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！

龙图腾网获悉广州大学申请的专利一种基于多中心点特征原型的跨域遥感图像检索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：CN119357419B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411424751.6，技术领域涉及：G06F16/532；该发明授权一种基于多中心点特征原型的跨域遥感图像检索方法是由李福芳;陈燕;范禹轩;张月华;钟俊赢设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于多中心点特征原型的跨域遥感图像检索方法在说明书摘要公布了：本发明公开了一种基于多中心点特征原型的跨域遥感图像检索方法，其涉及图像检索技术领域。包括：获取跨域遥感图像的数据集，构建改进的检索模型；将跨域遥感图像的数据集输入检索模型，通过特征提取器fθ·提取所有图像样本；通过存储器Memory生成源域标签数据每个分类中所有图像样本的特征向量并进行求平均运算，得到源域标签数据每个分类的中心点特征原型；基于中心点特征原型为目标域无标签数据构造伪标签，使用伪标签为目标域无标签数据中的每个分类分配多中心特征原型；将特征原型与多中心特征原型进行对比，得到跨域遥感图像的检索结果。本发明解决单中心点特征原型因类别偏差而产生的域偏差问题，更好地探索目标域内部数据分布。

本发明授权一种基于多中心点特征原型的跨域遥感图像检索方法在权利要求书中公布了：1.一种基于多中心点特征原型的跨域遥感图像检索方法，其特征在于，包括： 获取包括源域标签数据和目标域无标签数据的跨域遥感图像数据集； 在基于循环标签一致性方法CLC所构建的原始检索模型中，在特征提取器后增加存储器Memory，以形成改进的检索模型； 将跨域遥感图像数据集输入改进的检索模型，通过特征提取器提取源域标签数据和目标域无标签数据中所有分类的图像样本； 通过存储器Memory生成源域标签数据每个分类中所有图像样本的特征向量，对每个分类中所有图像样本的特征向量进行求平均运算，得到源域标签数据每个分类的中心点特征原型CS；基于中心点特征原型CS为目标域无标签数据构造伪标签，使用伪标签为目标域无标签数据中的每个分类分配多中心特征原型CT； 基于源域的中心点特征原型为目标域无标签数据构造伪标签，其具体包括： 对存储器Memory进行初始化，生成源域标签数据中所有图像样本每个分类的特征原型CS，汇总每个分类中所有样本的平均特征向量，得到中心点特征原型，计算方式为： 其中，为源域图像样本标签属于第类的集合，为该集合的样本个数，为第个源域样本； 提取目标域无标签数据中所有图像样本的多个分类，计算每个分类到中心点特征原型的余弦相似度，选择相似度最相近的中心点特征原型为目标域无标签数据构造伪标签； 对伪标签执行k-means聚类处理，以对目标域无标签数据中所有图像样本的每个分类分配多中心特征原型，计算公式为： 其中，为目标域样本，为目标域样本数据第类的集合，为中心点特征原型，argmax为求值最大的索引操作，Kmeans为聚类操作； 将源域标签数据中每个分类的中心点特征原型CS和目标域无标签数据中每个分类的多中心特征原型CT进行对比，得到跨域遥感图像的检索结果； 还包括：通过建立循环标签一致性来完成源域样本图像生成的伪标签和真实标签之间的交叉熵损失，建立循环标签一致性的过程具体包括： 获取源域图像样本到目标域所有多中心点特征原型的相似性概率值prob，其计算公式为： 其中，为温度系数，T为矩阵转置操作，max为求最大值操作，为目标域样本，为聚类操作的结果，p为源域样本图像特征向量，P为源域样本图像特征向量的集合，k为源域样本第k类的集合，K为源域总类别数，j为特征向量原型的索引； 利用计算出的概率值分布，使源域与目标域同类别之间的分布相近，其循环损失的公式为： 其中，为指示函数，为相似性概率值，K为源域总类别数，为源域图像样本数量，k为源域样本第k类的集合。

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广州大学，其通讯地址为：511400 广东省广州市广州大学城外环西路230号广州大学计算机学院；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。