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！

龙图腾网恭喜成都理工大学申请的专利一种基于多源遥感影像融合的滑坡识别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：CN119251688B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411764335.0，技术领域涉及：G06V20/10；该发明授权一种基于多源遥感影像融合的滑坡识别方法是由范宣梅;方成勇;王欣;戴岚欣;王文松设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于多源遥感影像融合的滑坡识别方法在说明书摘要公布了：本发明公开了一种基于多源遥感影像融合的滑坡识别方法，涉及遥感影像图像处理技术领域，该方法包括：选取多源遥感影像，构建矢量化标签，并通过矢量化标签获取二进制标签数据；利用滑动窗口裁剪多源遥感影像与二进制标签数据，并运用计算机视觉增强技术处理多源遥感影像与二进制标签数据；基于MiT架构，构建滑坡智能识别模型；利用忽略边缘预测方法实施预测，并根据预测结果获取多源遥感影像识别结果；根据多源遥感影像识别结果定义地理空间坐标，并执行二进制标签矢量化，得到山体滑坡矢量标签。本发明不仅可以更好地捕捉山体滑坡的细节和形状特征，还能够显著提高滑坡智能识别模型对于不同地形和地貌条件下的滑坡的识别能力。

本发明授权一种基于多源遥感影像融合的滑坡识别方法在权利要求书中公布了：1.一种基于多源遥感影像融合的滑坡识别方法，其特征在于，该基于多源遥感影像融合的滑坡识别方法包括以下步骤：S1、选取多源遥感影像，构建矢量化标签，并通过矢量化标签获取二进制标签数据；S2、利用滑动窗口裁剪多源遥感影像与二进制标签数据，并运用计算机视觉增强技术处理多源遥感影像与二进制标签数据，得到数据集；S3、基于MiT架构，构建滑坡智能识别模型，根据得到的数据集对滑坡智能识别模型进行训练；S4、基于训练后的滑坡智能识别模型，利用忽略边缘预测方法实施预测，并根据预测结果获取多源遥感影像识别结果；S5、根据多源遥感影像识别结果定义地理空间坐标，并执行二进制标签矢量化，得到山体滑坡矢量标签；所述基于MiT架构，构建滑坡智能识别模型，根据得到的数据集对滑坡智能识别模型进行训练包括以下步骤：S31、基于MiT架构，使用全局归一化方法构建GRN归一化模型；S32、基于构建的GRN归一化模型，将MiT-B4架构作为骨干网络，构建LDGFormer算法；S33、根据构建的LDGFormer算法，使用Cross-Entropy损失函数和adamW优化器，构建滑坡智能识别模型；S34、基于得到的数据集，对滑坡智能识别模型进行训练；所述全局归一化方法的计算公式为： , , ,式中，表示为归一化特征； 表示为第个矩阵的归一化特征； 表示为矩阵集； 表示为一维空间中的矩阵集； 表示为三维空间中的矩阵集； 表示为附属于矩阵集的独立矩阵； 表示为矩阵的高； 表示为矩阵的宽； 表示为矩阵的长； 表示为第个通道的特征； 表示为第个矩阵的归一化特征； 表示为正则化的第个通道； 表示为矩阵集中第个矩阵； 表示为矩阵集中第个矩阵； 表示为矩阵集中第个矩阵； 表示为最终输出的矩阵； 表示为防止除0的参数； 表示为防止除0的参数；所述基于构建的GRN归一化模型，将MiT-B4架构作为骨干网络，构建LDGFormer算法包括以下步骤：S321、通过MiT-B4架构将多源遥感影像划分为若干图像块；S322、使用MiT-B4架构处理若干图像块，获取MiT-B4架构与图像块之间的信息交互；S323、将若干图像块之间进行信息交换，并提取图像特征；S324、将图像特征映射到类别分布概率上，进行分类预测；S325、结合构建的GRN归一化模型，构建LDGFormer算法；所述Cross-Entropy损失函数的公式为： ,式中，表示损失函数； 表示样本数量； 表示从属于样本的真实标签值； 表示从属于样本的预测标签值； 表示自然数。

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成都理工大学，其通讯地址为：610059 四川省成都市二仙桥东三路1号；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”。