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！

龙图腾网恭喜长江大学申请的专利一种基于深度特征的非平稳训练图像自动分区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：CN115049867B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210552914.3，技术领域涉及：G06V10/762；该发明授权一种基于深度特征的非平稳训练图像自动分区方法及系统是由苏琳叶;喻思羽;李少华设计研发完成，并于2022-05-19向国家知识产权局提交的专利申请。

本一种基于深度特征的非平稳训练图像自动分区方法及系统在说明书摘要公布了：本发明提供一种基于深度特征的非平稳训练图像自动分区方法及系统，方法包括：对非平稳训练图像进行裁剪划分为多个训练图像子块；基于卷积神经网络模型提取每一个训练图像子块的深度特征；对所有训练图像子块的深度特征进行聚类分析，得到每一个训练图像子块的聚类标签；基于每一个训练图像子块的聚类标签，将每一个训练图像子块按照在非平稳训练图像中的位置进行拼接，得到非平稳训练图像的分区结果；基于分区结果，进行平稳性算法模拟，输出所述非平稳训练图像的模拟实现。本发明对非平稳训练图像进行自动分区，相比基于未分区非平稳训练图像的SIMPAT算法，基于本发明分区后的多点地质统计模拟结果更好的再现了非平稳特征。

本发明授权一种基于深度特征的非平稳训练图像自动分区方法及系统在权利要求书中公布了：1.一种基于深度特征的非平稳训练图像自动分区方法，其特征在于，包括：对非平稳训练图像进行裁剪划分为多个训练图像子块；基于卷积神经网络模型提取每一个训练图像子块的深度特征；对所有训练图像子块的深度特征进行聚类分析，得到每一个训练图像子块的聚类标签；基于每一个训练图像子块的聚类标签，将每一个训练图像子块按照在所述非平稳训练图像中的位置进行拼接，得到所述非平稳训练图像的分区结果；基于所述非平稳训练图像的分区结果，进行平稳性算法模拟，输出所述非平稳训练图像的模拟实现；所述对所有训练图像子块的深度特征进行聚类分析，得到每一个训练图像子块的聚类标签，包括：基于肘部法则确定所述训练图像子块的深度特征最佳聚类数，即非平稳训练图像的最佳分区数量k；基于k均值聚类算法在高维空间内对所有训练图像子块的深度特征进行聚类分析，得到每一个训练图像子块的聚类标签；基于t分布随机邻域嵌入算法对聚类分析后输出的每一个训练图像子块的深度特征进行降维可视化；所述基于肘部法则确定所述训练图像子块的深度特征最佳聚类数，即非平稳训练图像的最佳分区数量k，包括：手肘法则的计算公式为： ；式中，为聚类数量，即非平稳训练图像的分区数量，为畸变程度，为样本点，为第i个聚类中心；将最小对应的k值作为非平稳训练图像的最佳分区数量；所述基于t分布随机邻域嵌入算法对聚类分析后输出的每一个训练图像子块的深度特征进行降维可视化，包括:所述t分布随机邻域嵌入算法的计算公式为： ；式中，为一组N个高维数据，即剧烈分析后的深度特征，N为数据样本数量，为数据和之间相似的条件概率，为降维后的一组M个低维数据，为和之间相似的条件概率；对降维后的每一个训练图像子块的深度特征进行可视化。

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长江大学，其通讯地址为：434000 湖北省荆州市南环路1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”。