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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜齊魯工業(yè)大學(山東省科學院)申請的專利基于分類和多級殘差增強的高光譜與多光譜圖像融合方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119399043B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510005236.2，技術領域涉及：G06T5/50；該發(fā)明授權基于分類和多級殘差增強的高光譜與多光譜圖像融合方法是由呂國華;徐衍龍;張保棟;高永標;趙桂新設計研發(fā)完成，并于2025-01-03向國家知識產(chǎn)權局提交的專利申請。

本基于分類和多級殘差增強的高光譜與多光譜圖像融合方法在說明書摘要公布了：本申請公開了一種基于分類和多級殘差增強的高光譜與多光譜圖像融合方法，涉及新一代信息技術領域。本申請中所述高光譜與多光譜圖像融合方法獲取的重建的高分辨率高光譜圖像較為準確，而且重建的高分辨率高光譜圖像與源圖像所對應標簽之間的偏差較少，在對圖像細節(jié)重建方面較為突出，能夠具有較高的還原精度；而且，本申請所述高光譜與多光譜圖像融合方法在對背景噪聲較多的源圖像進行融合時具有較強的魯棒性和適應性，能夠有效地抑制背景噪聲對圖像融合質(zhì)量的干擾；此外，本申請所述高光譜與多光譜圖像融合方法對不同類別的地物還具有較強的區(qū)分能力和重建精度。

本發(fā)明授權基于分類和多級殘差增強的高光譜與多光譜圖像融合方法在權利要求書中公布了：1.一種基于分類和多級殘差增強的高光譜與多光譜圖像融合方法，其特征在于：包括以下步驟：S1：分別對PaviaUniversity數(shù)據(jù)集和PaviaCenter數(shù)據(jù)集中的圖像進行預處理，獲得訓練集A和測試集；用于訓練的原始低分辨率高光譜圖像以及用于訓練的高分辨率多光譜圖像共同構成訓練集A；S2、構建基于分類引導和多級殘差增強的圖像融合網(wǎng)絡；所述基于分類引導和多級殘差增強的圖像融合網(wǎng)絡，包括上采樣模塊和通道注意力模塊以及并聯(lián)的波段嵌入模塊和空間注意力模塊，波段嵌入模塊連接第一個3×3卷積層，第一個3×3卷積層分別連接多級殘差增強模塊和分類網(wǎng)絡，分類網(wǎng)絡輸出的圖像即為分類任務的輸出結果；分類網(wǎng)絡和空間注意力模塊均與信息交互模塊連接，多級殘差增強模塊和信息交互模塊均與第一個逐元素相乘模塊連接，第一個逐元素相乘模塊與第二個3×3卷積層連接；上采樣模塊、通道注意力模塊以及波段嵌入模塊并聯(lián)，通道注意力模塊以及第二個3×3卷積層均與第二個逐元素相乘單元連接，上采樣模塊以及第二個逐元素相乘模塊均與基于注意力的多尺度融合模塊相連接，基于注意力的多尺度融合模塊的輸出圖像即為重建的高分率高光譜圖像；S3、構建基于分類引導和多級殘差增強的圖像融合網(wǎng)絡的總生成損失；S4、基于訓練集A得到訓練集B，利用訓練集B對基于分類引導和多級殘差增強的圖像融合網(wǎng)絡進行訓練，得到基于分類引導和多級殘差增強的圖像融合網(wǎng)絡模型；波段嵌入模塊的輸入數(shù)據(jù)為原始低分辨率高光譜圖像及原始高分辨率多光譜圖像，上采樣模塊、通道注意力模塊的輸入數(shù)據(jù)為原始低分辨率高光譜圖像，空間注意力模塊的輸入數(shù)據(jù)為原始高分辨率多光譜圖像；S5、將待處理低分辨率高光譜圖像和待處理高分辨率多光譜圖像輸入至訓練好的基于分類引導和多級殘差增強的圖像融合網(wǎng)絡模型中，前向傳播一次，即可得到預測的重建的高分率高光譜圖像以及分類結果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" >齊魯工業(yè)大學(山東省科學院)，其通訊地址為：250353 山東省濟南市長清區(qū)大學路3501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)”。