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！

龙图腾网获悉自然资源部第一海洋研究所申请的专利基于虚拟控制点的神经网络水深反演方法、系统及介质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：CN121475149B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610017823.8，技术领域涉及：G01C13/00；该发明授权基于虚拟控制点的神经网络水深反演方法、系统及介质是由董志鹏;张百川;刘焱雄;冯义楷;陈义兰;杨龙;李杰设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本基于虚拟控制点的神经网络水深反演方法、系统及介质在说明书摘要公布了：本发明涉及一种基于虚拟控制点的神经网络水深反演方法、系统及介质，属于水深反演技术领域；包括以下步骤：S1：多源遥感数据预处理；S2：虚拟控制点构建；S3：空谱特征融合与MLP训练预测；S4：精度验证与分析。本发明通过构建自适应虚拟控制点VCP数据集解决ICESat‑2数据稀疏问题，融合空谱特征提升模型对空间非平稳性的适应能力，并采用含Dropout机制的多层感知机网络增强鲁棒性，显著提高了无实测数据场景下的水深反演精度与泛化能力。

本发明授权基于虚拟控制点的神经网络水深反演方法、系统及介质在权利要求书中公布了：1.一种基于虚拟控制点的神经网络水深反演方法，其特征在于，包括以下步骤： S1：多源遥感数据预处理：对ICESat-2光子数据进行去噪、校正处理，得到海底信号光子，对Sentinel-2影像进行云掩膜及水体提取，得到无云浅水影像； S2：虚拟控制点构建： S21：初始控制点种子库构建：将ICESat-2光子转换至Sentinel-2影像坐标系，以像元为单元聚合光子水深取平均值作为真值，提取对应光谱反射率形成初始控制点ICP种子库； S22：光谱相似性扩展：计算目标像元与初始控制点种子的光谱距离，当距离小于等于预设阈值时，将种子水深赋予目标像元生成虚拟控制点； S23：自适应迭代优化：通过验证集精度指标最小化确定最优阈值，平衡虚拟控制点的数量与质量，将所述初始控制点ICP种子库扩展为高密度虚拟控制点VCP数据集； S3：空谱特征融合与MLP训练预测： 提取虚拟控制点数据集的多波段光谱反射率及空间位置特征，构建空谱联合特征向量； 将所述空谱联合特征向量输入包含Dropout机制的多层感知机MLP神经网络进行监督训练，利用空间位置特征约束水体光学性质的空间非平稳性，通过非线性回归生成与原始影像分辨率一致的栅格化水深反演结果； S4：精度验证与分析：利用实测水深点提取同名栅格，计算总体精度及分水深区间精度; 所述的步骤S21中构建初始控制点ICP种子库的过程具体包括以下子步骤： S211：将ICESat-2光子数据转换至Sentinel-2影像投影坐标系，并计算每个光子落点对应的影像像元行列号； S212：以像元为单元聚合落入同一像元内所有光子水深的平均值作为该像元的水深真值； S213：提取该像元对应的蓝、绿、红、近红外四波段光谱反射率向量，并将所述光谱反射率向量标准化保留至小数点后四位，形成“光谱-水深”初始控制点ICP种子序列，，其中，表示某个种子，表示种子的水深; 所述步骤S22中扩展虚拟控制点的过程具体包括以下子步骤： S221：基于水体光学同质性假设，采用L1范数作为光谱相似性度量指标； S222：当目标像元与任一初始控制点种子之间的L1距离小于预设容忍度阈值时，将所述种子的水深赋予所述目标像元使其成为一个虚拟控制点VCP，计算公式如下式： ； 其中，代表波段索引，和分别代表目标像元和种子像元在第波段的反射率值； S223：通过遍历整个影像水体掩膜内的所有像元，原本稀疏呈线状分布的ICESat-2样本被扩展为覆盖整个研究区的高密度、面状分布的扩展虚拟控制点VCP样本集; 所述步骤S23中自适应迭代策略具体包括以下子步骤： S231：选取一系列候选容忍度阈值形成阈值集合； S232：针对每个候选阈值生成对应的虚拟控制点子集； S233：利用未参与虚拟控制点生成的独立ICESat-2真实水深点作为验证集，构建临时回归模型，分别计算各候选虚拟控制点VCP子集的预测水深与真实水深之间的均方根误差； S234：选取使所述均方根误差最小的候选阈值作为最优光谱匹配容忍度阈值。

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自然资源部第一海洋研究所，其通讯地址为：266000 山东省青岛市崂山区仙霞岭路6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。