Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜安徽大学徐凯获国家专利权

恭喜安徽大学徐凯获国家专利权

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!

龙图腾网恭喜安徽大学申请的专利一种抗非对齐的SAR-光学影像耦合对比融合建筑物分割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:CN119295756B

龙图腾网通过国家知识产权局官网在2025-04-08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:202411812830.4,技术领域涉及:G06V10/26;该发明授权一种抗非对齐的SAR-光学影像耦合对比融合建筑物分割方法是由徐凯;钱磊;马会阳;贾兆红;梁栋;程志友设计研发完成,并于2024-12-10向国家知识产权局提交的专利申请。

一种抗非对齐的SAR-光学影像耦合对比融合建筑物分割方法在说明书摘要公布了:本发明涉及一种抗非对齐的SAR‑光学影像耦合对比融合建筑物分割方法。本发明包括以下步骤:构建建筑物遥感影像分割多模态数据集;构建抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型;训练抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型;抗非对齐的SAR‑光学影像耦合对比融合建筑物分割模型结果获取。与现有技术相比,解决了现有方法在处理多模态图像对弱对齐问题时,注重严格的模态对齐从而忽略了模态间的差距。本发明通过偏移引导自适应特征对齐模块捕获最佳的对齐位置,从而实现模态间的自适应对齐。进一步通过多模态图像融合的耦合对比学习框架提取模态间的互补特征,从而减少融合结果的冗余信息,保证分割结果的精度和鲁棒性。

本发明授权一种抗非对齐的SAR-光学影像耦合对比融合建筑物分割方法在权利要求书中公布了:1.一种抗非对齐的SAR-光学影像耦合对比融合建筑物分割方法,其特征在于,具体包括以下步骤:11构建建筑物遥感影像分割多模态数据集:获取成对的SAR影像S和光学影像O以及对应的建筑物标签掩模M用于构建建筑物分割任务数据集,按照7:3的比例划分训练集和验证集;对建筑物分割任务数据集进一步进行随机裁剪、随机翻转以扩充数据集;12构建抗非对齐的SAR-光学影像耦合对比融合建筑物分割模型:该模型由多模态双分支特征提取模块、偏移引导自适应特征对齐模块、多模态图像融合的耦合对比学习框架组成;具体步骤如下:121构建用于提取模态特定特征的多模态双分支特征提取模块,其包括一个SAR影像编码器和一个光学影像编码器;1211构建用于提取SAR影像特征的SAR影像编码器,其包括三个连续的下采样结构,下采样结构具体为:一个批归一化层、一个Relu层、一个卷积核大小为1×1的卷积层、一个批归一化层、一个Relu层、一个卷积核大小为3×3的卷积层、一个批归一化层、一个Relu层、一个卷积核大小为1×1的卷积层;1212构建用于提取光学影像特征的光学影像编码器,其包括三个连续的下采样结构,下采样结构具体为:一个3×3的卷积层、一个Relu层、一个批归一化层、一个3×3的卷积层、一个Relu层、一个批归一化层;122构建用于引导多模态特征对齐的偏移引导自适应特征对齐模块,其包括一个跨模态空间偏移估计子模块、一个偏移引导可变形对齐和融合子模块、一个上采样子模块;1221构建用于精确估计特征级偏移的跨模态空间偏移估计子模块,其包括一个不变特征编码器、一个特定特征编码器、一个空间注意力机制、一个通道注意力机制、一个3×3卷积层和一个Relu激活函数;12211构建不变特征编码器,其包括一个卷积层和一个SiLU激活函数;12212构建特定特征编码器,其包括一个3×3卷积层和一个C3模块,C3模块包括三个3×3卷积层和Resnet50中的瓶颈层;1222构建偏移引导可变形对齐和融合子模块,其包括一个可变形卷积层、一个双线性插值操作、一个1×1卷积和两个拼接操作;1223构建上采样子模块,其包括三个连续的上采样结构,上采样结构具体有3层,3层分别为:一个3×3反卷积层、一个Relu层、一个批归一化层;123构建多模态图像融合的耦合对比学习框架,该框架包含一个有预训练权重的Vgg-19网络、一个用于提高前景显著性的对比损失函数、一个用于保留光学影像背景细节的对比损失函数和一个分割子模块;1231构建用于提高前景显著性的对比损失函数,SAR影像前景特征设置为正样本,光学影像前景特征设置为负样本;1232构建用于保留光学影像背景细节的对比损失函数,光学影像背景特征设置为正样本,SAR影像背景特征设置为负样本;1233构建分割子模块,其包括一个全连接层和一个sigmoid激活函数;13训练抗非对齐的SAR-光学影像耦合对比融合建筑物分割模型:利用划分好的训练集对12中所构建的建筑物分割模型进行参数训练,直到训练达到100个epoch,最后保留训练好的网络参数;14抗非对齐的SAR-光学影像耦合对比融合建筑物分割模型结果获取:将获取的成对待融合真实SAR和光学影像数据输入到训练好的抗非对齐的SAR-光学影像耦合对比融合建筑物分割模型中,得到分割结果。

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安徽大学,其通讯地址为:230039 安徽省合肥市蜀山区肥西路3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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。