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

龍圖騰網獲悉西安電子科技大學申請的專利水體指數與極化信息多路徑融合的遙感圖像水域分割方法、系統及設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116403121B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310375149.7，技術領域涉及：G06V20/13；該發明授權水體指數與極化信息多路徑融合的遙感圖像水域分割方法、系統及設備是由王蓉芳;張晨晨;李衛斌;慕彩紅;焦昶哲設計研發完成，并于2023-04-10向國家知識產權局提交的專利申請。

本水體指數與極化信息多路徑融合的遙感圖像水域分割方法、系統及設備在說明書摘要公布了：水體指數與極化信息多路徑融合的遙感圖像水域分割方法、系統及設備，利用多光譜圖像和SAR圖像這兩類多源遙感數據，對原始的UNet算法引入水體指數，設計多路徑多源數據融合編碼器，利用GatedChannelTransformGCT注意力機制等，以應對遙感圖像中復雜的地物環境對水域分割的不利影響，實現在較少的計算資源的前提下，提高水域分割的精度；其系統及設備用于實現水體指數與極化信息多路徑融合的遙感圖像水域分割；本發明具有計算成本低、檢測耗時短、分割精度高的優點，并能夠隨時進行迭代更新，提升模型性能。

本發明授權水體指數與極化信息多路徑融合的遙感圖像水域分割方法、系統及設備在權利要求書中公布了：1.一種水體指數與極化信息多路徑融合的遙感圖像水域分割方法，其特征在于，具體包括以下步驟： S1、從不同地區洪水事件數據集中收集同區域且時間段相近的SAR遙感衛星和多光譜遙感衛星采集的圖像； S2、對多光譜遙感衛星采集的遙感圖像進行水體指數計算： S3、構建包含水體指數和極化信息的多源遙感數據集WIPI； S4、將步驟S3中的WIPI數據集以地區為單位，自定義比例隨機劃分為訓練集、驗證集和測試集； S5、構建由無效區域屏蔽、數據歸一化、數據標準化、數據增強和隨機采樣組成的水域分割網絡的輸入處理模塊，對WIPI全數據集進行歸一化和標準化預處理，并對其中的訓練集和驗證集進行數據增強； S6、設計水體指數與極化信息多路徑融合的水域分割深度網絡模型；具體為： S601、設計水體指數與極化信息多路徑融合的遙感圖像水域分割深度網絡模型，該水域分割網絡采用卷積網絡結構，包括：一側的多路徑收縮網絡是編碼器，用于多模態特征提取；中間的跳躍連接結合GCT，用于對多路徑特征進行通道加權，將加權后的特征輸入至解碼器；解碼器處于網絡的另一側，作為擴張網絡用于恢復圖像尺寸和融合深層與淺層的特征； S602、構建包含卷積層、批歸一化層和ReLU非線性激活層的CBRConvolution-BatchNormalization-ReLU水域分割網絡模塊，編碼器中的CBR模塊，保持特征分辨率不變，通道數增加，解碼器中的CBR模塊，保持特征分辨率不變，通道數減少； S603、構建包含卷積層、批歸一化層和ReLU非線性激活層的分類器模塊，用于將特征圖的通道數降低為類別數，作為整個水域分割深度網絡模型的輸出結果； S604、基于步驟S602的CBR模塊和水域分割網絡中的最大池化層構建水域分割網絡的編碼器模塊，該模塊是將CBR模塊和最大池化層交替使用，形成一個多路徑多尺度的收縮網絡結構，該結構會對輸入的多模態數據進行多路徑逐層特征提取；編碼器模塊的每一層接收上一層的特征輸入，產生的特征輸出有兩種去向：向下輸入到最大池化層和橫向輸送到GCT模塊； S605、基于步驟S602的CBR模塊和反卷積層構建水域分割網絡的解碼器模塊，該模塊是將CBR模塊和反卷積層交替使用，形成一個多尺度深淺層特征融合的擴張網絡結構，該結構通過跳躍連接接受來自編碼器提取的多路徑特征，將來自編碼器的淺層特征與自身上一層提取的深層特征進行融合，并逐層擴大特征圖的分辨率； S606、根據SAR圖像的極化信息和水體指數的個數，在WIPI數據集上對多路徑編碼器的輸入路徑個數進行設定；SAR圖像的VV和VH兩種極化信息作為一個輸入路徑，水體指數中的NDWI和MNDWI作為一個輸入路徑，AWEInsh和LDA作為一個輸入路徑，NDVI、NDMI和AWEInsh分別經由單獨的輸入路徑輸入到網絡； S607、多路徑編碼器接收不同模態數據的輸入，并對其進行逐層次的提取特征，得到的中間特征；然后，將不同路徑但相同層的中間特征進行通道維度拼接，形成步驟S604中的編碼器模塊的每一層的輸出特征，即拼接特征Fn； S608、對多路徑編碼器的每一層輸出特征進行GCT通道注意計算，GCTn中包括三組可學習參數：α、γ、β，可為第n層拼接特征Fn的每一個通道生成一個可學習參數； S7、對水域分割模型進行訓練； S8、用步驟S5中的測試集對步驟S7中訓練得到最優模型進行測試，利用F1系數、模型參數量和模型計算量對水域分割模型的分割性能和復雜度進行評估； S9、對比不同融合結構的分割效果給出最佳融合方案。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。