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！

龙图腾网获悉武汉大学申请的专利混合噪声条件下的高光谱遥感影像解混方法及系统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：CN116797933B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310770317.2，技术领域涉及：G06V20/10；该发明授权混合噪声条件下的高光谱遥感影像解混方法及系统是由宋阳;胡磊;邹佳琦;薛若尧;周子超;杨光义;贺威;张洪艳设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本混合噪声条件下的高光谱遥感影像解混方法及系统在说明书摘要公布了：本发明提供混合噪声条件下的高光谱遥感影像解混方法及系统，能够充分提取空谱特征，提高解混效果，并减少训练量。方法包括：步骤1，获取高光谱影像作为训练样本；步骤2，搭建空谱多尺度解混网络模型；多尺度非对称注意力单元包含三维多尺度非对称注意力单元和二维多尺度非对称注意力单元；多尺度非对称卷积模块采用联合操作合并卷积层C2、C4和C6输出的空谱特征图；该模块还包括串联设置的三维卷积层C7，用于融合C2、C4和C6合并输出的空谱特征；步骤3，将训练样本输入空谱多尺度解混网络模型进行训练；步骤4，获取待解混的高光谱影像；步骤5，将待解混的高光谱影像输入训练好的模型中，得到高光谱遥感图像解混结果。

本发明授权混合噪声条件下的高光谱遥感影像解混方法及系统在权利要求书中公布了：1.混合噪声条件下的高光谱遥感影像解混方法，其特征在于，包括如下步骤： 步骤1，获取高光谱影像作为训练样本； 步骤2，搭建空谱多尺度解混网络模型： 构建多尺度非对称注意力单元，用于搭建空谱多尺度解混网络模型；多尺度非对称注意力单元由多尺度非对称卷积模块与空谱注意力模块串连形成；多尺度非对称注意力单元包含三维多尺度非对称注意力单元和二维多尺度非对称注意力单元；三维多尺度非对称卷积单元包括并联设置的三个三维卷积层C1-C2、C3-C4、C5-C6；C1和C2是串联设置、卷积核分别为1×3×3和3×1×1的卷积层，步长均为1；C3和C4是串联设置、卷积核大小分别为1×5×5和5×1×1的卷积层，步长均为1；C5和C6是串联设置、卷积核大小分别为1×7×7和7×1×1的卷积层，步长均为1；多尺度非对称卷积模块采用联合操作合并卷积层C2、C4和C6输出的空谱特征图；多尺度非对称卷积模块还包括与输出的空谱特征图串联设置的一个三维卷积层C7，用于融合C2、C4和C6合并输出的空谱特征，C7是卷积核大小为1的卷积层，步长为1；三维卷积层C1-C7之后均加入归一化层和修正线性单元激活函数层；二维多尺度非对称注意力单元与三维多尺度非对称注意力单元的差别仅在于卷积核从三维降至二维； 步骤3，将训练样本输入空谱多尺度解混网络模型进行训练； 步骤4，获取待解混的高光谱影像； 步骤5，将待解混的高光谱影像输入训练好的空谱多尺度解混网络模型，得到高光谱遥感图像解混结果； 在步骤2中，空谱注意力模块包含通道维注意力和空间维注意力；设输入特征为F，则通道注意力CAF计算公式为： 式中，Relu和Sigmoid均为非线性激活函数，W1和W0分别为平均池化和最大池化后的权重，和分别为空间维度上平均池化和最大池化得到的特征描述符，将通道注意力CAF与输入特征F进行矩阵相乘获得输出特征； 将输出特征引入空间维注意力SAF，计算公式为： 式中，和分别为通道方向上平均池化和最大池化得到的特征描述符，将通道注意力SAF与输入特征进行矩阵相乘获得输出特征； 将通道维注意力和空间维注意力串联形成空谱注意力模块。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。