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！

龙图腾网获悉西安科技大学申请的专利基于证据融合多层深度卷积网络的遥感图像场景分类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：CN117058558B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310903456.8，技术领域涉及：G06V20/13；该发明授权基于证据融合多层深度卷积网络的遥感图像场景分类方法是由宋婉莹;刘倩;刘毓琛;李志;丛一凡设计研发完成，并于2023-07-22向国家知识产权局提交的专利申请。

本基于证据融合多层深度卷积网络的遥感图像场景分类方法在说明书摘要公布了：本发明涉及一种基于证据融合多层深度卷积网络的遥感图像场景分类方法，属于遥感图像处理技术领域。输入高分辨遥感图像，调整图像大小，进行归一化，执行图像增强；预处理的数据集输入分别输入DenseNet‑201网络、Gabor‑CNN网络、Wave‑CNN网络均输出类概率；根据D‑S证据理论将三个网络输出的类概率进行融合，从而得到分类结果。本发明在CNN中有效融合了多尺度纹理特征，并强化了图像不同层次的特征表达，具有很高的分类性能和很好的鲁棒性，可用于高分辨遥感图像的目标检测与识别。

本发明授权基于证据融合多层深度卷积网络的遥感图像场景分类方法在权利要求书中公布了：1.一种基于证据融合多层深度卷积网络的遥感图像场景分类方法，其特征在于包括 将遥感图像分别输入DenseNet-201网络、Gabor-CNN网络、Wave-CNN网络均输出类概率； 所述的Wave-CNN网络在DenseNet-201网络的基础上进行改进的：用2D小波变换层替换DenseNet-201网络的池化层，将低频分量作为输入特征图下采样的结果，通过添加一个BN层以及ReLU激活层对特征进行非线性激活，将高频分量和融合为高频细节纹理分量，再添加一个空间注意力模块，将空间矩阵与LL分量进行点乘，再使用捷径连接的方式接入网络层；所述Wave-CNN网络处理步骤如下： 多级小波特征提取：假设DenseBlock1的输出为，使用小波变换分别提取，通过小波空间注意力模块得到第一级小波特征；第一级低频特征通过小波变化分解为第二级小波分量，并且继续通过空间注意力模块得到第二级小波特征；由此，第个DenseBlock共进行次小波分解； 多级小波级联融合：网络从DenseBlock2开始，每一个DenseBlock的输出，通过特征相加的方式，融入前一个DenseBlock的多级小波特征，第个DenseBlock融入个前面每一个DenseBlock的小波特征输出；融合公式如下： 其中，为主干模型中第个DenseBlock的输出，为小波特征，为非线性转化函数，通过批归一化、ReLU激活函数、卷积层将以前小波特征的输出特征图维度与保持一致； 根据D-S证据理论将三个网络输出的类概率进行融合得到分类结果。

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西安科技大学，其通讯地址为：710054 陕西省西安市雁塔中路58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。