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！

龙图腾网恭喜杭州电子科技大学申请的专利利用多光谱遥感图像提取极地海冰的深度学习方法及系统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：CN119339250B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411907401.5，技术领域涉及：G06V20/10；该发明授权利用多光谱遥感图像提取极地海冰的深度学习方法及系统是由冯午;耿秀琳;毕美华;胡淼设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本利用多光谱遥感图像提取极地海冰的深度学习方法及系统在说明书摘要公布了：本发明公开了一种利用多光谱遥感图像提取极地海冰的深度学习方法及系统，方法具体包含以下步骤：S1.获取极地海冰区域的Sentinel‑2数据；S2.对步骤S1获取的Sentinel‑2数据进行预处理与标注，得到海冰的真彩色图像TCI以及标注图像，形成数据集；S3.使用基于特征图重构的深度学习模型对数据进行训练以及测试；S4.通过调优，得到最佳模型参数，并将最佳模型参数加载至所述的深度学习模型，所述的深度学习模型输入步骤S2处理好的TCI进行海冰的提取，得到输出结果。本发明有效地降低了海冰标注数据的获取难度，降低了标注时间。

本发明授权利用多光谱遥感图像提取极地海冰的深度学习方法及系统在权利要求书中公布了：1.利用多光谱遥感图像提取极地海冰的深度学习方法，其特征在于，具体包含以下步骤：S1.获取极地海冰区域的图像数据；S2.对步骤S1获取的图像数据进行预处理与标注，得到海冰的真彩色图像TCI以及标注图像，形成数据集；S3.使用基于特征图重构的深度学习模型对步骤S2获得的数据集进行训练以及测试；S4.通过调优，得到最佳模型参数，并将最佳模型参数加载至所述的深度学习模型，所述的深度学习模型输入海冰的真彩色图像TCI进行海冰的提取，得到输出结果；步骤S3中，所述的深度学习模型包括编码器模块、图重构模块和解码器模块，其中：编码器模块由卷积块和残差块组成，对输入的TCI进行特征提取；图重构模块负责对编码器模块提取的特征进行图重构，捕捉特征中的上下文信息；解码器模块负责对重构后的特征逐层上采样，并输出最终的提取结果；图重构模块的处理过程分为图构造阶段和特征重构阶段，具体的：在构造阶段，设输入的特征X∈RC×H×W，其中，R表示实数，C为特征的通道数，H、W分别表示特征的高和宽，将X进行展平操作得到节点特征V∈RN×C，其中，N＝H×W，并生成相应的邻接矩阵A，对A进行如下操作： 其中，表示自身数据依赖的邻接矩阵，表示的度矩阵中的元素、表示中第i行，第j列的元素，i,j∈1、2、3…N，I为单位矩阵；在特征重构阶段，利用图卷积网络对节点中的特征进行更新，具体为： 其中，l表示第l层，w表示可学习的权重参数，σ·表示激活函数，为的度矩阵，Vl表示更新前的图节点特征，Vl+1表示更新后的图节点特征，且Vl+1＝V′；最终得到更新后的图节点特征V′，并重新还原为原始输入特征大小，得到重构后的特征X′；图构造阶段，构造邻接矩阵具体为：对于节点特征V∈RN×C，首先对节点的每一个特征进行归一化操作，通过节点特征V的内积得到相似度矩阵Z∈RN×N，然后以全局平均相似度为基础构造阈值，确定各个节点间的邻接关系；公式表示为：Z＝NormV·NormVT 其中，Norm表示归一化操作，zij表示第i个节点和第j个节点之间的相似度，mean表示求平均值的操作，Aij表示第i个节点和第j个节点之间的邻接关系，i≠j,i,j∈1、2、3…N，α为可学习的权重参数；在特征重构阶段，将更新后的节点特征还原至与输入特征相同的形状，得到重构后的特征。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。