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！

龙图腾网获悉中国人民解放军战略支援部队航天工程大学;北京理工大学申请的专利基于自适应区域分割的宽幅遥感图像语义描述方法及系统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：CN116452800B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310217822.4，技术领域涉及：G06V10/26；该发明授权基于自适应区域分割的宽幅遥感图像语义描述方法及系统是由熊伟;刘德生;简平;毛竹青;鉴萍;张钧贺设计研发完成，并于2023-03-08向国家知识产权局提交的专利申请。

本基于自适应区域分割的宽幅遥感图像语义描述方法及系统在说明书摘要公布了：本发明涉及一种基于自适应区域分割的宽幅遥感图像语义描述方法及系统，属于自然语言处理与计算机视觉的交叉应用技术领域。本发明首先对于宽幅遥感图像，分析图像语义分布特征，产生语义估计点，对语义进行聚类，并按照聚类中心分割图像，以得到目标子区域。对于目标子区域，采用一个小尺度遥感图像描述模型生成对应区域的描述，并将多个单句描述按照其聚类关系进行摘要合并，从而生成完整、清晰的最终描述。

本发明授权基于自适应区域分割的宽幅遥感图像语义描述方法及系统在权利要求书中公布了：1.基于自适应区域分割的宽幅遥感图像语义描述方法，其特征在于，包括以下步骤： 步骤1：输入宽幅遥感图像，生成待描述子区域； 步骤1.1：将图像均匀划分为多个子区域，计算每个子区域的三个颜色通道的方差，并取其均值； 步骤1.2：通过阈值截断判断输入图像是否含有明显的聚类特征； 步骤1.3：对于方差小于等于设定阈值的图像，采用固定模式分割处理；对于方差大于设定阈值的图像，先采用语义聚类的方法确定语义中心，再根据语义中心进行分割； 步骤2：对步骤1获得的目标子区域生成单句描述； 步骤2中，在编码端同时使用两种编码手段，将图像分别通过一个Resnet和FCN： v＝ResnetI3 V＝argmaxFCNI，04 其中，I∈R3*256*256，v∈R8*8*2048，FCNI∈R31*256*256，分别表示输入尺寸为256,256像素的小尺度图像、Resnet网络编码得到的图像特征、FCN得到的像素级分类输出；对每个像素选择最大可能性分类后的最终结果；argmax·，i表示取出第i维上最大的索引值；V∈R256*256，表示像素级别的分类结果；R表示实数集 在解码器端，采用一个经过改造的多尺度LSTM，相比LSTM，其额外开辟了一个记忆细胞用于存放另一种尺度图像特征，在每个时间步的计算中分别计算，并整合两个记忆细胞的值作为新的隐藏层；将Resnet得到的特征v和FCN得到的图像分类特征V同时输入多尺度LSTM； 在多尺度LSTM中，两个记忆细胞C和c分别由FCN得到的图像特征和Resnet得到的图像特征初始化，其作用是分别存储图像在两种层面上的特征： c-1＝Winit_cv+binit_c5 C-1＝Winit_CV+binit_C6 H-1＝Winit_hv+binit_h7 其中，Winit_c和binit_c表示记忆细胞c的权重矩阵与偏移量；Winit_C和binit_C表示记忆细胞C的权重矩阵与偏移量；Winit_h和binit_h表示隐藏层H的权重矩阵与偏移量； 每个时间步中两种特征相对独立进行计算，并共用一套门控信息； 步骤2.1：输入分割后的小尺度图像，使用预训练的残差网络Resnet提取图像特征，再使用全卷积神经网络FCN提取像素级分类特征； 步骤2.2：将步骤2.1得到的两种不同尺度的图像特征，输入到经过特殊改造的多尺度长短期记忆神经网络LSTM，得到对应图像的文本描述； 步骤3：对步骤2生成的单句描述整合和排序； 步骤3.1：对步骤2生成的多个单句，描述按照聚类关系进行摘要合并，得到整合后的摘要句子； 步骤3.2：对步骤3.1的摘要句子按照空间关系排序，插入相对位置的描述词汇。

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中国人民解放军战略支援部队航天工程大学;北京理工大学，其通讯地址为：101400 北京市怀柔区八一路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”。

以上内容由龙图腾AI智能生成。