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！

龙图腾网获悉重庆邮电大学申请的专利基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取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：CN119495004B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411518831.8，技术领域涉及：G06V10/80；该发明授权基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取方法是由杨富平;陈泰龙设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取方法在说明书摘要公布了：本发明涉及一种基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取方法，属于遥感技术领域。其包括：获取水体遥感图像数据集，数据集进行预处理后对其进行数据集划分，并进行数据增强处理；采用CNN混合Transformer编码器从图像中提取多个尺度的特征图；将不同尺度的特征图分别加入多尺度跳跃连接模块，提取到多个尺度的特征信息；将多个尺度的特征信息进行融合，并将融合特征分别与各个尺度的特征进行权重相乘得到最终多尺度自适应感受野选择结果特征图；采用交叉熵损失对上述过程进行训练，训练完成后用于遥感图像水体提取。本发明能够有效提升对不同形状大小的水体的提取能力以及对水体信息和非水体信息的区分能力。

本发明授权基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取方法在权利要求书中公布了：1.一种基于压缩金字塔门控单元的多尺度特征融合的遥感图像水体提取方法，其特征在于：其包括以下步骤： S1、获取水体遥感图像数据集，数据集进行预处理后对其进行数据集划分，并进行数据增强处理； S2、采用CNN混合Transformer编码器从图像中提取多个尺度的特征图； 在步骤S2中，CNN混合Transformer编码器中至少设置三个CNN和Transformer网络，从三个阶段提取三个尺度的特征图，依次通过每个阶段后，获得分辨率为原始图像{14,18,116}的三个特征图，其中每个阶段的特征图通道数分别为{64,128,256}； 每个阶段包括一个CNN层和一个Transformer层；每个阶段通过将输入特征先输入到Transformer层提取全局特征，然后再输入到CNN层提取局部特征，并进行逐级提取； 每个Transformer层包括一个W-MSABlock和一个SW-MSABlock；W-MSABlock包括两个层归一化、一个多层感知机和一个W-MSA，SW-MSABlock包括两个层归一化、一个多层感知机和一个SW-MSA； 每个CNN层包括两个3X3卷积，将Transformer提取的结果传入至卷积中，进一步提取局部特征； S3、将不同尺度的特征图分别加入多尺度跳跃连接模块，提取到多个尺度的特征信息； 在步骤S3中，多尺度跳跃连接模块包括若干个大小不同的卷积核，将每个阶段的特征图分别输入到具有不同大小卷积核的卷积中得到不同尺度的特征图，将不同尺度的特征图按通道维度级联拼接起来，得到多尺度跳跃连接模块输出，其包括： S31、将不同层级的特征图分别经过若干并行的卷积操作： 表示卷积核大小为k的卷积； S32、将卷积结果按通道维度进行级联融合得到包含多尺度信息的特征图： 表示按通道维度级联拼接； S4、将多个尺度的特征信息进行融合，并将融合特征分别与各个尺度的特征进行权重相乘得到最终多尺度自适应感受野选择结果特征图； 在步骤S4中，对于获得的特征图，采用1x1的卷积核对其处理得到相同维度大小，再将按通道维度级联融合获得包含多尺度信息的特征图： 将特征图输入至压缩金字塔门控单元模块，经过三个串行的大核选择卷积后，分别得到三个自适应感受野的三个特征，并将其拼接得到特征图： 然后，通过1x1卷积转置和重塑操作将其重构为矩阵和矩阵： 在与之间进行矩阵乘法再对其进行重塑操作得到特征向量： 再使用1×1卷积和重塑操作将特征映射映射为矩阵： 和之间进行矩阵乘法，然后进行重塑操作，得到通道注意权重向量： 在输入之间执行1×1卷积、层归一化，应用sigmoid激活函数得到权重： 与融合特征逐元素相乘得到最终多尺度自适应感受野选择结果特征图： 上述过程中，reshape表示重塑操作，表示sigmoid激活函数，表示层归一化，表示矩阵乘法，表示逐元素相乘； S5、采用交叉熵损失对上述过程进行训练，训练完成后用于遥感图像水体提取。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。