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！

龍圖騰網獲悉西安理工大學申請的專利基于深度學習的高空航拍圖像道路識別方法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：CN119131577B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202411134998.4，技術領域涉及：G06V20/10；該發明授權基于深度學習的高空航拍圖像道路識別方法是由李文斌;曹霆;孫晗;劉晟;張欣榮;趙鄭營;常淑曉設計研發完成，并于2024-08-19向國家知識產權局提交的專利申請。

本基于深度學習的高空航拍圖像道路識別方法在說明書摘要公布了：本發明公開了基于深度學習的高空航拍圖像道路識別方法，步驟是：步驟1，多源數據采集；步驟2，高空航拍圖像增強；步驟3，對采集到的車輛軌跡數據進行特征提取和柵格化處理；步驟4，在U2Net網絡的編碼器后添加SimAM注意力機制模塊，搭建出改進后的U2Net網絡，分別得到高空航拍圖像和軌跡柵格圖像對應的道路預測圖像；步驟5，將步驟4得到的軌跡柵格圖像和高空航拍圖像對應的道路預測圖像采用像素級加權組合方式進行融合，得到合并后的道路識別預測結果。本發明屬于視覺和遙感圖像處理技術領域，解決了現有技術在應對復雜背景和多樣化地物特征時，多源數據融合不夠，識別準確性不足的問題。

本發明授權基于深度學習的高空航拍圖像道路識別方法在權利要求書中公布了：1.基于深度學習的高空航拍圖像道路識別方法，其特征在于，按照以下步驟實施： 步驟1，多源數據采集， 采集的數據分別包含車輛軌跡數據和高空航拍數據，其中，車輛軌跡數據來自車輛的GPS記錄，高空航拍數據包括高分辨率的可見光圖像； 步驟2，高空航拍圖像增強，采用分數階微積分圖像增強方法對高空航拍圖像數據進行增強， 2.1）判斷圖像是否是灰度圖，如果不是灰度圖，則將圖像轉化為灰度圖； 2.2）找到待增強圖像的主方向，確定主方向的加權倍數； 2.3）根據待增強圖像主方向的加權倍數，對分數階模板作相應的修改； 2.4）將新的分數階模板應用在待增強圖像上，得到增強后的結果圖像； 步驟3，對采集到的車輛軌跡數據進行特征提取和柵格化處理， 3.1）將車輛軌跡數據格式化為標準形式，對標準形式的軌跡數據進行濾波、去噪處理，車輛軌跡數據的表達式為： 其中，表示軌跡數據中的一個軌跡點，k=1,2,3,…,n，其屬性由車輛編號、采集時間、經度坐標、緯度坐標、采集時行駛速度和行駛方向組成； 3.2）計算獲取車輛軌跡數據的特征，包括速度、方向、密度、平均速度、速度的標準差； 3.3）使用柵格化方法，根據軌跡數據的特征將離散的軌跡點數據轉換為作為神經網絡輸入的灰度圖像數據，采用函數表示數字圖像，表示坐標處圖像的灰度，將經緯度坐標轉換為數字圖像坐標，如下式所示： 其中，floor是向下取整函數，代表最小經度值，代表最大緯度值；表示1經度對應的像素個數，代表1緯度對應的像素個數； 步驟4，在U2Net網絡的編碼器后添加SimAM注意力機制模塊，搭建出改進后的U2Net網絡，分別得到高空航拍圖像和軌跡柵格圖像對應的道路預測圖像， 4.1）搭建U2Net網絡，使用U2Net網絡獲取高空航拍數據特征信息，殘差U塊在不降低特征圖分辨率的情況下捕獲多尺度信息，在U2Net網絡的編碼器中的第5層、第6層和U2Net網絡的解碼器中的第5層階段使用殘差U塊的擴張模式，用擴張卷積代替池化和上采樣操作，得到具有四個特征級別的殘差U塊，使得殘差U塊的所有中間特征圖與其輸入特征圖具有相同的分辨率； 4.2）在U2Net網絡的編碼器后加入SimAM注意力機制模塊，SimAM注意力機制模塊直接從神經元中推斷3-D權重，即同時考慮空間和通道維度，對神經元進行細化，通過定義能量函數推導出一個封閉形式的解來推斷出有效的3-D權重，每個神經元的能量函數定義如下： 式中，和是和的線性變換，是輸入特征的單個通道中的目標神經元，是輸入特征的單個通道中的其他神經元；是空間維度上的索引，是該通道上的神經元數量，和是變換的權重和偏置，式中所有值都是標量，得到改進后的U2Net網絡； 4.3）將步驟2增強后的高空航拍圖像和軌跡柵格圖像分別輸入到改進后的U2Net網絡中，分別得到高空航拍圖像和軌跡柵格圖像對應的道路預測圖像； 步驟5，將步驟4得到的軌跡柵格圖像和高空航拍圖像對應的道路預測圖像采用像素級加權組合方式進行融合，得到合并后的道路識別預測結果。

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理工大學，其通訊地址為：710048 陜西省西安市碑林區金花南路5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”。