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！

龙图腾网获悉西安电子科技大学申请的专利成分替换模型引导的高光谱图像深度空间光谱融合方法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：CN116883799B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310846494.4，技术领域涉及：G06V10/80；该发明授权成分替换模型引导的高光谱图像深度空间光谱融合方法是由曲家慧;丁新宇;董文倩;李云松;肖嵩设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本成分替换模型引导的高光谱图像深度空间光谱融合方法在说明书摘要公布了：成分替换模型引导的高光谱图像深度空间光谱融合方法，包括以下步骤；1获得公开的高分辨率高光谱数据X，对高分辨率高光谱数据X进行预处理以及数据集制作；2为了使模型学习高光谱图像与全色图像的融合结果与参考图像之间的非线性关系，构建成分替换算法驱动的光谱空间信息融合卷积网络，并进行训练；3为了验证训练后的模型的性能表现和泛化能力，将同场景下获得的待融合的低空间分辨率的高光谱图像和全色图像输入到训练好的网络模型中得到具有高光谱、高空间分辨率的融合图像。本发明能够减少融合过程中高光谱图像的光谱信息损失，得到同时具备高空间分辨率、高光谱分辨率的融合图像。

本发明授权成分替换模型引导的高光谱图像深度空间光谱融合方法在权利要求书中公布了：1.成分替换模型引导的高光谱图像深度空间光谱融合方法，其特征在于，包括以下步骤； 1获得公开的高分辨率高光谱数据X，对高分辨率高光谱数据X进行预处理以及数据集制作，得到全色图像训练集P和低空间分辨率的高光谱图像训练数据集H，对得到的H进行上采样得到与P同尺寸的高光谱图像 2构建成分替换算法驱动的光谱空间信息融合卷积网络，并进行训练； 3为了验证训练后的模型的性能表现和泛化能力，将同场景下获得的待融合的低空间分辨率的高光谱图像和全色图像输入到训练好的网络模型中得到具有高光谱、高空间分辨率的融合图像； 所述步骤2具体步骤为： 2.1构建空间分量提取模块，基于通道注意力机制，获得测量光谱波段与全色图像之间的光谱重叠权重向量W；之后按波段求的值并在波段维度上求和，得到高光谱图像的空间分量I； 2.2构建直方图匹配模块，共有两层卷积，每层卷积核大小为3×3；全色图像利用该模块与空间分量I进行直方图匹配以提高全色图像与替换分量之间的相关性，减少融合过程引入的光谱失真； 2.3构建自适应注入增益提取模块；令全色图像与插值高光谱图像在通道维度上进行级联，再经过两次卷积计算；利用通道注意力模块求出级联图像光谱波段的比例系数ρ；对高光谱图像求解高光谱图像的波段比例信息，使其和ρ相乘得到注入增益G； 2.4匹配后的全色图像与空间分量I相减再与注入增益G相乘得到G调节的注入空间信息Hres，高光谱图像与Hres相加经过两次卷积计算得到融合图像 2.5根据网络的输入和参考图像构建目标函数： 其中，fFusion·表示本发明提出的成分替换模型驱动的深度空谱融合网络，λ表示样本数，R表示参考图像，θ表示模型参数； 2.6训练模型并优化目标函数；将低分辨率高光谱图像和全色图像输入到光谱空间信息深度卷积网络中，利用绝对误差损失函数进行训练，并采用梯度下降法更新网络参数，当损失函数值收敛时或者训练轮次大于预先定义的数值时停止训练，得到训练好的光谱空间信息深度卷积网络，其中轮次的设置是依据估计的训练时间而定的，是固定值；训练网络模型时将学习率被设置为1×10-5。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。