買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜吉林農(nóng)業(yè)大學(xué)申請(qǐng)的專利一種基于Mamba的遙感圖像作物分類方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119418141B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510024531.2，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于Mamba的遙感圖像作物分類方法是由陳紅兵;馮一哲;王坤;廖明瑞;翟浩廷;李臣爽;溫長(zhǎng)吉;張宇博設(shè)計(jì)研發(fā)完成，并于2025-01-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于Mamba的遙感圖像作物分類方法在說明書摘要公布了：本發(fā)明屬于圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其為一種基于Mamba的遙感圖像作物分類方法。該方法包括輸入層、預(yù)處理模塊、ENVI嵌入模塊、3D卷積層、EMA通道注意力模塊、MambaBlock模塊、UperNet解碼器和輸出層，MambaBlock通過獨(dú)特的結(jié)構(gòu)設(shè)計(jì)實(shí)現(xiàn)了高效的特征提取和信息融合，NDVI嵌入模塊通過獨(dú)特的算法設(shè)計(jì)將NDVI信息融入圖像，提高了模型的分類精度和計(jì)算效率。本發(fā)明不僅提高了作物分類的精度，還優(yōu)化了模型的計(jì)算效率，適合大規(guī)模遙感圖像處理任務(wù)，具有重要的應(yīng)用價(jià)值。

本發(fā)明授權(quán)一種基于Mamba的遙感圖像作物分類方法在權(quán)利要求書中公布了：1.一種基于Mamba的遙感圖像作物分類方法，其特征在于：包括以下步驟：S1：使用包含紅色通道和近紅外通道、分辨率高于20米的多光譜遙感影像，使用ENVI軟件為圖像標(biāo)注作物信息，然后切割為邊長(zhǎng)為128像素的方形小塊；S2：構(gòu)建MambaBlock模塊，該模塊使用Mamba提取語義特征，使用卷積輔助提取局部特征；S3：構(gòu)建基于Mamba的遙感圖像作物分類模型，使用NDVI信息弱化非耕地特征，使用EMA通道注意力模塊捕獲通道間的依賴關(guān)系，使用三個(gè)MambaBlock模塊分別和三個(gè)EMA通道注意力模塊殘差鏈接，每對(duì)殘差的輸出分別進(jìn)入下一模塊和UperNet解碼頭；S4：UperNet解碼頭利用所得三個(gè)層次的特征基于語義分割方法進(jìn)行作物分類；所述基于Mamba的遙感圖像作物分類模型包括模型結(jié)構(gòu)：輸入層，用于接收遙感圖像；預(yù)處理模塊，用于對(duì)輸入圖像進(jìn)行標(biāo)準(zhǔn)化處理；NDVI嵌入模塊，用于嵌入NDVI信息，抑制非耕地像素；3D卷積層，采用三維卷積操作初步提取圖像的局部特征和通道特征；EMA通道注意力模塊，通過指數(shù)移動(dòng)平均EMA機(jī)制加強(qiáng)不同通道之間的信息交流，提高模型對(duì)關(guān)鍵特征的感知能力，用于捕獲通道間依賴關(guān)系，增強(qiáng)不同通道間的信息交互；MambaBlock模塊，MambaBlock通過獨(dú)特的結(jié)構(gòu)設(shè)計(jì)實(shí)現(xiàn)了高效的特征提取和信息融合；UperNet解碼器，該解碼器負(fù)責(zé)將高級(jí)語義信息與低級(jí)細(xì)節(jié)信息結(jié)合，生成最終的分類結(jié)果；輸出層，輸出分類結(jié)果，用于標(biāo)識(shí)圖像中的耕地區(qū)域；所述預(yù)處理模塊包括：標(biāo)準(zhǔn)化單元，用于對(duì)輸入圖像進(jìn)行標(biāo)準(zhǔn)化處理；裁剪單元，用于對(duì)圖像進(jìn)行裁剪，以適應(yīng)模型128×128像素的輸入尺寸；所述3D卷積層卷積核大小為3×3×3；所述基于Mamba的遙感圖像作物分類模型首先由輸入層接收?qǐng)D像，由預(yù)處理模塊進(jìn)行標(biāo)準(zhǔn)化處理并進(jìn)行裁剪，確保輸入模型的圖像符合要求；標(biāo)準(zhǔn)化后的圖像進(jìn)入NDVI嵌入模塊融合NDVI信息，然后進(jìn)入3D卷積層初步提取通道和局部信息；3D卷積層的輸出進(jìn)入EMA通道注意力模塊捕獲通道間的特征，此后，以此進(jìn)入三對(duì)MambaBlock模塊與EMA通道注意力模塊的殘差連接，前兩個(gè)殘差連接的輸出分別進(jìn)入下一對(duì)殘差塊和UperNet解碼頭，第三個(gè)殘差連接的輸出進(jìn)入U(xiǎn)perNet解碼頭；UperNet解碼頭根據(jù)三種不同尺度的特征圖使用語義分割技術(shù)得出分類結(jié)果；所述NDVI嵌入模塊首先根據(jù)紅通道和近紅外通道計(jì)算NDVI矩陣，其中NIR代表近紅外通道，R代表紅通道，NDVI代表計(jì)算所得NDVI矩陣： ；隨后將該矩陣由[-1,1]歸一化至[0,1]區(qū)間內(nèi)，其中代表歸一化后的矩陣： ；然后將所得歸一化矩陣提升對(duì)比度，其中代表提升對(duì)比度后的矩陣： ；最后將所得提升對(duì)比度后的矩陣與輸入逐元素相乘，再將相乘后的矩陣與輸入相加得出嵌入輸出，其中OUT代表最終輸出的結(jié)果，代表全部輸入，為一個(gè)大于0的任意常數(shù)，用以修正原始輸入的參與量，的默認(rèn)值為0.6： 。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人吉林農(nóng)業(yè)大學(xué)，其通訊地址為：130118 吉林省長(zhǎng)春市南關(guān)區(qū)新城大街2888號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。