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！

龙图腾网获悉南京大学申请的专利一种基于稠密残差的深度学习模型遥感图像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：CN120410890B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510907039.X，技术领域涉及：G06T5/50；该发明授权一种基于稠密残差的深度学习模型遥感图像融合方法是由赵书河;马晶晶;段思宁;董权毅;谢航船;王凯;李张南设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本一种基于稠密残差的深度学习模型遥感图像融合方法在说明书摘要公布了：本发明公开了一种基于稠密残差的深度学习模型遥感图像融合方法，属于图像融合领域，包括获取高分六号遥感影像训练数据集并对其进行预处理，基于Transformer的基本模块以及基于稠密残差的图像融合模块，利用预处理后的训练数据集进行模型训练；获取高分六号遥感影像测试数据集，构建图像恢复模块，构建损失函数优化生成过程，最后基于已训练完成的深度学习模型进行测试，评估生成的高分辨率多光谱影像；与不同融合方法的结果进行对比，本发明的基于稠密残差的深度学习模型遥感图像融合方法在高分六号测试数据集上综合表现优异，生成的融合影像在空间细节与纹理特征方面呈现出更强的丰富性，在光谱信息的保留上取得了显著优势。

本发明授权一种基于稠密残差的深度学习模型遥感图像融合方法在权利要求书中公布了：1.一种基于稠密残差的深度学习模型遥感图像融合方法，其特征在于：包括获取遥感影像训练数据集并对其进行预处理，基于Transformer的基本模块以及基于稠密残差的图像融合模块，利用预处理后的训练数据集进行模型训练；获取遥感影像测试数据集，构建图像恢复模块，构建损失函数优化生成过程，最后基于已训练完成的深度学习Transformer模型进行测试，评估生成的高分辨率多光谱影像，具体的实施步骤为： S1：获取遥感影像数据集，并将其分为遥感影像训练数据集和遥感影像测试数据集，然后对遥感影像训练数据集中的低分辨率多光谱影像和全色影像进行预处理； S2：构建Transformer的基本模块，并对预处理后的全色影像和低分辨率多光谱影像进行相应处理； S21：对S1中线性投影后的全色影像进行自注意力模块-块合并层-自注意力模块的处理，提取全色影像的空间信息； S22：对S1中线性嵌入后的低分辨率多光谱影像进行自注意力模块的处理，提取低分辨率多光谱影像的光谱信息； S3：构建基于稠密残差的图像融合模块，利用S2中的光谱和空间信息进行建模，将不同注意力的输出连接起来形成融合表示； S31：接收S2中的光谱信息和空间信息进行跨模态融合模块的建立，将全色影像的空间细节信息自适应地注入到多光谱影像的光谱特征图中； S32：残差特征计算与累积：将初始多光谱影像的光谱特征与S31中获得的融合后的特征进行残差连接； S33：稠密残差特征融合，将S32中处理得到的多个残差特征图进行稠密连接，生成最终输出特征图； S4：提取S3中的全色影像和低分辨率多光谱影像的模态的信息到图像恢复模块中进行融合处理，输出融合后的高分辨率多光谱影像； S5：通过构建损失函数对S4中的结果进行测试后计算损失，并迭代优化生成过程，输出最终的高分辨率多光谱遥感影像，并对生成的高分辨率多光谱影像进行评估。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。

以上内容由龙图腾AI智能生成。