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！

龍圖騰網恭喜中國石油大學(華東)申請的專利基于全局感知選擇性融合的多時相遙感圖像去云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：CN119887589B 。

龍圖騰網通過國家知識產權局官網在2025-06-13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：202510362711.1，技術領域涉及：G06T5/77；該發明授權基于全局感知選擇性融合的多時相遙感圖像去云方法是由王圣杰;竇奧喆;周浩然;陳俊名;劉寶弟;劉偉鋒設計研發完成，并于2025-03-26向國家知識產權局提交的專利申請。

本基于全局感知選擇性融合的多時相遙感圖像去云方法在說明書摘要公布了：本發明公開基于全局感知選擇性融合的多時相遙感圖像去云方法，屬于圖像去云技術領域，用于圖像去云，包括將三時相有云遙感圖像輸入生成對抗網絡框架，得到輸出結果后重新輸入生成對抗網絡框架，重復循環直到得到滿足要求的無云圖像。所述生成對抗網絡框架包括生成器和判別器，生成器包括編碼器、高級特征提取模塊和解碼器，判別器輸出概率值表示圖像來源，多尺度卷積層提取圖像紋理特征，對抗損失函數優化網絡參數，對抗損失包含像素級重建損失和對抗訓練損失。本發明有效解決多時相數據融合中的時空不連續問題，在云覆蓋區域特征重建中實現地表細節保留與時序變化規律捕捉，獲得了質量較好的去云圖像。

本發明授權基于全局感知選擇性融合的多時相遙感圖像去云方法在權利要求書中公布了：1.基于全局感知選擇性融合的多時相遙感圖像去云方法，其特征在于，包括將三時相有云遙感圖像輸入生成對抗網絡框架，得到輸出結果后重新輸入生成對抗網絡框架，重復循環直到得到滿足要求的無云圖像； 所述生成對抗網絡框架包括生成器和判別器，生成器包括編碼器、高級特征提取模塊和解碼器，判別器輸出概率值表示圖像來源，多尺度卷積層提取圖像紋理特征，對抗損失函數優化網絡參數，對抗損失包含像素級重建損失和對抗訓練損失； 所述編碼器包括下采樣模塊、三重權重選擇模塊和特征融合層； 所述下采樣模塊包括三組并行的下采樣單元，每組下采樣單元包括卷積層、ReLU激活函數和批量歸一化層，通過不同步長的卷積核實現特征圖的尺寸縮減和通道數倍增； 所述三重權重選擇模塊包括三個并行處理分支和動態權重生成器； 三重權重選擇模塊的輸入特征的尺寸為，為通道數，為高度，為寬度； 將輸入第一個處理分支，通過第一旋轉層后，的尺寸為，經過空間注意力層，再通過第二旋轉層后，的尺寸為； 將輸入第二處理分支，經過空間注意力層； 將輸入第三個處理分支，通過第一旋轉層后，的尺寸為，經過空間注意力層，再通過第二旋轉層后，的尺寸為； 對三個處理分支的結果分別通過全局池化、平均池化、卷積層生成三個權重圖，得到每個處理分支的特征圖中的重要部分，對輸入特征進行加權后恢復原始維度； 動態權重生成器包括第一特征變換層、第二特征壓縮層和權重預測層； 第一特征變換層采用3×3卷積核，步長1，輸出通道數擴展至輸入特征的32倍，通過ReLU激活函數進行非線性映射； 第二特征壓縮層通過3×3卷積核實現空間特征聚合，輸出通道數縮減至16倍，并連接ReLU激活函數強化特征稀疏性； 權重預測層使用1×1卷積核將通道數壓縮至3，經過Softmax激活函數后生成原始特征圖的三維權重系數； 解碼器包括兩個ReSwin階段，每個ReSwin階段包括ReLN歸一化層和可變模塊； 所述ReLN歸一化層包括三條分支，所述三條分支對應三個輸出，第一分支包括均值層、點卷積層，形成第一輸出，第二分支包括方差層、點卷積層，形成第二輸出，中央分支包括層歸一化，層歸一化的輸出與第一輸出結合，然后與第二輸出進行特征融合得到中央輸出； 解碼器的輸入特征依次輸入至ReLN歸一化層，產生三個輸出，中央輸出進入可變模塊，第二輸出與可變模塊的輸出結合，然后與第一輸出進行特征融合，最后輸出； 第一個ReSwin階段的可變模塊為窗口化多頭自注意力單元W-MSA，第二個ReSwin階段的可變模塊為多層感知機MLP。

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石油大學(華東)，其通訊地址為：266590 山東省青島市黃島區長江西路66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”。