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！

龙图腾网恭喜东北林业大学申请的专利基于AIM-ASPP的树木因子自动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：CN115375710B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202211130286.6，技术领域涉及：G06T7/11；该发明授权基于AIM-ASPP的树木因子自动提取方法是由高心丹;林宁宁;刘博;王博;景维鹏设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本基于AIM-ASPP的树木因子自动提取方法在说明书摘要公布了：本发明公开了一种基于AIM‑ASPP的树木因子自动提取方法，所述提取方法包括：通过标定获得测量相机的内部参数；根据内部参数对拍摄到的街景树木图像进行畸变矫正；通过含有集成的空洞空间卷积池化金字塔AIM‑ASPP的特征提取网络模型对矫正后图像进行树木、标准物及背景的分割；通过包括分割图像中树木区域与标准物区域的像素参数及标准物实测数据的计算参数，得到树木因子。本发明的提取方法成本低、效率高，可实现批量化提取。

本发明授权基于AIM-ASPP的树木因子自动提取方法在权利要求书中公布了：1.基于AIM-ASPP的树木因子自动提取方法，其特征在于，其包括：S1对获得街景树木图像的测量相机进行标定，获取其内部参数；S2根据标定获取到的内部参数对测量相机拍摄到的街景树木图像进行畸变矫正，得到矫正图像；S3通过具有图像分割功能的特征提取网络模型对所述矫正图像进行树木、标准物及背景的分割，得到划分为树木区域、标准区域及背景区域的分割图像，其中，所述标准物为在拍摄图像中与树木处于同一平面的固定物体；S4通过计算参数，计算获得树木因子，所述计算参数包括：所述分割图像中树木区域与标准物区域的像素参数及标准物的实测数据；所述像素参数包括像素数量和或像素坐标；其中，所述特征提取网络模型含有集成的空洞空间卷积池化金字塔网络，即AIM-ASPP网络；所述S3中，所述特征提取网络模型的获得包括：S31获得街道和或树木图像的标注数据集；S32构建具有图像分割功能的特征提取网络模型；S33通过所述标注数据集对构建的特征提取网络模型进行图像分割训练或训练与测试，得到训练完成的特征提取网络模型；其中，S32构建的特征提取网络模型包括编码端及解码端；所述编码端包括：含有依次相连的第一～第八卷积模块组的Dense-DRN-D-54网络，与第八卷积模块组的输出相连的AIM-ASPP网络，分别与第三卷积模块组的输出及第八卷积模块组的输出相连的第一及第二卷积层，与所述AIM-ASPP网络的输出相连的第三卷积层，与所述第二卷积层相连的第一四倍上采样层，及与所述第三卷积层相连的第二四倍上采样层；其中，第一、第二、第三卷积层均为1×1卷积层；所述Dense-DRN-D-54网络为将DRN-D-54网络中第3、4、5、6个卷积模块组加上密集操作，并去掉DRN-D-54网络中8个卷积模块组后的平均池化层与全连接层得到；所述AIM-ASPP网络为在空洞空间卷积池化金字塔ASPP网络上增加集成式交互结构得到，所述集成式交互结构是指的将不同的特征图进行信息融合并将提取出的不同特征集成到一张特征图中的结构；所述解码端包括：将所述解码端得到的多个特征图进行跨层拼接融合的融合层、与所述融合层依次相连的第四卷积层及第三四倍上采样层，所述第四卷积层为3×3卷积层。

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东北林业大学，其通讯地址为：150040 黑龙江省哈尔滨市香坊区和兴路26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”。