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！

龙图腾网恭喜中国科学院合肥物质科学研究院申请的专利基于分层次细节增强的高分辨率遥感图像语义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：CN114723948B 。

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：202210379126.9，技术领域涉及：G06V10/26；该发明授权基于分层次细节增强的高分辨率遥感图像语义分割方法是由黄河;盛佳佳;孙友强;张俊卿;张玮;裴昊天;方薇;费海强设计研发完成，并于2022-04-12向国家知识产权局提交的专利申请。

本基于分层次细节增强的高分辨率遥感图像语义分割方法在说明书摘要公布了：本发明涉及一种基于分层次细节增强的高分辨率遥感图像语义分割方法，包括：采集高分辨率遥感图像数据，构建高分辨率遥感图像数据集，对高分辨率遥感图像数据进行标注和预处理；建立语义分割网络，向语义分割网络中输入高分辨率遥感图像数据集中的高分辨率遥感图像数据，语义分割网络生成分割图。本发明能够有效实现在高分辨率遥感图像上精准分割，在分辨率为0.3m的高分辨率遥感图像数据集上取得了更好的效果；针对高分辨率遥感图像语义分割存在的边界细节模糊的缺点，采用分层次细节增强的方式，对高层特征和低层特征分别采用不同方式进行细节增强。

本发明授权基于分层次细节增强的高分辨率遥感图像语义分割方法在权利要求书中公布了：1.一种基于分层次细节增强的高分辨率遥感图像语义分割方法，其特征在于：该方法包括下列顺序的步骤：1采集高分辨率遥感图像数据，构建高分辨率遥感图像数据集，对高分辨率遥感图像数据进行标注和预处理；2建立语义分割网络，向语义分割网络中输入高分辨率遥感图像数据集中的高分辨率遥感图像数据，语义分割网络生成分割图；所述步骤2具体包括以下步骤：2a以基于滑动窗口与注意力机制的层次化语义分割网络作为基准模型，生成共四张分辨率大小不一的特征图{L1,L2,L3,L4}，对特征图L2进行上采样后与特征图L1合并得到低层特征图Flow，对特征图L4进行上采样后与特征图L3合并得到高层特征图Fhigh；2b对低层特征图Flow采用边界和主体分离的方式，提取出边界特征图Fedge和主体特征图Fbody；2c对高层特征图Fhigh采用细节增强模块得到特征图F′high后与边界特征图Fedge进行结合，结合后的特征图经过交叉卷积和通道注意力模块获得特征图Fr；2d对特征图Fr和主体特征图Fbody进行结合，生成细化边缘的特征图P1；2e对特征图L4采用交叉细节解码器生成特征图P2，对特征图P1采用交叉细节解码器生成特征图P3；2f将特征图P2和特征图P3进行结合生成预测特征图，对预测特征图进行线性回归后生成最后的分割图；所述步骤2b具体包括以下步骤：2b1对低层特征图Flow进行流场生成，通过对低层特征图Flow进行下采样生成低频特征图再对低频特征图进行上采样得到与低层特征图Flow同样大小的特征图2b2将低层特征图Flow、低频特征图特征图进行连接后使用3×3的卷积层进行压缩处理，获得低层预测特征图M；2b3对低层特征图Flow进行特征扭曲，对每个在原始标准图像上的位置pi的像素点重新分配一个新的坐标位置pi+Mpi，使用可微双线性采样机制逼近每个在主体特征图Fbody中的像素点px，所述可微双线性采样机制的公式如下： 其中，N代表pi的4个最近邻像素点的集合，n代表该集合中的一个像素点，mn为扭曲空间网格上的双线性核权重，通过低层预测特征图M计算得来；2b4边界特征图Fedge通过低层特征图Flow与主体特征图Fbody相减得来，即：Fedge＝Flow-Fbody。

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合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山区蜀山湖路350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”。