買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜自然資源部第六地形測量隊(自然資源部地下管線勘測工程院、四川省第三測繪工程院)申請的專利基于多源遙感數據增強的云霧地區農作物識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119559518B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510126486.1，技術領域涉及：G06V20/10；該發明授權基于多源遙感數據增強的云霧地區農作物識別方法是由黃瓊儀;郭偉;李亮;薛鵬;陳丹蕾;馬麗;孫正超;張雪梅;張卓堯;王蕾;羊山鑫設計研發完成，并于2025-01-27向國家知識產權局提交的專利申請。

本基于多源遙感數據增強的云霧地區農作物識別方法在說明書摘要公布了：本發明提供了一種基于多源遙感數據增強的云霧地區農作物識別方法，屬于圖像處理和識別技術領域，本發明為了解決現有農作物遙感識別方法中光學影像數據在云霧地區獲取困難、僅基于雷達影像或單期無云光學遙感影像的識別準確率較低等問題，引入深度學習算法，在生成對抗網絡中引入三重注意力機制，實現基于時序多源遙感數據的數據增強，利用增強后的時序無云光學影像，基于農作物物候特征差異，構建深度時空特征提取網絡和雙分支深度神經網絡，增強對農作物識別的特征提取與類型判別能力，最終實現云霧地區農作物類型的準確識別和種植面積的高效提取，對堅持集約利用資源原則、科學合理利用耕地資源、落實最嚴格耕地保護制度具有重要意義。

本發明授權基于多源遙感數據增強的云霧地區農作物識別方法在權利要求書中公布了：1.一種基于多源遙感數據增強的云霧地區農作物識別方法，其特征在于，包括：步驟S1、基于無云光學影像、雷達影像構建多源遙感數據增強深度學習模型并對模型進行訓練；所述步驟S1進一步包括：步驟S11、針對無云光學影像，獲取時相相近的雷達影像，并對所述無云光學影像和雷達影像進行配準、重采樣至統一分辨率、裁剪至統一尺寸大小，得到影像樣本集；步驟S12、基于引入注意力機制的生成對抗網絡構建深度學習模型,模型的損失函數采用結構相似性指數、L1范數和三重注意力損失結合的損失函數；步驟S13、基于步驟S11-S12中的影像樣本集和深度學習模型，進行訓練得到納什均衡的最優模型；步驟S2、將云霧區雷達影像輸入到訓練好的深度學習模型中，生成無云光學影像；所述步驟S2中進一步包括：步驟S21、針對受云霧干擾的原始光學影像，選取與之時相小于預設值的雷達影像作為輸入源，輸入步驟S1中訓練得到的多源遙感數據增強模型，生成無云光學影像；步驟S22、基于原始光學影像中未受云霧干擾區數據以及生成無云光學影像數據，構建線性回歸方程組，進一步增強生成的無云光學影像，計算式為： 其中，是行號，是列號，是通道類別，分別為紅波段、綠波段、藍波段、近紅外波段，是原始光學影像通道中單元格（）的像素值，為通道的初始增強系數（設為1），為生成光學影像通道單元格（）的像素值，為隨機誤差，輸入原始影像中所有未受云霧干擾區數據進行回歸分析后，得到云霧區多源遙感數據增強模型，計算式為： 其中，是增強后的生成無云光學影像通道中單元格（）的像素值，為通道的增強系數，為基于雷達數據、隨機噪聲、深度學習最優模型生成的無云光學影像通道中單元格（）的像素值；步驟S3、基于生成的時序無云光學影像，構建深度時空特征提取網絡,并提取農作物識別特征；步驟S4、構建雙分支深度神經網絡，輸入步驟S3中提取的農作物識別特征，開展農作物類型識別和種植面積提取。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人自然資源部第六地形測量隊(自然資源部地下管線勘測工程院、四川省第三測繪工程院)，其通訊地址為：610000 四川省成都市新都區新軍路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。