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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江大學(xué)申請的專利一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116739911B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06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?zhí)?專利號為：202310422287.6，技術(shù)領(lǐng)域涉及：G06T5/73；該發(fā)明授權(quán)一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法是由馮天;張微;張煥庭;馬夢婷設(shè)計研發(fā)完成，并于2023-04-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法在說明書摘要公布了：本發(fā)明公開了一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法。本發(fā)明在全色銳化任務(wù)中引入SwinTransformer方法并將其與CNN方法相結(jié)合，分別提取圖像的深特征和淺特征，將得到的特征拼接后進行圖像重建。與傳統(tǒng)的基于Transformer的方法相比，在保留了模型對圖像全局特征的提取能力的同時加強了對局部特征的關(guān)注。SwinTransformer的局部注意力和移位窗口機制帶來了更好的非線性紋理特征，進一步提高對局部特征的提取能力，SwinTransformer和CNN相結(jié)合的創(chuàng)新過程解決了遙感圖像全色銳化當(dāng)前關(guān)注全局特征而忽略局部特征的尷尬，在WorldView?3和GaoFen?2數(shù)據(jù)集上的實驗驗證了我們的模型能夠提高遙感圖像全色銳化的性能。

本發(fā)明授權(quán)一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法在權(quán)利要求書中公布了：1.一種基于SwinTransformer和CNN融合的遙感圖像全色銳化方法，其特征在于：將待全色銳化的全色圖像和多光譜圖像輸入全色銳化模型中，且所述全色銳化模型包括第一特征提取路徑、第二特征提取路徑和圖像重建模塊，全色圖像和多光譜圖像分別作為第一特征提取路徑和第二特征提取路徑的輸入圖像，兩個輸入圖像在各自的特征提取路徑中分別經(jīng)過基于CNN的淺特征提取模塊和基于SwinTransformer的深特征提取模塊進行淺層特征提取和深層特征提取，最后將第二特征提取路徑中提取到的深層特征和淺層特征經(jīng)過殘差連接融合后再與第一特征提取路徑中提取到的深層特征在通道維度上進行拼接，拼接特征輸入圖像重建模塊中進行圖像的重建；兩條特征提取路徑中的淺特征提取模塊均為一組卷積模塊級聯(lián)而成的CNN卷積網(wǎng)絡(luò)；所述第一特征提取路徑中的深特征提取模塊由兩組STB模塊級聯(lián)而成，且每一組STB模塊的前端帶有PM模塊，PM模塊用于對每一組STB模塊的輸入進行PatchMerging操作；所述第二特征提取路徑中的深特征提取模塊由兩組STB模塊級聯(lián)而成；兩條特征提取路徑中的每一組STB模塊均由一個第一STB模塊和一個第二STB模塊級聯(lián)而成；所述第一STB模塊以前端級聯(lián)模塊輸出的淺層特征圖作為輸入，每個輸入的淺層特征圖經(jīng)過層歸一化后按照固定尺寸的劃分窗口分割為不重合的局部窗口塊，對于每一個局部窗口塊再通過跨窗口共享的線性投影矩陣進行編碼并得到每個局部窗口的特征向量，接著以各局部窗口的特征向量作為多頭注意力層中多頭注意力機制的查詢Query、值Value和鍵Key并通過注意力融合得到注意力圖，將注意力圖與輸入的淺層特征圖進行殘差連接后得到中間特征圖，再將中間特征圖經(jīng)過層歸一化和線性分類器后的結(jié)果與中間特征圖殘差連接，得到第一STB模塊的輸出特征；所述第二STB模塊以前端級聯(lián)的第一STB模塊的輸出特征作為輸入特征，第二STB模塊通過在第一STB模塊的多頭注意力層之前增加窗口移位操作；兩條特征提取路徑中均以第二組STB模塊中第二STB模塊的輸出特征作為深特征提取模塊提取到的深層特征；所述圖像重建模塊中對輸入的拼接特征進行多次卷積和上采樣，得到最終的全色銳化結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號；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)”。