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！

龙图腾网获悉西安电子科技大学杭州研究院;西安电子科技大学申请的专利一种基于深度卡尔曼滤波的高-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：CN121032823B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511589454.1，技术领域涉及：G06T5/50；该发明授权一种基于深度卡尔曼滤波的高-多光谱图像融合方法是由朱春宇;张廷豪;仲秦;李亚超;王琦设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本一种基于深度卡尔曼滤波的高-多光谱图像融合方法在说明书摘要公布了：本发明属于图像处理技术领域，涉及一种基于深度卡尔曼滤波的高‑多光谱图像融合方法，包括训练样本构建，创建基于深度卡尔曼滤波的高‑多光谱图像融合网络，进行网络训练，利用训练完成的网络模型，将预处理后的高光谱图像与多光谱图像作为联合输入，通过网络的非线性映射关系，生成同时具备高空间分辨率与高光谱信息的融合结果图像。本发明网络由编码器模块、隐式特征融合模块、光流估计模块、卡尔曼增益估计模块以及卡尔曼递推融合模块组成。本发明通过卡尔曼滤波显式建模波段间的谱维动态演化关系，提升融合图像在光谱维度的表达一致性；本方法可有效增强空间细节重建能力；在确保空谱建模精度的同时显著降低了模型参数规模与冗余计算开销。

本发明授权一种基于深度卡尔曼滤波的高-多光谱图像融合方法在权利要求书中公布了：1.一种基于深度卡尔曼滤波的高-多光谱图像融合方法，其特征在于，包括以下步骤： S1、构建训练样本： 对原始高光谱图像和多光谱图像分别应用高斯模糊以模拟成像系统的空间退化；再分别通过双线性插值实现空间下采样，生成用于模型训练的退化版高光谱图像样本和多光谱图像样本；将原始未退化的高分辨率高光谱图像则作为融合目标，用作训练阶段的监督标签； S2、构建基于深度卡尔曼滤波的高-多光谱图像融合网络模型： 通过光流场与隐状态联合建模，构建由编码器模块、隐式特征融合模块、光流估计模块、卡尔曼增益估计模块以及卡尔曼递推融合模块组成的融合网络模型，将当前状态概念化为对应为当前波段的信息，并结合光流信息作为光谱相关性引导条件，光流通过卷积神经网络进行计算，捕捉相邻波段间像素级的运动关系；融合网络模型公式如下： ， 其中，表示上一波段至当前波段的光流信息，为设计的特征融合操作，为状态变换模型，为当前输入的深度控制模型，为过程噪声； S3、进行网络训练： 采用Adam优化器对步骤S2构建的模型参数进行更新，通过多轮迭代逐步优化网络，从而获得具有准确融合能力的网络模型； S4、利用步骤S3训练完成的网络模型，将预处理后的高光谱图像与多光谱图像作为联合输入，通过网络的非线性映射关系，生成兼具高空间分辨率与高光谱信息的融合结果图像。

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西安电子科技大学杭州研究院;西安电子科技大学，其通讯地址为：311231 浙江省杭州市萧山区萧山经济技术开发区钱农东路8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。