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！

龙图腾网恭喜青海大学申请的专利一种面向中高分辨率卫星遥感影像的地面物体提取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：CN115082806B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210605464.X，技术领域涉及：G06V20/13；该发明授权一种面向中高分辨率卫星遥感影像的地面物体提取方法是由李延平;王璐;王世颍;王晓英;祁俊;陈海文设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种面向中高分辨率卫星遥感影像的地面物体提取方法在说明书摘要公布了：本发明公开了一种面向中高分辨率卫星遥感影像的地面物体提取方法，通过输入图像经HRNet提取特征，然后与通过金字塔池化模块提取的上下文特征融合，得到粗略分割结果，从粗略分割结果中选取部分难学习的点，使用多层感知机在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成。高分辨率特征表示与上下文特征融合的方式改善提取效果，对粗略分割结果重新进行学习和结构相似度损失结合的方法改善边界提取效果。具体表现如下：图像的上下文信息易获取、图像边界分割结果精细、处理结果清晰，在小尺寸目标、多类别的遥感数据集上表现优异；在不同数据的泛化能力较强。

本发明授权一种面向中高分辨率卫星遥感影像的地面物体提取方法在权利要求书中公布了：1.一种面向中高分辨率卫星遥感影像的地面物体提取方法，其特征在于，具体包括如下步骤：S1，通过卫星获得遥感影像；S2，输入获得的遥感影像经HRNet提取遥感影像的高分辨率特征；所述遥感影像的高分辨率特征提取：HRNet并行连接高分辨率和低分辨率的子网，在下采样过程中不断上采样后与主路径特征融合，从而使主路径保持高分辨率表示，将整个特征提取分为四个阶段，每个阶段在主路径进行卷积操作，第一个阶段要结束时开始下一阶段的下采样给出第二路径特征，后面在每个阶段要结束时除了下采样为下一阶段给出一条新路径，同时与上采样和下采样后的其他路径特征融合，一直到第四阶段结束得到尺寸递减的四路特征，分割任务中将四条路径上的特征都进行拼接Concat作为最终的输出特征；S3，将HRNet提取的遥感影像的高分辨率特征，与通过金字塔池化PPM模块提取的遥感影像的上下文特征融合Concat，得到粗略分割结果；所述遥感影像的上下文特征提取：金字塔池化PPM将HRNet输出的720通道的特征采用尺寸为1、2、3、6的四个卷积核分别进行再次提取，输出特征通道256，各卷积核提取的特征经1个卷积层，1个批归一化层，1个ReLu激活层和1个Dropout层后与HRNet的特征拼接并上采样恢复图像尺寸，拼接后的特征通道变为1174；S4，从粗略分割结果中选取部分难学习的点进行边界优化，使用多层感知机MLP在融合特征上再次进行学习，用再次学习的结果对粗略分割结果进行细化得到精细化的分割结果，整个训练过程的Loss由CE_loss，部分点的Points_loss和SSIM_loss组成；所述边界优化由两边部分组成，一部分来自Pointrend网络，将PPM输出的结果作为粗略分割结果，取PPM提取的特征作为输入特征，从粗略分割结果中选取最难学习的点，对此最难学习的点使用多层感知机MLP再次进行学习得到各点的特征，同时使用粗略分割结果为这最难学习的点提供上下文信息，用MLP对这最难学习的点的预测结果更新粗略分割结果中的该最难学习的点的预测结果，从而使得粗略分割结果得到精细化；另一部分是为训练过程增加了一个SSIM_loss，取SSIM_loss＝1-SSIM，为训练过程额外提供边界优化损失函数；网络结构中的损失函数由三部分组成，第一部分计算粗略分割结果与真值的差异，使用交叉熵损失函数CE_loss；第二部分计算边界优化中选取的点经过MLP后的预测结果与真值中这些点的差异Points_loss；第三部分计算粗略输出结果与真值的结构相似性损失SSIM_loss，总的损失函数loss＝CE_loss+Points_loss+λ*SSIM_loss，其中λ为SSIM_loss的权重，可以视需要调整。

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青海大学，其通讯地址为：810000 青海省西宁市城北区宁大路251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”。