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！

龙图腾网获悉江西省地质局地理信息工程大队;江西理工大学申请的专利一种面向多光谱遥感影像的稀土矿区场景典型地物识别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：CN117315474B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202311304927.X，技术领域涉及：G06V20/10；该发明授权一种面向多光谱遥感影像的稀土矿区场景典型地物识别方法是由刘锟铭;李恒凯;徐子昆;武镇邦;徐强;蒲仕权;刘丽娟;罗芬;雷军;孟祥龙设计研发完成，并于2023-10-10向国家知识产权局提交的专利申请。

本一种面向多光谱遥感影像的稀土矿区场景典型地物识别方法在说明书摘要公布了：本发明公开了一种面向多光谱遥感影像的稀土矿区场景典型地物识别方法，本发明从构建多光谱网络输入头部、抑制背景噪声、构建类注意力约束机制、构建多尺度融合模块以及设计损失函数五个方面进行模型构建，充分利用高分辨率遥感影像数据优势，来提升模型的目标识别精度、速度等各方面性能，本发明可以有效提高检测效率，同时也能更好地满足稀土矿区管理的复杂性和实时性要求，有助于稀土矿区的可持续管理与实现生态环境保护目标。

本发明授权一种面向多光谱遥感影像的稀土矿区场景典型地物识别方法在权利要求书中公布了：1.一种面向多光谱遥感影像的稀土矿区场景典型地物识别方法，其特征在于：包括以下五个模块： 输入头部模块设计：输入头部模块在输入多光谱通道信息后，通过不同分支的卷积操作从空间维度以及通道维度上获得更多的特征差异，最终从原始数据中保留下了更具判别力的初始特征图； 特征提取结构设计：用于对网络头部模块输出的特征图进一步压缩和提取高级语义特征； 类约束注意力模块设计：通过建立类约束注意力模块来加强类别语义特征； 多尺度特征增强与融合模块设计：通过设计多尺度特征增强与融合模块来充分融合深层语义与浅层定位特征以获得更精确的目标特征表示； 多任务损失函数设计：将类约束的构建过程与目标定位、分类任务集成为统一的端到端网络训练； 其中，所述输入头部模块设计具体为： 获取原始影像后，将原始影像输入具有输入头部模块设计的多光谱通道，输入头部模块设计具有两个分支a1和a2，在通过两分支后输出结果在通道维度上进行cat拼接操作，进而得到与原始影像同样尺寸大小但具有更多通道数的特征图，随后在channelattention中使用averagepooling和maxpooling分别计算通道上特征图的统计特征，并将它们送到共享的全连接层，完成通道特征映射后，通过channelattention与特征图进行加权融合，最后添加一个11卷积来捕捉导两分支提取特征之间的差异特征； 其中，所述特征提取结构设计具体为： 选择CSPBlock作为网络中特征提取的基础模块，其中主干网络共有4层，每一层首先通过步长为2的卷积核起到下采样的效果，之后的CSPBlock模块包含3个瓶颈结构的残差单元，其可以形成一个大的残差块；特征图在经过每一层其尺寸都将缩小一倍，四层输出的特征图与原始图像尺寸的比例因子为{12,14,18,116}，并在最高语义层中使用SPP结构进一步扩大感受野； 其中，所述类约束注意力模块设计具体为： 类约束注意力模块分为三部分，首先，类映射生成子模块从主干网络的特征图中完成类别映射过程以生成类别特征图；随后类特征库子模块基于类别特征图进一步生成类特征库，以获得类内和类间的语义特征集合；最后类特征库子模块结合场景全局的上下文信息和类特征库建立了具有类信息约束的注意力； 其中，所述多尺度特征增强与融合模块设计具体为： 多尺度特征图在融合之前，会先经过CCA模块以获得多尺度的类约束注意力，之后类约束注意力与特征图之间通过元素相乘策略实现对多尺度特征图施加更强的类别约束，以增强并平衡目标的多尺度特征，为充分融合多层级特征并提高网络的多尺度目标检测能力，使用了路径聚合网络PANet这一具有自上而下和自下而上的双向融合路径的特征金字塔结构，用于深层语义特征与浅层定位特征的融合，最终这种带有强类约束的多尺度特征在融合过程中进一步强化类别特征表示； 其中，所述多任务损失函数设计具体为： 一种多任务损失函数MCCA-Loss包含了目标检测任务中的预测框分类、回归、置信度传统损失函数，以及用于辅助构建类信息约束过程的类别映射损失函数。

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江西省地质局地理信息工程大队;江西理工大学，其通讯地址为：330000 江西省南昌市南莲路76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。