处理领域，步骤：根据源域样本数据和目标域样本数据生成旋转不变HOG图像；将原始图像和旋转不变HOG图像一同作为输入投入卷积神经网络，得到源域和目标域图像的旋转不变高层语义特征；根据高层语义特征计算源域和目标域样本的子类中心，根据邻域子类中心对齐方法计算目标域影像的移动方向并移动目标域特征；利用源域特征和移动后的目标域特征训练SVM分类器，将目标域未知影像投入分类器测试得到最终的场景分类结果。本发明能够有效提升模型对跨域场景图像角度变化和类内多样性导致的光谱偏移的适应能力，为提升跨域遥感图像场景分类精度提供新的思路。

本发明授权基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类方法在权利要求书中公布了：1.基于旋转鲁棒特征子类中心对齐的跨域遥感图像场景分类方法，其特征在于，通过提出遥感图像高层语义旋转不变特征和邻域子类中心特征空间对齐方法，提升模型对跨域未知目标域场景图像角度变化和光谱偏移的适应能力，在目标域样本缺失的情况下实现高精度遥感图像场景分类； 其具体步骤如下： 步骤1输入源域样本和目标域样本图像，生成旋转不变HOG特征图像； 步骤2将原始图像和旋转不变HOG特征图像作为输入投入卷积神经网络，得到源域和目标域图像的高层语义旋转不变特征； 步骤3计算源域和目标域高层语义旋转不变特征的子类中心，采用邻域子类中心对齐方法计算目标域影像特征的移动方向并移动目标域特征； 其具体操作过程： 3.1假设存在C个地表覆盖类型，根据前述提取的源域样本高层语义旋转不变特征Xs采用Kmeans方法将每个类别分成k个子类，共形成k×C个子类，子类标签可表达为Ω＝[Ω11,...,Ω1k,...,ΩC1,...,ΩCk]； 3.2利用源域样本特征Xs和少量目标域样本特征Xt训练SVM分类器； 3.3当迭代次数l为1时，获取前述SVM分类器获得的k×C个子类别的预测标签Yt l； 3.4根据真值标签Ω和预测标签Yt l，计算源域子类中心Us和目标域子类中心 3.5根据具有目标域标签的样本数据，计算每个子类的移动方向dij；和分别代表源域标签属于第i个类别第j个子类的均值和样本数量，和分别代表目标域预测为属于第i个类别第j个子类的均值和样本数量； 3.6每个目标域特征找到M个最近邻点，计算目标域特征的最终移动方向d： 3.7根据目标域特征和对应的移动方向，获得新的目标域特征 3.8利用步骤3.2训练的分类器对目标域特征更新迭代次数l＝l+1获得新的预测标签Yt l； 3.9重复步骤3.2-3.8，直至预测标签Yt l收敛，停止迭代； 步骤4利用源域样本特征和移动后的目标域样本特征训练SVM分类器；将未知类别的目标域图像输入前述SVM分类器，得到目标域图像的场景分类结果。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30号南京工业大学江浦校区；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”。

以上内容由龙图腾AI智能生成。