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！

龙图腾网恭喜湖南中科星图信息技术股份有限公司申请的专利一种基于深度学习算法的高分影像油菜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：CN113221997B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202110491010.X，技术领域涉及：G06V10/764；该发明授权一种基于深度学习算法的高分影像油菜提取方法是由周小群;李建辉;罗望军;俞友良;张鹏;王虎跃;周昭明设计研发完成，并于2021-05-06向国家知识产权局提交的专利申请。

本一种基于深度学习算法的高分影像油菜提取方法在说明书摘要公布了：本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期2月底‑4月中旬高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。

本发明授权一种基于深度学习算法的高分影像油菜提取方法在权利要求书中公布了：1.一种基于深度学习算法的高分影像油菜提取方法，以语义分割模型为核心，融合DRN和改进的U-Net语义分割模型，包含编码Encoder和解码Decoder两个模块，其特征在于，包括以下步骤：A、数据收集和预处理：1高分二号影像获取：获取油菜花期2月底-4月中旬高分二号影像；2高分二号影像数据预处理：将获取的高分二号影像依次进行辐射定标、正射校正、影像配准、大气校正和影像融合预处理；B、深度学习模型训练与测试：1模型训练和测试样本库建设：在经过预处理后的高分二号影像进行油菜标注，并裁剪为600×600大小的油菜样本库，随机抽取样本库中34的样本数据作为训练样本，14的样本数据作为测试样本；2深度学习模型搭建：基于Pytorch开源深度学习框架，利用Python语言编程实现融合DRN和改进的U-Net语义分割模型的搭建；3深度学习模型训练：使用He权重初始值，Adam参数优化算法，并设置批量处理文件大小BatchSize、学习速率LearningRate、遍历样本次数Epoch超参数，通过将训练样本输入模型，进行模型的自主学习；4深度学习模型测试：以F1-Score作为模型精度评定指标，若步骤3训练得到的模型对于测试样本的平均F1-Score≥90％，则跳过步骤5并保存模型；若步骤3训练得到的模型对于测试样本的平均F1-Score＜90％，则执行步骤5；5深度学习模型优化：模型优化通过增加训练样本和调整模型超参数两种方法实现：a.增加训练样本：收集更多高分二号影像，并重复步骤1-5；若收集的高分二号影像难以满足模型应用精度要求，通过数据增强方式增加训练样本，并重复步骤3-5；b.调整模型超参数：调整包括批量处理文件大小BatchSize、学习速率LearningRate、遍历样本次数Epoch在内的超参数，并重复步骤3-5；C、模型应用：1收集应用地域3-4月高分二号影像；2对收集的高分二号影像进行数据预处理；3利用感兴趣区矢量图层裁剪步骤2得到的高分二号影像；4将步骤3中得到的感兴趣区高分二号影像输入步骤B保存的深度学习模型得到油菜提取结果；在上述步骤B中的深度学习模型融合了DRN和改进的U-Net语义分割模型，实现多层语义特征的自动化提取并输出与输入影像大小一致的油菜提取结果；模型包含编码Encoder和解码Decoder两个模块：1Encoder模块参照DRN-C-26模型实现多层语义特征的提取，该模型通过改进ResNet-18模型实现，以步长为2的卷积层代替原模型的Layer0-4中池化层Pooling达到下采样效果，同时剔除Layer5和Layer6中的池化层，并引入膨胀卷积DilationConvolution达到扩大感受野的效果；此外，为消除由于膨胀卷积可能产生的条纹特征误差，增加了Layer7和Layer8两层神经网络，每层神经网络包含两个Conv-BN-Relu组合运算，其中ConvConvolution表示卷积运算；BNBatchNormalization表示批归一化处理；Relu表示Relu激活函数；2Decoder模块通过改进的U-Net语义分割模型实现，将Encoder模块Layer8输出的特征图谱进行一次上采样，并与Layer3输出的特征图谱在通道Channel维度融合，经过两次卷积后，再重复两次上采样-融合-卷积过程，最终通过2层64维3×3卷积，1层2维1×1卷积输出2个通道的预测结果分别表示油菜和背景的预测概率，并求通道维度最大值所在的维度实现油菜空间分布的提取，1表示油菜；0表示背景。

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湖南中科星图信息技术股份有限公司，其通讯地址为：410000 湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A266；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”。