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长春光学精密机械与物理研究所申请的专利多模态遥感图像语义分割方法及系统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：CN119625737B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510170868.4，技术领域涉及：G06V20/70；该发明授权多模态遥感图像语义分割方法及系统是由徐东东;王永成;钱进;李征;冯昊设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本多模态遥感图像语义分割方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种多模态遥感图像语义分割方法及系统，包括：建立数据集，数据集包括多组图像对，每组图像对包括SAR图像和光学图像；构建多模态语义分割模型，多模态语义分割模型包括依次连接的基础特征变换层、多尺度语义获取层、显著特征交叉融合层、特征深层编码层以及特征解码层；基于数据集对多模态语义分割模型进行训练和优化，以得到目标多模态语义分割模型；采用目标多模态语义分割模型对SAR遥感图像和光学遥感图像进行联合语义分割，以获取语义分割结果图。本发明实施例至少有利于降低多模态遥感图像语义分割的参数量和计算量。

本发明授权多模态遥感图像语义分割方法及系统在权利要求书中公布了：1.一种多模态遥感图像语义分割方法，其特征在于，包括： 建立数据集，所述数据集包括多组图像对，每组图像对包括SAR图像和光学图像； 构建多模态语义分割模型，所述多模态语义分割模型包括依次连接的基础特征变换层、多尺度语义获取层、显著特征交叉融合层、特征深层编码层以及特征解码层； 所述基础特征变换层包括：第一卷积分支，所述第一卷积分支用于对所述光学图像进行卷积处理，以将所述光学图像转换为第一模态基础特征；第二卷积分支，所述第二卷积分支用于对所述SAR图像进行卷积处理，以将所述SAR图像转换为第二模态基础特征，第一模态基础特征的尺寸和第二模态基础特征的尺寸均为256×256，并且第一模态基础特征的通道数和第二模态基础特征的通道数均为64； 所述多尺度语义获取层包括：第一多尺度提取模块，所述第一多尺度提取模块采用多个感受野分支对所述第一模态基础特征进行深度提取，以获得第一模态多尺度特征；第二多尺度提取模块，所述第二多尺度提取模块和所述第一多尺度提取模块的结构相同，所述第二多尺度提取模块采用多个感受野分支对所述第二模态基础特征进行深度提取，以获得第二模态多尺度特征； 所述第一多尺度提取模块包括并行的5个感受野分支，所述5个感受野分支包括2个常规卷积分支、2个空洞卷积分支和1个池化与上采样处理分支，2个空洞卷积分支分别通过串联3个空洞卷积进行感受野的扩增，空洞率d的设计符合HDC准则，采用所述5个感受野分支分别对所述第一模态基础特征进行处理，并连接所述5个感受野分支输出的特征，以得到所述第一模态多尺度特征，5个感受野分支分别为第一常规卷积分支、第二常规卷积分支、第一空洞卷积分支、第二空洞卷积分支和池化与上采样处理分支，第一常规卷积分支由串联的1x1卷积与3x3卷积组成，第二常规卷积分支由串联的1x1卷积与5x5卷积组成，第一空洞卷积分支由串联的三个空洞卷积组成，第二空洞卷积分支由串联的三个空洞卷积组成，第一常规卷积分支的感受野为3*3，第二常规卷积分支的感受野为5*5，第一空洞卷积分支串联的三个空洞卷积的空洞率为[1,2,3]，第二空洞卷积分支串联的三个空洞卷积的空洞率为[1,2,5]，第一空洞卷积分支的感受野为13*13，第二空洞卷积分支的感受野为17*17； 所述显著特征交叉融合层采用通道注意力机制获取所述第一模态多尺度特征的第一通道注意力权重，以及获取所述第二模态多尺度特征的第二通道注意力权重；通道注意力机制采用两种池化方式获取第一通道注意力权重，以及采用两种池化方式获取第二通道注意力权重；将所述第一通道注意力权重与所述第一模态多尺度特征相乘得到第一模态显著特征，将所述第二通道注意力权重与所述第二模态多尺度特征相乘得到第二模态显著特征；将所述第一通道注意力权重与所述第二模态多尺度特征相乘并卷积得到第二交叉指导显著特征，将所述第二通道注意力权重与所述第一模态多尺度特征相乘并卷积得到第一交叉指导显著特征；级联所述第一模态显著特征、所述第二模态显著特征、所述第二交叉指导显著特征和所述第一交叉指导显著特征得到多模态显著特征，所述第一模态显著特征的通道数为c，所述第二模态显著特征的通道数为c，所述第二交叉指导显著特征的通道数为c4，所述第一交叉指导显著特征的通道数为c4，所述多模态显著特征的通道数为5c2； 所述特征深层编码层采用密集连接网络对所述多模态显著特征进行编码，以得到语义信息丰富的高层特征； 所述特征解码层通过跳跃连接结合上采样对所述高层特征进行解码，以得到语义分割结果； 基于所述数据集对所述多模态语义分割模型进行训练和优化，以得到目标多模态语义分割模型； 采用所述目标多模态语义分割模型对SAR遥感图像和光学遥感图像进行联合语义分割，以获取语义分割结果图。

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长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。