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！

龙图腾网获悉安徽大学申请的专利一种时空谱特征深度提取的红树林超分辨率制图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：CN120450957B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510515186.2，技术领域涉及：G06T3/4053；该发明授权一种时空谱特征深度提取的红树林超分辨率制图方法是由殷志祥;吴星玲;吴鹏海设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种时空谱特征深度提取的红树林超分辨率制图方法在说明书摘要公布了：本发明公开了一种时空谱特征深度提取的红树林超分辨率制图方法，属于遥感图像智能处理技术领域，上述方法包括如下步骤：S1、获取研究区域内的多源遥感影像数据，对多源遥感影像数据进行预处理；S2、基于面向对象的方法对预处理数据进行红树林分类提取；S3、基于SVR算法对红树林类别图进行提取；S4、基于目标时相红树林丰度图构建时空匹配的超分辨率制图模型训练数据集；S5、基于时空匹配的超分辨率制图模型训练数据集构建结合编码‑解码和VSS模块的时空超分辨率制图网络框架；S6、对结合编码‑解码和VSS模块的时空超分辨率制图网络框架模型进行训练和验证；S7、基于优化模型进行批量时空超分辨率制图。

本发明授权一种时空谱特征深度提取的红树林超分辨率制图方法在权利要求书中公布了：1.一种时空谱特征深度提取的红树林超分辨率制图方法，其特征在于，包括如下步骤： S1、获取研究区域内的多源遥感影像数据，对所述多源遥感影像数据进行预处理，继而获取预处理数据； S2、基于面向对象的方法对所述预处理数据进行红树林分类提取，继而获取高分辨率红树林类别图； S3、基于SVR算法对所述红树林类别图进行提取，继而获取目标时相红树林丰度图； S4、基于所述目标时相红树林丰度图构建时空匹配的超分辨率制图模型训练数据集； S5、基于所述时空匹配的超分辨率制图模型训练数据集构建结合编码-解码和VSS模块的时空超分辨率制图网络框架，继而获取结合编码-解码和VSS模块的时空超分辨率制图网络框架模型； S6、对所述结合编码-解码和VSS模块的时空超分辨率制图网络框架模型进行训练和验证，继而进行模型优化，最终获取优化模型； S7、基于所述优化模型进行批量时空超分辨率制图，继而获取目标时相的高时空分辨率红树林分布图； 所述步骤S6包括如下步骤： S601、将参考时相红树林高分辨率影像M1、低空间分辨率丰度图F1以及目标时相低空间分辨率红树林丰度图F2以合并、级联的方式进行融合，作为网络的多通道输入数据，同时以变化矩阵图CM作为标签用于监督模型训练； S602、设置模型训练的损失函数，其表达式为： 其中，N为总像素数；c∈{0,1,2}表示类别索引，其中：0=未变化，1=增加，2=减少；yci表示像素i的真实标签；pci表示模型预测像素i属于类别c的概率；αi表示局部比例动态权重，用于增强对变化区域的关注；λ表示权重系数；LCRi表示像素i周围局部窗口内变化类别的比例； S603、训练过程中通过验证集计算多尺度峰值信噪比、结构相似性、变化检测精度，实时监测模型性能并调整超参数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111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。