買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網獲悉南京農業(yè)大學申請的專利U型自適應EST的無人機遙感圖像分割方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN115035131B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210434654.X，技術領域涉及：G06T7/11；該發(fā)明授權U型自適應EST的無人機遙感圖像分割方法及系統(tǒng)是由任守綱;顧興健;李思哲;熊迎軍;舒欣;鄭恒彪;徐煥良;趙鑫源設計研發(fā)完成，并于2022-04-24向國家知識產權局提交的專利申請。

本U型自適應EST的無人機遙感圖像分割方法及系統(tǒng)在說明書摘要公布了：一種U型自適應EST的無人機遙感圖像分割方法及系統(tǒng)，該系統(tǒng)包括特征提取單元、特征編碼器、跳躍連接模塊、卷積解碼模塊和投影模塊；所述的特征編碼器包括多階EST和對應的自適應圖像塊合并層；其中：每階EST分別包括若干個由第一EST模塊和第二EST模塊組成的EST單元，每個EST模塊均包括歸一化層LN、增強多頭自注意力模塊、殘差連接層以及多層感知機MLP。本發(fā)明基于CNN和Transformer模塊，通過層次結構實現(xiàn)全局自關注，在解碼器中，結合卷積和反卷積塊實現(xiàn)上采樣，上采樣恢復編碼器的信息，進行相應的像素級分割，能夠減少直接在原圖上進行圖像塊導致的邊緣和位置信息的丟失。

本發(fā)明授權U型自適應EST的無人機遙感圖像分割方法及系統(tǒng)在權利要求書中公布了：1.一種U型自適應EST的無人機遙感圖像分割方法，其特征在于，包括以下步驟： 步驟1：對輸入圖像進行特征提取，獲取高維特征的編碼序列； 步驟2：將所述編碼序列輸入特征編碼器進行特征提取，生成多尺度分層特征； 步驟3：通過跳躍連接模塊將特征編碼器所得的多尺度分層特征輸入卷積解碼模塊進行融合，完成特征圖的恢復，得到恢復的特征圖； 步驟4：基于恢復的特征圖進行投影，得到像素級的分割結果； 步驟1具體包括： 步驟1-1：通過殘差神經網絡ResNet50對輸入圖像進行特征提取，生成輸入圖像的高維特征圖； 步驟1-2：將高維特征圖分割為一系列非重疊的圖像塊； 步驟1-3：將圖像塊分割結果轉化為嵌入序列； 步驟1-4：將嵌入序列通過線性映射層生成一維形式的分層特征表示即編碼序列； 所述特征編碼器包括多階EST即EnhancedSwinTransformer和對應的自適應圖像塊合并層DAPM，其中，每階EST分別包括若干個EST單元；步驟2具體包括： 步驟2-1：將編碼序列輸入一階EST進行處理； 步驟2-2：將一階EST的結果輸出至對應階的跳躍連接模塊；同時，采用自適應圖像塊合并層DAPM對一階EST的結果進行下采樣，生成一階多尺度特征輸出至二階EST； 步驟2-3：二階EST對一階多尺度特征進行處理，并且將二階EST的結果輸出至對應階的跳躍連接模塊；同時，采用自適應圖像塊合并層對二階EST的結果進行下采樣，生成二階多尺度特征并輸出至三階EST； 將當前階EST的多尺度特征輸出至下一階EST，依次遍歷各階EST，生成多尺度分層特征； 步驟3具體包括：采用跳躍連接模塊，將來自特征編碼器的多尺度分層特征與卷積解碼模塊的解碼特征融合；通過線性轉換，使得特征編碼器提取的多尺度分層特征維度與卷積解碼模塊的上采樣特征維度一致，實現(xiàn)淺層和深層特征的串聯(lián)； 步驟4中，基于恢復的特征圖進行投影具體為：基于恢復的特征圖將每個通道分量特征向量映射到所需數(shù)目的類別； 步驟2-2和2-3中，自適應圖像塊合并層執(zhí)行下述步驟： 卷積分支處理，用于從對應階EST輸出的特征圖中學習偏移量，輸出至主干合并層； 主干合并層計算，用于對應階EST的特征圖下采樣，輸出至下一階EST； 所述自適應圖像塊合并層的計算公式為： 其中：p0表示輸入特征圖上的二維采樣點，xl表示經EST計算的輸入特征變量，表示擴維的特征變量，n表示感受野R中圖像塊位置的編號，w和pn表示在感受野R中的采樣權重值和位置總和，其中，poffset是從卷積分支中學習的采樣點偏移量，G是雙線性插值；q表示特征區(qū)域內所有的空間位置。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南京農業(yè)大學，其通訊地址為：210000 江蘇省南京市玄武區(qū)衛(wèi)崗1號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。