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！

龙图腾网获悉安徽大学申请的专利一种样本优化的被动微波数据无缝重建深度学习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：CN116794737B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310758397.X，技术领域涉及：G01V3/38；该发明授权一种样本优化的被动微波数据无缝重建深度学习方法是由吴鹏海;李婵;杨添;黄晓涵;杨辉;马晓双设计研发完成，并于2023-06-26向国家知识产权局提交的专利申请。

本一种样本优化的被动微波数据无缝重建深度学习方法在说明书摘要公布了：本发明属于遥感图像智能处理技术领域，具体涉及一种样本优化的被动微波数据无缝重建深度学习方法，本发明获取具有轨道间隙缺失的被动微波数据，充分利用轨道间隙的周期性和相邻时相空间互补性，通过小范围缺失样本对插值生成方法和单次循环掩膜策略进行样本优化，融合U‑net和Transformer构建多时相特征连接重建网络模型，实现无缝重建，得到分布连续、重建区域与原始区域无缝连接的遥感数据。本发明方法有效解决了现有深度学习重建方法在样本数量较少、样本特征不够丰富时，重建结果存在明显的“有缝”痕迹的局限；适用于所有具有轨道间隙的被动微波影像数据或定量参量数据重建，将为全球或区域尺度上被动微波数据的空间完整监测发挥重要作用。

本发明授权一种样本优化的被动微波数据无缝重建深度学习方法在权利要求书中公布了：1.一种样本优化的被动微波数据无缝重建深度学习方法，其特征在于，包括以下步骤: 步骤一、获取多时相有轨道间隙的被动微波数据或产品，并进行必要的预处理，保证多时相数据具有可比性； 步骤二、采用样本最邻近插值方法和单次掩膜策略构建并优化多时相被动微波数据样本集；具体步骤为： 1分析被动微波数据的轨道间隙变化特点，考虑其周期性与互补性，使用连续3日的被动微波样本数据作为合适的邻近时相组合； 2将原始被动微波数据进行数据增强操作，包括按照一定角度进行旋转、水平翻转和竖直翻转； 3遍历裁切连续3日的影像，若满足连续3日每幅影像块均完整，则作为样本对直接存入样本库；连续3日分别记为T1、T2、T3，其中T2为待重建目标数据，T1和T3为多时相辅助数据；若连续3日影像块中存在原始像素占比大于阈值m，大陆区域外像素占比小于阈值n的情况，则对存在缺失的影像块进行最邻近插值处理，若插值结果介于该影像块的最大值max、最小值min之间，认为插值结果合理，则该样本对也存入样本库； 4利用未存入样本库的影像块制作轨道掩膜库，选取其中具有代表性的影像块制作为轨道间隙掩膜文件，保证掩膜文件数量大于待重建目标数据数量；对待重建时相数据进行单次循环掩膜，即遍历样本集中连续3日数据对，依次选取掩膜集中的单张掩膜对待重建目标数据进行掩膜处理，将输出的掩膜结果T2与对应的原辅助数据T1和T3组成新的训练样本对，原T2则为标签数据，进而得到训练样本集； 步骤三、融合U-net和Transformer构建多时相无缝重建网络框架； 步骤四、模型训练策略； 步骤五、采用批量处理方式重建被动微波数据中的轨道间隙区域。

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安徽大学，其通讯地址为：230000 安徽省合肥市经济技术开发区九龙路111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。