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！

龍圖騰網獲悉中國科學院地理科學與資源研究所申請的專利一種基于深度學習的多源遙感影像水體識別方法及系統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：CN120411791B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510884807.4，技術領域涉及：G06V20/10；該發明授權一種基于深度學習的多源遙感影像水體識別方法及系統是由趙娜設計研發完成，并于2025-06-30向國家知識產權局提交的專利申請。

本一種基于深度學習的多源遙感影像水體識別方法及系統在說明書摘要公布了：本發明公開了一種基于深度學習的多源遙感影像水體識別方法及系統，包括對水體雷達影像進行地形校正獲得水體雷達矯正影像，對所述水體雷達校正影像和水體光學影像進行圖像配準和影像劃分獲得水體優化影像，將所述水體優化影像分別輸入雙分支特征提取模型和深度特征提取模型獲得水體表征特征和水體深度特征，將所述水體表征特征和所述水體深度特征進行時序特征融合獲得水體多源遙感特征并構建水體識別模型，將待識別水域水體多源遙感影像輸入所述水體識別模型獲得水體識別結果。該方法不僅可以提高多源遙感影像水體識別的效率和準確性，同時具有較好的可解釋性，可以直接應用于多源遙感影像水體識別系統中。

本發明授權一種基于深度學習的多源遙感影像水體識別方法及系統在權利要求書中公布了：1.一種基于深度學習的多源遙感影像水體識別方法，其特征在于，包括以下步驟： S1、獲取水體多源遙感標注影像，對所述水體多源遙感標注影像進行圖像預處理；所述水體多源遙感標注影像包括水體雷達影像、水體光學影像和水體標注信息； S2、對所述水體雷達影像進行地形校正獲得水體雷達校正影像，對所述水體雷達校正影像和所述水體光學影像進行圖像配準，根據所述圖像配準結果進行影像劃分獲得水體優化影像；所述影像劃分包括邊界優化和區域優化； S3、將所述水體優化影像輸入雙分支特征提取模型獲得水體表征特征，將所述水體優化影像輸入深度特征提取模型獲得水體深度特征； S4、將所述水體表征特征和所述水體深度特征進行時序特征融合獲得水體多源遙感特征，采用所述水體多源遙感特征和所述水體標注信息構建水體識別模型； S5、將待識別水域水體多源遙感影像輸入所述水體識別模型獲得水體識別結果； 所述獲得水體深度特征的方法，包括： 將水體優化影像輸入深度特征提取模型獲得水體深度特征；所述水體深度特征包括光譜特征、時變特征和上下文特征； 所述深度特征提取模型包括骨干網絡、多模態解纏融合模塊、時空遞歸融合模塊和全連接層； 所述骨干網絡用于提取水體優化影像的基礎光譜-空間特征輸入到多模態解纏融合模塊，包括雷達分支和光學分支； 多模態解纏融合模塊對水體優化影像進行解纏融合獲得上下文特征，包括特征解纏單元、域對抗學習單元和自適應門控融合單元；所述特征解纏單元通過解耦編碼器分離水體優化影像的共有特征和模態私有特征；所述域對抗學習單元通過梯度反轉層和域分類器提取水體優化影像的域不變特征；所述自適應門控融合單元通過門控權重融合共有特征與域不變特征輸出融合特征； 所述特征解纏單元采用解纏損失函數調整模型的精確度，表達式為： 其中為解纏損失函數，為域判別器，用于區分來自域不變特征還是私有特征，為解碼器，用于將共有特征和私有特征組合后重建原始特征，為計算互信息的樣本數量，為給定私有特征條件下共有特征的概率密度，為共有特征的邊緣概率密度； 所述時空遞歸融合模塊通過時態卷積塊和空間-時序LSTM處理多時相序列獲得時變特征；所述時變特征與季節性水位變化相關； 全連接層與骨干網絡、多模態解纏融合模塊、時空遞歸融合模塊連接，并輸出水體深度特征。

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中國科學院地理科學與資源研究所，其通訊地址為：100101 北京市朝陽區大屯路甲11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”。