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！

龙图腾网恭喜自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院)申请的专利基于多源遥感数据增强的云雾地区农作物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：CN119559518B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202510126486.1，技术领域涉及：G06V20/10；该发明授权基于多源遥感数据增强的云雾地区农作物识别方法是由黄琼仪;郭伟;李亮;薛鹏;陈丹蕾;马丽;孙正超;张雪梅;张卓尧;王蕾;羊山鑫设计研发完成，并于2025-01-27向国家知识产权局提交的专利申请。

本基于多源遥感数据增强的云雾地区农作物识别方法在说明书摘要公布了：本发明提供了一种基于多源遥感数据增强的云雾地区农作物识别方法，属于图像处理和识别技术领域，本发明为了解决现有农作物遥感识别方法中光学影像数据在云雾地区获取困难、仅基于雷达影像或单期无云光学遥感影像的识别准确率较低等问题，引入深度学习算法，在生成对抗网络中引入三重注意力机制，实现基于时序多源遥感数据的数据增强，利用增强后的时序无云光学影像，基于农作物物候特征差异，构建深度时空特征提取网络和双分支深度神经网络，增强对农作物识别的特征提取与类型判别能力，最终实现云雾地区农作物类型的准确识别和种植面积的高效提取，对坚持集约利用资源原则、科学合理利用耕地资源、落实最严格耕地保护制度具有重要意义。

本发明授权基于多源遥感数据增强的云雾地区农作物识别方法在权利要求书中公布了：1.一种基于多源遥感数据增强的云雾地区农作物识别方法，其特征在于，包括：步骤S1、基于无云光学影像、雷达影像构建多源遥感数据增强深度学习模型并对模型进行训练；所述步骤S1进一步包括：步骤S11、针对无云光学影像，获取时相相近的雷达影像，并对所述无云光学影像和雷达影像进行配准、重采样至统一分辨率、裁剪至统一尺寸大小，得到影像样本集；步骤S12、基于引入注意力机制的生成对抗网络构建深度学习模型,模型的损失函数采用结构相似性指数、L1范数和三重注意力损失结合的损失函数；步骤S13、基于步骤S11-S12中的影像样本集和深度学习模型，进行训练得到纳什均衡的最优模型；步骤S2、将云雾区雷达影像输入到训练好的深度学习模型中，生成无云光学影像；所述步骤S2中进一步包括：步骤S21、针对受云雾干扰的原始光学影像，选取与之时相小于预设值的雷达影像作为输入源，输入步骤S1中训练得到的多源遥感数据增强模型，生成无云光学影像；步骤S22、基于原始光学影像中未受云雾干扰区数据以及生成无云光学影像数据，构建线性回归方程组，进一步增强生成的无云光学影像，计算式为： 其中，是行号，是列号，是通道类别，分别为红波段、绿波段、蓝波段、近红外波段，是原始光学影像通道中单元格（）的像素值，为通道的初始增强系数（设为1），为生成光学影像通道单元格（）的像素值，为随机误差，输入原始影像中所有未受云雾干扰区数据进行回归分析后，得到云雾区多源遥感数据增强模型，计算式为： 其中，是增强后的生成无云光学影像通道中单元格（）的像素值，为通道的增强系数，为基于雷达数据、随机噪声、深度学习最优模型生成的无云光学影像通道中单元格（）的像素值；步骤S3、基于生成的时序无云光学影像，构建深度时空特征提取网络,并提取农作物识别特征；步骤S4、构建双分支深度神经网络，输入步骤S3中提取的农作物识别特征，开展农作物类型识别和种植面积提取。

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自然资源部第六地形测量队(自然资源部地下管线勘测工程院、四川省第三测绘工程院)，其通讯地址为：610000 四川省成都市新都区新军路2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”。