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！

龙图腾网获悉中国科学院西安光学精密机械研究所申请的专利一种高光谱图像缺陷检测方法和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：CN120782773B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511285064.5，技术领域涉及：G06T7/00；该发明授权一种高光谱图像缺陷检测方法和装置是由邱实;郭博霖;张朋昌;李思远;胡炳樑设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种高光谱图像缺陷检测方法和装置在说明书摘要公布了：本方案公开了一种高光谱图像缺陷检测方法和装置，该方法包括：将待检测的高光谱壁画图像按照预设尺寸切割成多个子图；将子图输入目标神经网络模型的三维卷积模块得到联合特征图；根据自注意力权重对每个位置的空间特征和光谱特征进行加权处理，得到加权特征图；通过模型的金字塔池化模块对标准加权特征图进行多个尺度的池化操作，得到多尺度特征；将拼接特征图输入模型的全连接层，生成子图中每个像素点的异常概率，将各个二值化图像按照所处的位置进行拼接，得到高光谱壁画图像的缺陷检测结果图。本方案能够通过多尺度特征提取精准检测壁画中的各种缺陷，在光谱维度复杂、缺陷种类多样的高光谱壁画图像中，展现了较高的准确性和鲁棒性。

本发明授权一种高光谱图像缺陷检测方法和装置在权利要求书中公布了：1.一种高光谱图像缺陷检测方法，其特征在于，所述方法包括： 将待检测的高光谱壁画图像按照预设尺寸切割成多个子图，记录每个所述子图在所述图像中的位置；所述图像包括空间维度信息和光谱维度信息； 将所述子图输入目标神经网络模型的三维卷积模块，对所述子图分别在空间维度和光谱维度上进行卷积操作，得到联合特征图，所述联合特征图包括空间特征和光谱特征； 通过所述模型的Transformer编码模块对所述联合特征图进行全局自注意力建模，得到每个位置的自注意力权重，根据所述自注意力权重对所述每个位置的所述空间特征和所述光谱特征进行加权处理，得到加权特征图； 通过层归一化的方法，在输出特征维度对所述加权特征图进行标准化变换，得到标准加权特征图； 通过所述模型的金字塔池化模块对所述标准加权特征图进行多个尺度的池化操作，得到多尺度特征；将所述多尺度特征进行拼接，得到拼接特征图； 将所述拼接特征图输入所述模型的全连接层，生成所述子图中每个像素点的异常概率，根据所述异常概率和预设概率阈值将所述子图转换为二值化图像；将各个所述二值化图像按照所处的位置进行拼接，得到所述高光谱壁画图像的缺陷检测结果图； 所述对所述子图分别在空间维度和光谱维度上进行卷积操作，得到联合特征图，包括： 使用3D卷积核对不同尺度的空间特征进行提取，得到多尺度空间特征； 更换所述3D卷积核的尺寸，对所述多尺度空间特征进行多尺度的光谱特征提取，得到多尺度光谱特征； 将所述多尺度空间特征和所述多尺度光谱特征进行融合，得到联合特征图； 所述通过所述模型的Transformer编码模块对所述联合特征图进行全局自注意力建模，得到每个位置的自注意力权重，包括： 对于所述联合特征图中的各个位置，使用正弦余弦编码的方式生成绝对位置编码，得到编码特征图； 获取所述编码特征图中的当前像素区域的待分析特征，获取所述当前像素区域以外的其他区域的全局特征，得到全局区域特征；将所述待分析特征作为查询特征，将所述全局区域特征作为键特征； 对所述查询特征和所述键特征进行相似度计算，得到相似度值； 对所述当前像素区域的待分析特征进行线性映射，得到线性映射值； 根据所述相似度值、所述线性映射值、所述查询特征和所述键特征的特征维度，计算所述当前像素区域的自注意力权重； 在得到加权特征图之后，还包括： 通过前馈网络的线性层的线性变换将所述加权特征图中低维的特征映射到高维，得到高维特征图； 通过所述前馈网络的非线性激活层对所述高维特征图的非关键特征进行过滤。

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中国科学院西安光学精密机械研究所，其通讯地址为：710119 陕西省西安市高新区新型工业园信息大道17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。