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！

龙图腾网获悉武汉大学申请的专利基于深度学习的湖泊水体提取方法、系统、存储介质和电子设备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：CN119516395B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202411469583.2，技术领域涉及：G06V20/13；该发明授权基于深度学习的湖泊水体提取方法、系统、存储介质和电子设备是由朱婷婷;张宇;张胜凯;肖峰设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于深度学习的湖泊水体提取方法、系统、存储介质和电子设备在说明书摘要公布了：本发明公开了一种基于深度学习的湖泊水体提取方法、系统、存储介质和电子设备，涉及遥感影像处理技术领域。本发明利用极化分解中湖泊水体和其他地物的极化特征差异，构建多层次的深度学习水体提取模型；在此基础上，进一步通过特征学习和优化过程，实现水边界信息的准确提取。本发明为获取长时间序列的湖泊连续观测数据提供了新的思路，为进一步开展冰冻圈湖泊水体的季节性变化分析、汛期快速预警、灾害评估等提供数据支撑。

本发明授权基于深度学习的湖泊水体提取方法、系统、存储介质和电子设备在权利要求书中公布了：1.一种基于深度学习的湖泊水体提取方法，其特征在于，包括以下步骤： 对湖泊水体及周围区域的SAR影像进行轨道矫正、辐射定标和条带合并，得到完整条带的散射矩阵；将所述散射矩阵转换为原始协方差矩阵，进行多视、几何校正和地形校正，得到经过预处理的协方差矩阵； 对经过预处理的协方差矩阵进行极化分解，生成极化分解矩阵； 通过目视解译初步标出所述SAR影像的水体和非水体区域，将所述极化分解矩阵裁剪为若干样本，划分并组成训练集和测试集； 构建原始深度学习水体提取模型，利用所述训练集和测试集进行训练，获得最优深度学习水体提取模型； 将待测湖泊水体的SAR影像输入至所述最优深度学习水体提取模型中，输出得到待测湖泊水体的提取结果； 所述原始深度学习水体提取模型由若干层卷积网络结构构建而成；所述卷积网络结构包括卷积单元，除最底层的所述卷积网络结构以外的其他所述卷积网络结构还包括卷积补偿单元和注意力机制； 所述原始深度学习水体提取模型的训练方法为：将所述训练集的每个样本输入所述原始深度学习水体提取模型的第一层卷积单元中，在第一层的卷积特征核函数中进行特征提取，得到第一层的初始卷积输出特征； 利用卷积补偿单元对第一层的初始卷积输出特征进行处理，将水体边界部位的临近像素纳入第一层的卷积处理中；第一层的临近像素大小为16，中心偏移位置为10； 对每一层卷积单元的水体特征设置相应的权重系数，作为所述注意力机制的权重系数；利用第一层的注意力机制对第一层的初始卷积输出特征的每个纬度赋予权重，获得第一层卷积的最终输出特征； 对第一层的初始卷积输出特征进行下采样处理，输入第二层的卷积单元中，在第二层的卷积特征核函数中进行特征提取，再依次利用卷积补偿单元和注意力机制进行处理，得到第二层的最终输出特征；以此类推，分别得到第三层和第四层的最终输出特征； 将第四层的初始卷积输出特征直接下采样处理，直接进行第五层卷积单元处理，作为第五层的最终输出特征； 将第五层的最终输出特征进行反卷积处理，再与第四层的最终输出特征进行融合，得到第四层融合数据；将第五层卷积网络结构的最终输出特征通过第四层的注意力机制进行上采样处理，得到第五层上采样数据；将第四层融合数据与第五层上采样数据共同进行反卷积处理，得到第四层的反卷积数据； 将第四层的反卷积数据与第三层的最终输出特征进行融合，得到第三层融合数据；将第四层的反卷积数据通过第三层的注意力机制进行上采样处理，得到第四层上采样数据；将第三层融合数据与第四层上采样数据共同进行反卷积处理，得到第三层的反卷积数据；以此类推，最终得到第一层的反卷积数据；每一层的反卷积时的卷积核函数和该层在卷积时的卷积核函数参数一一对应； 将所述训练集和测试集对应的第一层的反卷积数分别输出一个0-1之间的概率值，通过概率值判断第一层的反卷积数据属于水体还是非水体，即得到最终水体提取结果； 将测试集输入深度学习水体提取模型中获得输出结果，即水体和非水体的分类结果；采用交叉信息熵损失函数，并计算输出结果中水体和非水体的分类精度；根据归一化的损失函数，以及水体和非水体的分类精度，判断和输出所述最优深度学习水体提取模型。

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武汉大学，其通讯地址为：430000 湖北省武汉市武昌区八一路299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。