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一种基于可解译神经网络的多光谱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：CN115147321B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202210834204.X，技术领域涉及：G06T5/50；该发明授权一种基于可解译神经网络的多光谱图像融合方法是由余典;李坤;田昕;张玮;江昊设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本一种基于可解译神经网络的多光谱图像融合方法在说明书摘要公布了：本发明提供一种基于可解译神经网络的多光谱图像融合方法，首先通过多光谱传感器获得多光谱图像，通过多光谱传感器获得同一区域的全色图像，然后构建数据保真项；通过使用深度网络建立融合图像与全色图像的残差关系，作为先验约束项；通过数据保真项和深度学习先验项，构建融合模型；基于融合模型，通过近端梯度下降法，迭代求解最优化模型；将迭代求解步骤映射为深度网络架构，通过训练数据集进行训练生成所需的多光谱全色图像深度网络模型；基于生成的多光谱全色图像深度网络模型，对于给定输入的多光谱和全色图像进行融合，生成最终的融合图像。本发明通过数据驱动生成最优参数设置，从而提升融合性能。

本发明授权一种基于可解译神经网络的多光谱图像融合方法在权利要求书中公布了：1.一种基于可解译神经网络的多光谱图像融合方法，其特征在于，包括如下步骤： 步骤1，通过多光谱传感器获得多光谱图像，通过多光谱传感器获得同一区域的全色图像； 步骤2，通过步骤1所述的多光谱图像，构建数据保真项； 步骤3，通过使用深度网络建立融合图像与全色图像的残差关系，作为先验约束项； 步骤3所述的约束项为融合图像F与全色图像P的残差关系，将其残差关系通过数据驱动由深度学习函数进行描述，深度学习函数由深度网络训练生成，此时，构建的先验约束项为： 其中，融合后的图像记为，表示图像有b个波段且分辨率尺寸为；为光谱映射矩阵，用于描述多光谱不同光谱波段与全色图像P的对应关系，代表将全色图像P沿着光谱方向复制b份所得； 步骤4，通过步骤2所述的数据保真项和步骤3所述的深度学习先验项，构建融合模型； 融合模型如下： 其中，融合后的图像记为，表示图像有b个波段且分辨率尺寸为；多光谱图像M可以视为融合图像F经过模糊和下采样的结果，表示模糊和空间下采样运算符，为光谱映射矩阵，用于描述多光谱不同光谱波段与全色图像P的对应关系，代表将全色图像P沿着光谱方向复制b份所得；为平衡数据保真项和先验约束项的参数； 步骤5，基于步骤4所述的融合模型，通过近端梯度下降法，迭代求解最优化模型； 步骤6，将步骤5中的迭代求解步骤映射为深度网络架构，通过训练数据集进行训练生成所需的多光谱全色图像深度网络模型； 步骤7，基于步骤6生成的多光谱全色图像深度网络模型，对于给定输入的多光谱和全色图像进行融合，生成最终的融合图像。

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珞珈山武汉大学；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。