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！

龍圖騰網恭喜中國海洋大學申請的專利基于異常注意力和FNO的葉綠素濃度補全方法及系統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：CN119068211B 。

龍圖騰網通過國家知識產權局官網在2025-03-25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：202411561845.8，技術領域涉及：G06V10/44；該發明授權基于異常注意力和FNO的葉綠素濃度補全方法及系統是由聶婕;左子杰;葉敏;溫琦;王鑫;聶為之設計研發完成，并于2024-11-05向國家知識產權局提交的專利申請。

本基于異常注意力和FNO的葉綠素濃度補全方法及系統在說明書摘要公布了：本發明屬于圖像補全技術領域，公開了基于異常注意力和FNO的葉綠素濃度補全方法及系統，所述系統包括空間域雙流注意力網絡和頻率域融合補全網絡，所述空間域雙流注意力網絡將周均值葉綠素濃度場、破損的葉綠素濃度場作為輸入，經過空間穩定注意力模塊和空間異常注意力模塊同時輸出空間域上的穩定特征向量、異常特征向量；頻率域融合補全網絡將空間域上的穩定特征向量、異常特征向量作為輸入，在頻率域上經過融合補全后輸出補全的葉綠素濃度場，并伴隨得到重構的周均值葉綠素濃度場、破損的葉綠素濃度場，用于進行判別訓練。通過本發明提高補全的準確性。

本發明授權基于異常注意力和FNO的葉綠素濃度補全方法及系統在權利要求書中公布了：1.基于異常注意力和FNO的葉綠素濃度補全方法，其特征在于，包括以下步驟：步驟S1、輸入數據：輸入數據包括破損的葉綠素濃度場SSTcor、周均值葉綠素濃度場SSTave：步驟S2、空間域雙流注意力處理：首先通過不同的卷積提取SSTcor的空間表征向量Embsta、Embano，提取SSTave的空間表征向量Embave，然后通過穩定注意力加強Embsta中與Embave具有相似相關性的潛在數據模式，得到空間域上的穩定特征向量同時，通過異常反注意力加強Embano中與Embave具有負相關性的潛在數據模式，得到空間域上的異常特征向量步驟S2中，空間域上的穩定特征向量的計算如下： 其中，head1，head2，...headi，...，headh表示多頭注意力機制中的第1，2，...，...i，...，h個頭，h表示頭部的總數量，Wsta表示用于拼接操作的權重矩陣，Q1、K1和V1分別代表查詢、鍵和值，和是對應的權重矩陣，dk是K1中向量的維度；其中這里的Q1和V1來自于Embsta，而K1則來自于Embave，softmax函數用于計算Q1和K1之間的相似相關性；空間域上的異常特征向量的計算如下： 其中Q2和V2來自于Embano，而K2則來自于Embave；公式5表示使用了異常反注意力ReverseAttention，其公式如下： 通過進行相似相關性取反操作；步驟S3、頻率域融合補全：對于在頻率域上使用傅里葉神經算子FNO，經過融合補全后輸出補全的葉綠素濃度場SSTrec，并伴隨得到重構的周均值葉綠素濃度場破損的葉綠素濃度場SSTrec和真實葉綠素濃度場SSTgro用判別器D2進行判別訓練，和SSTave用判別器D1進行判別訓練，和SSTcor用判別器D3進行判別訓練；其中，傅里葉神經算子FNO包括傅里葉變換、過濾層、傅里葉逆變換，步驟S3具體如下：步驟S31、獲取頻率域信息：輸入特征向量首先應用傅里葉變換將其轉換到傅里葉頻率域上，隨后使用2個相應的過濾層Rsta·；θ1、Rano·；θ2進行過濾，分別得到穩定的頻率域信息Signsta、異常的頻率域信息Signano；步驟S32、頻率域信息融合：將穩定的頻率域信息Signsta、異常的頻率域信息Signano同時輸入一層復數通道卷積，實現兩者信息在頻率域的融合，并輸出得到融合后的頻率域信息Signfus；步驟S33、葉綠素濃度場融合補全：融合后的頻率域信息Signfus經過傅里葉逆變換，從頻率域還原回空間域上，得到表征向量Embrec，然后使用2維卷積對Embrec進行非線性增強，輸出補全的葉綠素濃度場SSTrec；步驟S34、重構周均值葉綠素濃度場和破損的葉綠素濃度場穩定的頻率域信息Signsta、異常的頻率域信息Signano分別經過傅里葉逆變換和2維卷積，輸出重構的周均值葉綠素濃度場和破損的葉綠素濃度場步驟S35、判別器訓練：SSTrec和真實葉綠素濃度場SSTgro用判別器D2進行判別訓練，和SSTave用判別器D1進行判別訓練，和SSTcor用判別器D3進行判別訓練。

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中國海洋大學，其通訊地址為：266100 山東省青島市松嶺路238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”。