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！

龙图腾网获悉河北省科学院地理科学研究所申请的专利一种基于多模态遥感影像的道路信息自动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：CN120526300B 。

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：202510447681.4，技术领域涉及：G06V20/10；该发明授权一种基于多模态遥感影像的道路信息自动提取方法是由郝庆涛;孙雷刚;王钦艺;张鹏飞;左璐;鲁军景;刘剑锋设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本一种基于多模态遥感影像的道路信息自动提取方法在说明书摘要公布了：本申请涉及一种基于多模态遥感影像的道路信息自动提取方法，包括：获取多模态遥感影像训练样本集，包括多组多模态遥感影像训练样本，每一组多模态遥感影像训练样本包含多模态遥感影像及对应的道路标签图像；多模态遥感影像包括光学遥感影像和SAR影像；道路标签图像包括道路表面分割标签和道路边缘标签；构建初始道路提取模型，并利用多模态遥感影像训练样本集训练，直至损失函数收敛，得到训练道路提取模型；基于训练道路提取模型对输入的多模态遥感影像数据进行道路提取，并进行矢量化，得到道路数据。本申请解决了现有技术中对于基于遥感影像道路提取任务中存在的道路提取精度不足的问题，提高了基于遥感影像道路提取结果的准确性和连通性。

本发明授权一种基于多模态遥感影像的道路信息自动提取方法在权利要求书中公布了：1.一种基于多模态遥感影像的道路信息自动提取方法，其特征在于：包括以下步骤： S1，获取多模态遥感影像训练样本集，所述多模态遥感影像训练样本集包括多组多模态遥感影像训练样本，每一组多模态遥感影像训练样本包含多模态遥感影像及与多模态遥感影像对应的道路标签图像； 所述多模态遥感影像包括光学遥感影像和SAR影像； 所述道路标签图像包括道路表面分割标签和道路边缘标签； S2，构建初始道路提取模型，通过获取的多模态遥感影像训练样本集对初始道路提取模型进行训练，直至损失函数收敛，得到训练道路提取模型； S3，基于训练道路提取模型对输入的多模态遥感影像数据进行道路提取，并进行矢量化，得到道路数据； 所述道路提取模型的结构为： 道路提取模型包括编码器光学分支、编码器SAR分支、特征融合模块、解码器、语义分割头、边缘检测头和跳跃连接； 其中，所述编码器光学分支和编码器SAR分支均包括1个补丁嵌入层和编码器子模块一、编码器子模块二、编码器子模块三和编码器子模块四；编码器子模块一、编码器子模块二和编码器子模块三均包括2个视觉状态空间模块和1个下采样模块，编码器子模块四包括2个视觉状态空间模块； 所述解码器包括解码器子模块一、解码器子模块二、解码器子模块三和解码器子模块四，解码器子模块一包括2个视觉状态空间模块，解码器子模块二、解码器子模块三和解码器子模块四均包括1个上采样模块和2个视觉状态空间模块； 所述特征融合模块的结构为： 所述特征融合模块包括跨模态特征交互模块和动态权重融合模块； 所述特征融合模块的计算过程为： 将光学遥感影像编码特征和SAR影像编码特征输入跨模态特征交互模块的纹理互补分支进行光学引导的SAR特征增强，得到SAR影像增强特征； 将光学遥感影像编码特征和SAR影像编码特征输入跨模态特征交互模块的语义协同分支进行SAR引导的光学特征聚焦，得到光学影像增强特征； 将SAR影像增强特征和光学影像增强特征进行特征连接，得到增强连接特征； 将增强连接特征输入动态权重融合模块的光学分支，分别经过线性层的特征维度调整和ReLU层的函数激活，得到光学特征权重； 将增强连接特征输入动态权重融合模块的SAR分支，分别经过线性层的特征维度调整和ReLU层的函数激活，得到SAR特征权重； 将光学遥感影像编码特征与光学特征权重的乘积和SAR影像编码特征与SAR特征权重的乘积进行特征相加，得到增强融合特征。

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河北省科学院地理科学研究所，其通讯地址为：050000 河北省石家庄市长安区西大街88号五方大厦2号办公楼101；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。