Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜南京航空航天大学李俊获国家专利权

恭喜南京航空航天大学李俊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜南京航空航天大学申请的专利一种基于多尺度动态加权的遥感图像时空降尺度方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119579416B

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510135348.X,技术领域涉及:G06T3/4076;该发明授权一种基于多尺度动态加权的遥感图像时空降尺度方法及系统是由李俊;杨炎泰;贺小伟;盛庆红;王博设计研发完成,并于2025-02-07向国家知识产权局提交的专利申请。

一种基于多尺度动态加权的遥感图像时空降尺度方法及系统在说明书摘要公布了:本发明公开了一种基于多尺度动态加权的遥感图像时空降尺度方法及系统,包括如下步骤:获取目标地区中一段时间内相同日期的高空间和低空间分辨率图像,并划分为训练集和测试集;构建时空特征强化层级网络,时空特征强化层级网络包括特征提取模块、特征融合模块和特征重构模块;利用训练集训练时空特征强化层级网络,构建并计算多维时空损失函数,通过反向传播对网络内部参数进行优化,利用测试集对优化后的网络进行质量评估,保存训练好的网络;获取某一日期的高空间分辨率图像以及预测日期的低空间分辨率图像,送入训练好的网络进行降尺度处理,获得预测日期的高空间分辨率预测图像。本发明可填补部分日期缺少的高空间分辨率遥感图像。

本发明授权一种基于多尺度动态加权的遥感图像时空降尺度方法及系统在权利要求书中公布了:1.一种基于多尺度动态加权的遥感图像时空降尺度方法,其特征在于,包括以下步骤:(1)获取目标地区中一段时间内相同日期的高空间分辨率遥感图像和低空间分辨率图像,其中某一日期的高空间分辨率图像以及另一日期的低空间分辨率图像组成遥感图像对,进行预处理后与另一日期的高空间分辨率真实图像进行组合,划分为训练集和测试集;(2)构建时空特征强化层级网络,时空特征强化层级网络包括特征提取模块、特征融合模块和特征重构模块;特征提取模块包括残差模块、下采样模块和Transformer模块,遥感图像对输入特征提取模块进行特征提取,利用逐级的残差模块和下采样模块进行特征提取,再经过最后一级残差模块得到最小尺度特征图后送入Transformer模块进行特征提取,得到多尺度特征图,多尺度特征图通过特征融合模块在多个尺度上进行融合;特征融合模块中首先将输入的高分辨率图像原始特征图和低分辨率图像原始特征图按照通道数量平均拆分,表示特征图的宽度M、高度N和通道数C;拆分后的高分辨率图像特征图变为,每一个特征,其中表示第个拆分后的特征图;第一张特征图保留原始分辨率,即,第二张特征图通过最大池化进行两倍下采样,第三张进行四倍下采样,第四张执行八倍下采样,得到下采样后的特征图像;接着对四个不同维度的特征通过深度卷积进行特征提取,并通过上采样操作恢复维度至,输出多尺度特征提取部分;拆分后的低分辨率图像特征图变为,每一个特征,其中表示第个拆分后的特征图;经过与高分辨率图像特征图相同方法处理后,输出多尺度特征提取部分;随后进行通道连接,进行通道连接,再通过GELU激活函数进行规范化,最后分别与原始特征图和执行逐元素乘法,最终输出多尺度特征和;多尺度特征和在空间维度和通道维度上均依次进行全局平均池化和全局最大池化操作,再通过通道连接将和在空间维度和通道维度上的池化结果相连接,随后对空间特征进行双路2D卷积处理,通道特征通过一个共享MLP处理,最后均经过softmax函数进行激活,得到三路输出结果和,将其中二路输出结果和进行求和后与原始特征图执行逐元素乘法,另一路输出结果直接与原始特征图执行逐元素乘法,最后两路结果求和得到最终的融合结果;特征重构模块包括残差模块、上采样模块和Transformer模块,融合后的多尺度特征图输入特征重构模块,融合后的最小尺度特征图送入Transformer模块和残差模块进行特征重构,融合后其余尺度特征图利用逐级的残差模块和上采样模块进行特征重构,获得对应于另一日期的高空间分辨率预测图像;(3)利用训练集训练时空特征强化层级网络,构建并计算多维时空损失函数,通过反向传播对时空特征强化层级网络的内部参数进行优化,利用测试集对优化后的时空特征强化层级网络进行质量评估,保存训练好的时空特征强化层级网络;(4)获取目标地区中一段时间内某一日期的高空间分辨率图像以及预测日期的低空间分辨率图像,组成遥感图像对,并进行预处理;将预处理后的遥感图像对送入训练好的时空特征强化层级网络进行降尺度处理,获得预测日期的高空间分辨率预测图像。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京航空航天大学,其通讯地址为:210016 江苏省南京市秦淮区御道街29号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。