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！

龙图腾网恭喜浙江工业大学申请的专利结合频率与边缘学习的高分遥感影像显著性目标检测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：CN114529829B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202210019714.1，技术领域涉及：G06V20/13；该发明授权结合频率与边缘学习的高分遥感影像显著性目标检测方法是由王卫红;孔永靖;夏列钢设计研发完成，并于2022-01-10向国家知识产权局提交的专利申请。

本结合频率与边缘学习的高分遥感影像显著性目标检测方法在说明书摘要公布了：结合频率与边缘学习的高分遥感影像显著性目标检测方法，包括：根据目标地物轮廓绘制样本，制作边缘检测样本以及语义分割样本；搭建引入了边缘学习以及基于频谱的通道注意力机制的神经网络模型，将高分遥感影像、边缘检测样本、语义分割样本输入训练至拟合状态，得到遥感影像的显著性目标检测模型；输入高分遥感影像获取预测图像。本发明结合了边缘学习以及基于频谱的通道注意力机制，解决了传统遥感领域显著性检测边缘不清晰的问题，以及使用深度学习方法缺少对光谱特征而导致的检测不精确的问题。

本发明授权结合频率与边缘学习的高分遥感影像显著性目标检测方法在权利要求书中公布了：1.结合频率与边缘学习的高分遥感影像显著性目标检测方法，包括以下步骤： 步骤1：制作高分遥感影像样本，人工描画目标的精确边界并标注语义类型，进行栅格化处理，生成相应的线标签样本和面标签样本，并使用数据增强方法扩充样本； 步骤2：搭建高分遥感影像显著性目标检测网络模型； 步骤2.1：选取合适的CNN网络作为backbone，其中较低层的卷积后的数据用于目标边缘特征提取模块，其他层的卷积用于显著性目标特征提取模块； 步骤2.2：在有维度下降的卷积后接入FCA注意力机制，给图像的特征赋予二维的权重，其强化了通道信息以及遥感影像的频率信息，其中 步骤2.3：目标边缘特征提取模块与显著性目标特征提取模块均是经过三次卷积加激活函数组合的操作，且从最下层的显著性目标特征提取模块开始，均将数据传递给上一层，用于强化上一层的特征信息，且最下层的特征信息经过一次步骤2.2后传给边缘特征提取模块，强化该模块的特征信息； 步骤2.4：目标边缘特征提取模块与显著性目标特征提取模块每一层再经过一次卷积加激活函数的组合操作后获取预测图像，使用线标签样本计算各层中的边缘损失之和lossedge,其中 其中，n为CNN层数； 步骤2.5：目标边缘特征提取模块与显著性目标特征提取模块重复步骤2.2后接入边缘融合模块进行一对一融合，卷积后获取各层的预测图像，使用面标签计算语义分割的损失losssal； 步骤2.6：将边缘融合模块中的每一层经过三次卷积加激活函数的组合操作扩大视野后再经过一次卷积加激活函数的组合操作获取预测图像；将步骤2.5中各层特征进行融合，并计算总损失 loss＝lossedge+losssal3 步骤3：利用步骤1中的样本训练该网络模型至拟合状态； 步骤4：通过该网络模型获取预测图像。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。