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！

龙图腾网获悉浙江大学申请的专利基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割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：CN119964000B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510042137.1，技术领域涉及：G06V20/10；该发明授权基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割方法是由尹建伟;郭玉龙;杨莹春;沈正伟;尚永衡设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割方法在说明书摘要公布了：本发明公开了一种基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割方法，其将预训练的视觉语言模型提供的文本特征同传统分割模型结合起来，包括数据预处理、多尺寸锚点区域剪裁、目标检测标记框并排序、视觉特征提取、文本特征提取、原型表征注入、模型训练等步骤；本发明通过预提取完整地物促进模型整体性能的提升，并且把文本信息注入传统语义分割模型，对超高分辨率遥感图像进行细致的语义分割，从而提升超高分辨率遥感图像语义分割模型的性能和鲁棒性。

本发明授权基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割方法在权利要求书中公布了：1.一种基于均衡锚点采样与原型表征的超高分辨率遥感图像语义分割方法，包括如下步骤： 1对原始超高分辨率图像进行预处理以及数据增强处理，得到增强后的图像Iaug； 2对图像Iaug以锚点区域为基准进行多尺度剪裁，得到一个多尺寸锚点区域剪裁组，具体实现方式如下： 2.1在图像Iaug中随机选取一个点，以这个点为左上顶点剪裁一个固定尺寸的区域即锚点区域，锚点区域内需拥有至少2个类别，占比最高的像素类别不能是背景且占比不能超过锚点区域总面积的0.75倍； 2.2设定一系列剪裁尺度[l2,l3,…,lk]，对于任一尺度lk，在该尺度下剪裁的图像尺寸为锚点区域大小的k倍，k为自然数且2≤k≤K，K为大于2的自然数； 2.3根据尺度lk下剪裁的图像尺寸在图像Iaug中进行搜索，搜索的横向步长为k-1crop_w，纵向步长为k-1crop_h，搜索的图像需完全包含锚点区域，crop_h和crop_w分别为锚点区域的高度和宽度，进而从搜索到的图像中随机任选一张图像作为尺度lk下的剪裁图像Ilk； 2.4根据步骤2.1～2.3进行剪裁得到一个多尺寸锚点区域剪裁组，其包含了锚点区域图像Il1以及多个尺度的剪裁图像[Il2,Il3,…,IlK]； 3利用预训练的目标检测模型对图像Iaug进行检测，生成多个遥感地物框； 4根据主类别稀有度和类别丰富度对遥感地物框进行排序，根据排序结果将多尺寸锚点区域剪裁组与遥感地物框的图像混合作为一个batch的训练样本，具体实现方式如下： 4.1根据标签统计原始超高分辨率图像中每个类别的像素占比，每个遥感地物框具有一个主类别以及若干个次类别，主类别即为遥感地物框内像素占比最高的类别； 4.2根据主类别稀有度和类别丰富度对所有遥感地物框进行排序，优先比较主类别稀有度，即主类别在原始超高分辨率图像中像素占比越小的遥感地物框排名越靠前，当排名相同的情况下比较类别丰富度，即类别数量越多的遥感地物框排名越靠前； 4.3按一定比例确定多尺寸锚点区域剪裁组与遥感地物框的图像混合数量，根据排序结果选取出相应数量的遥感地物框，将这些遥感地物框的图像与多尺寸锚点区域剪裁组内的图像混合作为一个batch的训练样本并通过重采样统一图像大小，其中排序越靠前的遥感地物框被采样到的概率越大； 5获取大量遥感领域专用地物词汇描述，并通过分类、去重得到遥感文本词汇库T，将库中的词汇t填入预先准备好的模板中得到对应的文本描述Tt，进而将文本描述Tt输入至预训练的视觉语言模型以提取出对应的原型表征Ft，t∈T； 6构建遥感图像语义分割模型，其包括： 视觉编码器，用于提取图像的视觉特征； 语义分割解码器，根据视觉和文本融合后的特征进行语义分割，得到图像的分类结果； 7利用训练样本结合原型表征对上述遥感图像语义分割模型进行训练，最后将待分类的超高分辨率图像经处理后输入至训练好的模型中即可预测输出得到相应的分类结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。