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！

龙图腾网恭喜南京大学申请的专利一种基于编织式特征提取的遥感图像密集道路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：CN119360349B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411602645.2，技术领域涉及：G06V20/58；该发明授权一种基于编织式特征提取的遥感图像密集道路分割方法是由黎建辉;马贤至设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于编织式特征提取的遥感图像密集道路分割方法在说明书摘要公布了：本公开涉及遥感图像道路提取技术领域，提供了一种基于编织式特征提取的遥感图像密集道路分割方法。方法包括：获取遥感图像训练集及待处理的遥感图像，对训练集中的遥感图像进行数据增强操作；将所述训练集中的遥感图像输入至初始遥感图像道路提取网络模型，得到所述训练集遥感图像的道路分割图；基于所述训练集遥感图像的道路分割图和训练集对应的标签示例图像之间的差异，对所述初始遥感图像道路提取网络模型进行参数迭代，得到遥感图像道路提取网络模型；将所述待处理的遥感图像输入至所述遥感图像道路提取网络模型中，输出遥感图像数据的精确分割结果；本发明不断利用横纵交替的条形卷积来提取道路特征，对密集道路的提取也具有良好的效果。

本发明授权一种基于编织式特征提取的遥感图像密集道路分割方法在权利要求书中公布了：1.一种基于编织式特征提取的遥感图像密集道路分割方法，其特征在于，包括：获取遥感图像训练集及待处理的遥感图像，对遥感图像训练集中的遥感图像进行数据增强操作；所述遥感图像训练集包括遥感图像和遥感图像对应的标签示例图像；将所述遥感图像训练集中的遥感图像输入至初始遥感图像道路提取网络模型，得到所述遥感图像训练集中的遥感图像的道路分割图；基于所述遥感图像训练集中的遥感图像的道路分割图和所述遥感图像训练集遥感图像对应的标签示例图像之间的差异，对所述初始遥感图像道路提取网络模型进行参数迭代，得到遥感图像道路提取网络模型；将所述待处理的遥感图像输入至所述遥感图像道路提取网络模型中，输出所述待处理的遥感图像的道路分割图；所述遥感图像道路提取网络模型为U-Net架构，包括编码器模块、蛇形编织注意力模块、上下文信息编织模块、全局信息提取模块和多尺度编织解码器模块，其中：所述蛇形编织注意力模块，用于从横纵两个方向使用不同尺寸的条形卷积和动态蛇形卷积对特征图进行特征提取，融合不同方向上的特征，得到适应不同道路的细长和曲折特性的浅层特征图；所述蛇形编织注意力模块设置在U-Net架构中跳跃连接的浅层部分；其中，所述蛇形编织注意力模块先使用1×1卷积和深度可分离卷积对所述蛇形编织注意力模块前一层特征图进行处理，将处理后特征图与所述蛇形编织注意力模块所在层的编码器特征图直接相加作为蛇形编织注意力模块的输入，再使用大小为13×13且步长为1的卷积和大小为13×13的平均池化对输入进行处理；所述蛇形编织注意力模块将处理后的特征图传输到两个并行分支中，分别进行横向和纵向的编织学习，将横向学习和纵向学习得到的特征图与原始输入这三批特征图进行逐元素相加，对相加结果依次进行1×1卷积、批量归一化、ReLU激活函数操作，得到蛇形编织注意力模块的输出特征图；其中，所述横向学习的分支由1×15、1×13、1×11的条形卷积和沿X轴学习且大小为13×13的动态蛇形卷积组成，所述纵向学习的分支由15×1、13×1、11×1的条形卷积和沿Y轴学习且大小为13×13的动态蛇形卷积组成；所述上下文信息编织模块，用于使用标准卷积、膨胀卷积与深度可分离卷积学习多尺度上下文信息，再使用横纵两个方向的平均池化操作进行编织上下文学习，得到具有多尺度上下文信息的中层特征图；所述全局信息提取模块，用于突出特征图的全局信息，进行全局信息建模，得到具有全局信息的深层特征图。

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南京大学，其通讯地址为：215163 江苏省苏州市太湖大道1520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”。