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！

龙图腾网恭喜华中师范大学申请的专利一种轮廓与纹理特征协同驱动的耕地地块遥感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：CN119478721B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202510061605.X，技术领域涉及：G06V20/13；该发明授权一种轮廓与纹理特征协同驱动的耕地地块遥感提取方法是由吴浩;谢君洋;梅新;李健;张建;邓伟豪;黎华设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种轮廓与纹理特征协同驱动的耕地地块遥感提取方法在说明书摘要公布了：本发明公开了一种轮廓与纹理特征协同驱动的耕地地块遥感提取方法，本发明采用编码器‑解码器结构构建CFPENet模型，首先在编码器中引入深度残差收缩网络模块对妨碍农田体块提取任务的冗余信息进行消除，然后构建特征搜索模块、轮廓‑纹理注意模块、以及轮廓纹理引导模块，充分提取农田地块的轮廓与纹理特征，最后构建层级信息融合的解码器，强化各个尺度特征的交互能力，减少有用信息损失，提升农田地块的提取能力；本发明的方法有效解决了因耕地地块的面积不一、形状各异导致提取结果粘连、漏提现象严重的问题，本发明的方法不仅能够较好地提取耕地地块的边界，而且增强了地块提取结果的完整性，显著提升了提取精度，具有较好的鲁棒性。

本发明授权一种轮廓与纹理特征协同驱动的耕地地块遥感提取方法在权利要求书中公布了：1.一种轮廓与纹理特征协同驱动的耕地地块遥感提取方法，其特征在于，包括以下步骤：步骤1、获取现有研究区域的影像并对影像进行预处理，得到多光谱影像；步骤2、根据多光谱影像得到对应的黑白二值图和轮廓-纹理特征图，将多光谱影像、黑白二值图、以及轮廓-纹理特征图分别裁剪至设定大小，得到多个多光谱子影像以及各个多光谱子影像对应区域的黑白二值图和轮廓-纹理特征图并分别作为输入样本、第一真实标签、以及第二真实标签，将每个输入样本以及对应区域的第一真实标签和第二真实标签作为一个样本，所有样本构成样本集，然后对样本集进行扩充，得到扩充后的样本集；步骤3、将扩充后的样本集按比例划分为训练数据集和验证数据集，然后重新选取研究区域为测试区域，获取测试区域的影像，然后重复步骤2，得到测试区域对应的多个样本构成测试集；步骤4、构建CFPENet模型；步骤5、构建复合损失函数L；步骤6、将训练数据集输入到CFPENet模型中进行训练，将最后一次迭代的权重参数作为CFPENet模型的最终权重参数，保存最终权重参数，得到训练后的CFPENet模型，然后将测试集中的各个输入样本输入到训练后的CFPENet模型中进行预测，得到测试集中的各个输入样本的预测结果；步骤7、获取待处理影像，并待处理的影像执行步骤1得到待处理的多光谱影像，再将待处理的多光谱影像裁剪为多个设定大小的待处理的多光谱子影像，然后将多待处理的光谱子影像依次输入到CFPENet模型中进行预测，得到各个待处理的多光谱子影像对应的预测结果，所述步骤4中的CFPENet模型包括I个深度残差收缩模块、I个轮廓-纹理引导模块、J个特征搜索模块、J个层级信息融合模块、以及一个轮廓-纹理注意模块，输入样本经过一个卷积核大小为3×3且卷积个数为C的CBR模块得到特征F1；第i个深度残差收缩模块的输入为特征Fi，第i个深度残差收缩模块的输出为特征Fi+1；第j个特征搜索模块的输入为第j个深度残差收缩模块输出的特征Fj+1，第j个特征搜索模块的输出为特征FCj；各个特征搜索模块输出的特征FC1~FCJ分别输入到轮廓-纹理注意模块中，轮廓-纹理注意模块的输出为特征FCT；第i个轮廓-纹理引导模块的输入为轮廓-纹理注意模块输出的特征FCT和第i个深度残差收缩模块输出的特征Fi+1，第i个轮廓-纹理引导模块的输出为特征FCTGi；当j为1、2、…、J-1时，第j个层级信息融合模块的输入为第j个轮廓-纹理引导模块输出的特征FCTGj和第j+1个层级信息融合模块输出的特征FRHj+1；当j为J时，第j个层级信息融合模块的输入为第j个轮廓-纹理引导模块的输出FCTGj和第j+1个轮廓-纹理引导模块的输出的特征FCTGj+1；第1个层级信息融合模块输出也即是CFPENet模型的输出；其中，i和j均为序号，序号i取1、2、…、I，序号j取1、2、…、J。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞喻路152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”。