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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利领域知识引导下的遥感图像目标精细类型识别方法及装置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：CN116246161B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211559725.5，技术领域涉及：G06V20/10；该发明授权领域知识引导下的遥感图像目标精细类型识别方法及装置是由赵理君;胡昌苗;李宏益;霍连志;唐娉设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本领域知识引导下的遥感图像目标精细类型识别方法及装置在说明书摘要公布了：本发明提供一种领域知识引导下的遥感图像目标精细类型识别方法及装置，该方法包括：获取待识别的原始遥感图像，并对原始遥感图像进行多维特征提取，得到原始遥感图像的边缘特征图像和纹理特征图像；对原始遥感图像、边缘特征图像和纹理特征图像进行多流卷积神经网络的特征提取与融合，得到原始遥感图像的融合特征图像；基于该融合特征图像识别待识别目标的初始类别；获取初始类别对应的目标知识模板库，根据目标知识模板库识别待识别目标的精细类型。通过对原始遥感图像进行多维特征的提取和融合，基于融合特征进行目标识别，并结合先验知识对初步识别结果进行精化和再确认，以提升对目标的识别精度，满足对目标的精细类型的高精度识别需求。

本发明授权领域知识引导下的遥感图像目标精细类型识别方法及装置在权利要求书中公布了：1.一种领域知识引导下的遥感图像目标精细类型识别方法，其特征在于，包括： 获取待识别的原始遥感图像，并对所述原始遥感图像进行多维特征提取，得到所述原始遥感图像的边缘特征图像和纹理特征图像； 对所述原始遥感图像、所述边缘特征图像和所述纹理特征图像进行多流卷积神经网络的特征提取与融合，得到所述原始遥感图像的融合特征图像； 基于所述融合特征图像识别所述原始遥感图像中待识别目标的初始类别； 获取所述初始类别对应的目标知识模板库，根据所述目标知识模板库识别所述待识别目标的精细类型； 所述对所述原始遥感图像、所述边缘特征图像和所述纹理特征图像进行多流卷积神经网络的特征提取与融合，得到所述原始遥感图像的融合特征图像之前，还包括： 根据各预设类别生成精细分类体系；获取所述精细分类体系下的初始遥感图像；所述初始遥感图像中包含各所述预设类别下的分类目标； 获取所述初始遥感图像的标注信息，并基于所述标注信息对所述初始遥感图像进行有重叠的裁剪处理，并从裁剪图像中确定包含所述分类目标的样本图像； 基于所述样本图像构建第一样本数据集，并利用所述第一样本数据集对预设的基础多流卷积神经网络模型进行迭代训练； 基于各所述预设类别下的分类目标在所述样本图像中对应的图像块，构建所述目标知识模板库中所述精细分类体系对应的目标模板图像； 对各所述预设类别下的分类目标在所述样本图像中对应的图像块的均值图像进行二值化处理，以构建所述目标知识模板库中所述精细分类体系对应的目标模板二值化图像；所述目标知识模板库中包括各所述预设类别下的目标模板图像和目标模板二值化图像，以及所述目标模板图像和所述目标模板二值化图像对应的分类目标的属性信息和全球地理空间分布范围信息； 按照预设的角度间隔，在所述目标模板图像中，对目标图像块进行旋转扩增处理，得到所述目标模板图像对应的多个角度图像；所述目标图像块是所述目标模板图像中，经所述多流卷积神经网络模型进行分类识别得到的分类识别结果与真实值不一致的图像块； 基于所述目标模板图像和所述角度图像构建第二样本数据集； 利用所述第二样本数据集对预设的基础精细分类模型进行迭代训练。

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中国科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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。