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！

龙图腾网恭喜南京信息工程大学申请的专利基于遥感影像和深度学习超分算法的湿地精细化制图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：CN119399314B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411977076.X，技术领域涉及：G06T11/20；该发明授权基于遥感影像和深度学习超分算法的湿地精细化制图方法是由王国杰;王静静;王密;魏锡坤;张云霞;张鹏设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于遥感影像和深度学习超分算法的湿地精细化制图方法在说明书摘要公布了：本发明公开了一种基于遥感影像和深度学习超分算法的湿地精细化制图方法，首先，获取研究区高、低分辨率遥感影像，对其预处理后，将高分辨率湿地样本与低分辨率影像配对，得到高分辨率湿地数据集；其次，获取土地覆盖数据并提取湿地信息得到低分辨率湿地数据集；然后，将低、高分辨率湿地数据集输入基于卷积块注意力模块的卷积变换超分网络重建特征，并利用基于Scharr卷积和快速傅里叶卷积的U‑Net架构进行分割；接着，针对湿地制图任务，设计三种损失函数的加权损失函数，从图像细节、时序和图像一致性提高湿地制图精度；最后，经评估选最优模型用于湿地精细化制图，从而提升湿地精细化制图精度，为各领域的湿地研究提供有力支持。

本发明授权基于遥感影像和深度学习超分算法的湿地精细化制图方法在权利要求书中公布了：1.一种基于遥感影像和深度学习超分算法的湿地精细化制图方法，其特征在于：包括以下步骤：S1、获取研究区域空间分辨率在1m及以下的高分辨率遥感影像、空间分辨率在1m以上的低分辨率遥感影像以及土地覆盖数据集，对高分辨率遥感影像进行辐射校正，对低分辨率遥感影像进行大气校正，得到研究区高分辨率遥感影像数据与低分辨率遥感影像数据；提取土地覆盖数据集中的湿地信息，与低分辨率遥感影像配准，生成低分辨率湿地数据集LR_LR；S2、根据高分辨率遥感影像数据，结合研究区地理环境特征进行目视解译，对湿地区域进行标注，生成高分辨率湿地样本；S3、将高分辨率湿地样本与低分辨率遥感影像配对生成高分辨率湿地数据集LR_HR，并将该高分辨率湿地数据集LR_HR划分为LR_HR训练集和LR_HR验证集；S4、构建湿地精细化制图模型，湿地精细化制图模型包括超分模块和语义分割模块，超分模块设为基于卷积块注意力模块的卷积变换超分网络，语义分割模块设为基于Scharr卷积和快速傅里叶卷积的U-Net架构；将低分辨率湿地数据集LR_LR与LR_HR训练集输入基于卷积块注意力模块的卷积变换超分网络，通过卷积层进行浅层特征提取、深层特征提取和图像特征重建，实现影像特征维度扩展，将低分辨率遥感影像提升为高分辨率遥感影像；S5、使用基于Scharr卷积和快速傅里叶卷积的U-Net架构对上一步骤中得到的超分特征进行语义分割，生成高分辨率湿地预测置信度图；并对低分辨率湿地数据集LR_LR的分割结果添加平均池化层，生成低分辨率湿地预测置信度图；S6、对高分辨率湿地预测置信度图计算高分辨率损失，利用低分辨率湿地预测置信度图计算空间泛化损失，通过同一位置的时间表示相似性来计算时间对比损失；S7、将上一步骤中的三种损失加权组合得到总损失函数，更新湿地精细化制图模型参数，形成时空感知学习，并通过LR_HR验证集评估湿地精细化制图模型，选取最佳评估指标对应的湿地精细化制图模型作为最优模型；S8、将上一步骤中训练得到的最优模型应用于新的低分辨率遥感影像，以扩展方式进行湿地精细化制图；步骤S6中，计算高分辨率损失具体包括以下部分步骤：S6.1、计算交叉熵损失，公式如下： 式中，表示由基于Scharr卷积和快速傅里叶卷积的U-Net架构生成的高分辨率湿地预测置信度图，Ph表示真实的高分辨率湿地标签图；S6.2、计算FocalTversky损失，公式如下： 式中，α和β表示用于控制假阳性和假阴性之间的权重；λ表示焦点参数，用于调节困难样本的权重；ε为常数；S6.3、高分辨率损失表示为交叉熵损失和FocalTversky损失的加权和： 式中，γ表示用于控制交叉熵损失和FocalTversky损失相对权重的权重因子，Lce表示交叉熵损失值，Lft表示FocalTversky损失值，LHR表示高分辨率损失值；步骤S6中，空间泛化损失通过Kullback-Leibler散度进行解释，公式为： 式中，LSG表示空间泛化损失，DKLP‖Q表示Kullback-Leibler散度，Px表示从LR_HR训练集中统计得到的分布，Qx表示湿地精细化制图模型根据预测结果计算得到的分布，x表示随机变量的取值，μ和σ分别表示从LR_HR训练集中统计得到的均值和标准差，和分别表示湿地精细化制图模型根据计算得到的均值和标准差，表示湿地精细化制图模型基于低分辨率湿地数据集LR_LR构建的低分辨率特征图Pl与低分辨率特征图的预测结果计算得到的交叉熵损失。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。