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！

龙图腾网获悉湖南大学申请的专利基于频域增强与自适应优化的遥感图像压缩方法及装置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：CN120692401B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511215563.7，技术领域涉及：H04N19/149；该发明授权基于频域增强与自适应优化的遥感图像压缩方法及装置是由罗娟;李琦;滕舒扬设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于频域增强与自适应优化的遥感图像压缩方法及装置在说明书摘要公布了：本发明公开了一种基于频域增强与自适应优化的遥感图像压缩方法及装置，方法包括：通过同时部署于压缩端和解压端的预训练第一模型对遥感图像进行压缩和解压；第一模型包括编码器、熵模型和解码器；编码器和解码器均通过频域增强的选择性状态空间模块对输入进行频域分析，并基于状态空间机制建模长距离依赖和频域结构；根据预设训练集和损失函数对第一模型进行训练，得到预训练第一模型；压缩包括：通过编码器提取输入图像的主特征；通过熵模型对主特征的分布信息进行概率建模，生成比特流，并将比特流发送至解压端；解压包括：解压端接收比特流；通过熵模型将比特流还原为主特征；将主特征输入解码器，得到重塑图像。

本发明授权基于频域增强与自适应优化的遥感图像压缩方法及装置在权利要求书中公布了：1.一种基于频域增强与自适应优化的遥感图像压缩方法，其特征在于，通过同时部署于压缩端和解压端的预训练第一模型对遥感图像进行压缩和解压，包括： 所述第一模型包括编码器、熵模型和解码器；所述编码器和解码器均通过频域增强的选择性状态空间模块对输入进行频域分析，并基于状态空间机制建模长距离依赖和频域结构； 根据预设训练集和考虑像素失真、结构保留、频域误差、感知质量、码率约束、上下文自回归正则项和辅助监督损失的损失函数对所述第一模型进行训练，得到预训练第一模型； 所述压缩包括：通过所述编码器提取输入图像的主特征；通过所述熵模型对所述主特征的分布信息进行概率建模，生成比特流，并将所述比特流发送至所述解压端； 所述解压包括：所述解压端接收所述比特流；通过所述熵模型将所述比特流还原为所述主特征；将所述主特征输入所述解码器，得到重塑图像； 所述编码器和解码器均通过频域增强的选择性状态空间模块对输入进行频域分析，并基于状态空间机制建模长距离依赖和频域结构包括： 所述编码器包括三组依次连接的第一模块；所述第一模块包括依次连接的5×5卷积、3个瓶颈残差模块和4个频域增强的选择性状态空间模块； 所述解码器包括三组依次连接的第二模块；所述第二模块包括依次连接的5×5卷积、4个频域增强的选择性状态空间模块和3个瓶颈残差模块； 在所述编码器中，所述频域增强的选择性状态空间模块用于通过频域分析和远程依赖建模增强输入特征的高频细节和全局上下文表达能力； 在所述解码器中，所述频域增强的选择性状态空间模块用于通过频域注意力和长程依赖建模增强解码特征中的高频细节和空间一致性； 所述频域增强的选择性状态空间模块包括： 当输入特征输入所述频域增强的选择性状态空间模块后，经过1×1卷积得到初始特征；所述初始特征输入频域分析子模块得到频域重要性权重；所述初始特征和所述频域重要性权重输入选择性状态空间子模块进行状态更新得到融合了频域信息和状态感知信息的上下文增强特征；根据所述上下文增强特征、所述频域重要性权重和所述初始特征得到特征；所述特征输入非线性激活函数自由块进行特征提取得到特征；所述特征经过1×1卷积输出特征。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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。