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！

龙图腾网获悉东华理工大学申请的专利一种高光谱遥感图像质量等级评估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：CN117876764B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202311848931.2，技术领域涉及：G06V10/764；该发明授权一种高光谱遥感图像质量等级评估方法是由王同罕;王璐;贾惠珍设计研发完成，并于2023-12-29向国家知识产权局提交的专利申请。

本一种高光谱遥感图像质量等级评估方法在说明书摘要公布了：本申请涉及一种高光谱遥感图像质量等级评估方法，它包括如下步骤：将图像分割成固定大小的块，然后构建质量评估模型，通过空谱注意力模块获得带光谱权重的特征图，并输入到频谱集成嵌入模块生成局部相邻光谱带的嵌入特征图；再经过线性投影后，输入到编码器中，并设置跳跃连接机制融合不同编码器的输出；将最后一个编码器的输出输入到线性层和激活函数层，得到图像的质量评估结果；对质量评估模型进行训练，并使用训练完毕的模型进行图像质量等级评估。本发明可以感知高光谱遥感图像的好坏程度，并且能够根据图像的质量等级可以动态地检测和调节高光谱成像仪中图像处理系统输出的图像，为实时高光谱成像仪系统的参数优化提供更加有效的依据。

本发明授权一种高光谱遥感图像质量等级评估方法在权利要求书中公布了：1.一种高光谱遥感图像质量等级评估方法，其特征在于，包括以下步骤： S1：构建高光谱遥感图像数据集，将所述高光谱遥感图像数据集划分为训练集与测试集； S2：对所述高光谱遥感图像数据集中的高光谱遥感图像执行分割操作，将高光谱遥感图像分割为固定大小的子图像块； S3：构建质量评估模型，所述质量评估模型包括VisionTransformer模型、空谱注意力模块、频谱集成嵌入模块和跨层融合残差模块；所述VisionTransformer模型为所述质量评估模型的基础骨架，包括T个编码器，T≥4，每个编码器包括多头自注意力机制和前馈神经网络，用于提取图像特征；所述空谱注意力模块和频谱集成嵌入模块依次设置在VisionTransformer模型的编码器前端，所述跨层融合残差模块设置在VisionTransformer编码器之间； S4：将所有子图像块输入到空谱注意力模块，提取带有光谱权重的特征图；所述空谱注意力模块对输入图像进行最大池化操作和平均池化操作，通过两层全连接层学习通道的权重，并通过GELU激活函数避免梯度消失，最后将GELU函数输出的结果与原始输入相乘，得到带有光谱权重的特征图作为空谱注意力模块的输出； S5：将带有光谱权重的特征图输入到频谱集成嵌入模块，得到局部相邻光谱带分组嵌入特征图；所述频谱集成嵌入模块将通道数为C的带有光谱权重的特征图展平，并按照n个相邻通道进行分组集成，获得个分组后的特征图，即局部相邻光谱带分组嵌入特征图； S6：将局部相邻光谱带分组嵌入特征图进行线性投影，得到线性投影特征图； S7：将线性投影特征图输入到VisionTransformer模型的T个编码器中，进行多头自注意力和多层感知机操作； S8：通过跨层融合残差模块对编码器进行跨层融合残差操作；所述跨层融合残差模块对第和个编码器的输出以及进行拼接和融合操作，获得融合输出，并采用跳跃连接机制将融合输出输入到第t+2个编码器中； S9：将最后一个编码器输出的特征图输入到线性层和激活函数层，得到高光谱遥感图像的质量评估结果； S10：将所述训练集以及对应的主观质量等级输入到所述质量评估模型中进行训练，使用测试集测试所述质量评估模型的模型性能； S11：训练完毕后，将待评估的高光谱遥感图像输入质量评估模型中，获取质量等级。

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东华理工大学，其通讯地址为：344000 江西省抚州市学府路56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。