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！

龙图腾网获悉南京理工大学申请的专利一种基于离散扩散模型的多模态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：CN119580255B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411616287.0，技术领域涉及：G06V20/70；该发明授权一种基于离散扩散模型的多模态遥感图像语义分割方法是由许春燕;王晨旭;张晓雅;王丹;崔振设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种基于离散扩散模型的多模态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离散扩散模型的多模态遥感图像语义分割方法，涉及遥感图像语义分割领域。该方法首先提取每个模态的同构特征，使用参数非共享的全连接层提取每个模态同构特征的注意力权重并进行赋权，将赋权后的模态特征相加得到自适应融合后的多模态特征；然后利用状态转移矩阵在真实概率分布矩阵上添加随机噪声，得到所有类别概率都相等的概率矩阵，通过贝叶斯公式推导出离散扩散模型的逆扩散真实分布；最后将融合的多模态特征作为条件，扩散后的真实概率矩阵作为输入，预测未经扩散的真实概率矩阵。该方法能够有效应对不同模态间的异构性与信息冲突问题，显著提升模型对复杂环境的理解能力，增强其在多种场景中的泛化能力和鲁棒性。

本发明授权一种基于离散扩散模型的多模态遥感图像语义分割方法在权利要求书中公布了：1.一种基于离散扩散模型的多模态遥感图像语义分割方法，其特征在于，步骤如下： S1、收集可见光和红外配对图像，不同模态之间的配对图像能够基本配准； S2、对多模态图形特征进行自适应融合； S3、利用离散扩散模型进行语义分割操作； S4、利用批次随机梯度下降方法进行模型训练； 在S2中，所述多模态图形特征自适应融合具体包括以下步骤： S21、使用非共享参数的特征编码器分别将可见光和红外模态的图像映射到同构空间中，并提取每个模态的同构特征； S22、使用参数非共享的全连接层提取每个模态同构特征的注意力权重； S23、对模态特征进行赋权，并将赋权后的模态特征相加得到自适应融合后的多模态特征； 在S21中，所述特征编码器包括可见光模态图像特征提取网络和红外模态图像特征提取网络；所述可见光模态图像特征提取网络编码后的图像特征为，所述红外模态图像特征提取网络编码后的图像特征为； 在S22中，使用动态注意力机制对各模态的图像特征进行加权，并采用全连接层提取可见光模态特征和红外模态特征的注意力权重，公式如下： ； ； 其中，为可见光模态特征的注意力权重，为红外模态特征的注意力权重，和为权重矩阵，和为偏置项，为sigmoid激活函数； 在S23中，模态特征由对应的注意力权重赋权，相加得到多模态特征，公式如下： ； 其中，为多模态特征。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。