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！

龙图腾网获悉南京信息工程大学申请的专利一种基于双支路模型的积雪分布预测方法和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：CN120088295B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510534536.X，技术领域涉及：G06T7/30；该发明授权一种基于双支路模型的积雪分布预测方法和系统是由胡凯;张跃馨;陆闻天;翁理国;崔文杰设计研发完成，并于2025-04-27向国家知识产权局提交的专利申请。

本一种基于双支路模型的积雪分布预测方法和系统在说明书摘要公布了：本发明公开了一种基于双支路模型的积雪分布预测方法和系统，属于遥感图像处理技术领域，所述系统包括积雪数据预处理模块、积雪分布信息提取模块、频域交互模块、多模态信息融合模块、积雪分布情况预测模块。积雪数据预处理模块用于处理遥感数据，积雪分布信息提取模块用于提取多源遥感数据中与积雪相关的特征信息；频域交互模块用于对融合后的遥感数据进行频域分析；多模态信息融合模块用于整合来自不同类型传感器的多源遥感数据，将其进行深度融合；积雪分布情况预测模块用于借助多模态信息模块融合后的多源遥感数据，预测出不同时间段的积雪分布情况。

本发明授权一种基于双支路模型的积雪分布预测方法和系统在权利要求书中公布了：1.一种积雪分布预测方法，其特征在于，包括以下步骤： 步骤1，获取合成孔径雷达SAR图像和多光谱光学opt图像的遥感数据，对所述合成孔径雷达SAR图像和多光谱光学opt图像的遥感数据进行预处理，得到预处理后的合成孔径雷达SAR图像数据和多光谱光学opt图像数据； 步骤2，基于预处理后的合成孔径雷达SAR图像数据提取积雪区域图像数据； 基于预处理后的多光谱光学opt图像数据提取积雪区域图像数据； 步骤3，对所述提取积雪区域图像数据与所述积雪区域图像数据进行特征融合，得到融合后的图像特征；包括如下步骤： 步骤3.1，分别提取积雪区域图像数据与所述积雪区域图像数据的浅层特征，表示为： ； 其中，为编码器SFE，为从合成孔径雷达SAR图像中提取出的浅层特征，为从多光谱光学opt图像中提取出的浅层特征； 步骤3.2，从所述浅层特征中提取出低频基础特征，表示为： ； 其中表示BTE编码器，表示从浅层特征中提取出的低频基础特征，表示从浅层特征中提取出的低频基础特征； 步骤3.3，从所述浅层特征提取出高频细节特征，表示为： ； 其中，表示编码器DCE，表示表示从浅层特征中提取出的高频细节特征，表示表示从浅层特征中提取出的高频细节特征； 步骤3.4，将所述低频基础特征与所述高频细节特征进行融合，得到融合后的图像特征，具体如下： 步骤3.4.1，将所述积雪区域图像数据的低频基础特征和高频细节特征从时域转换到频域，以及将所述积雪区域图像数据的低频基础特征和高频细节特征从时域转换到频域，表示如下： ； ； 其中，表示二维傅里叶变换操作，和分别是光学和合成孔径雷达SAR图像的基础频域特征，和分别是光学和合成孔径雷达SAR图像的细节频域特征； 步骤3.4.2，在频域内，将多光谱光学opt图像的基础特征和合成孔径雷达SAR图像的基础特征进行融合，以及将多光谱光学opt图像的细节特征和合成孔径雷达SAR图像的细节特征进行融合，表示为： ； ； 其中，表示带通道注意力机制的融合操作，表示在频域内融合得到的基础特征，表示在频域内融合得到的细节特征； 步骤3.4.3，将频域中的融合特征和重新转换回时域，从而获得在时域中的，融合后的基础特征和融合后的细节特征； ； 其中，表示二维逆傅里叶变换操作，表示时域中融合后的基础特征，表示时域中融合后的细节特征； 步骤3.4.4，将在时域中的融合后的基础特征和融合后的细节特征输入到解码器中生成最终融合后的图像特征，表示为： ； 其中，是解码后的融合特征，表示解码器； 步骤4，基于所述融合后的图像特征，对积雪分布进行预测。

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信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。