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窗口交叉注意力的遥感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：CN115861749B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211491547.7，技术领域涉及：G06V10/80；该发明授权一种基于窗口交叉注意力的遥感图像融合方法是由柯成杰;田昕;李松设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种基于窗口交叉注意力的遥感图像融合方法在说明书摘要公布了：本发明提出了一种基于窗口交叉注意力的遥感图像融合方法，利用基于窗口交叉注意的新型遥感图像融合网络，将全色和多光谱图像融合为高分辨率的多光谱图像。我们将高通滤波与深层特征提取相结合，以挖掘更多的纹理信息，克服了浅层提取对高频信息提取不充分的问题，根据特征相似度得到的多光谱和全色图像之间的关系更加准确。然后，我们在多光谱和全色图像的局部窗口之间通过像素级的窗口交叉注意机制建立了全色图像和多光谱图像间跨模态关系。与补丁级注意力相比，像素级注意力更有助于保存细粒度的特征。因此，更多来自全色图像的空间细节转移到多光谱图像中，融合后的多光谱图像更加清晰。

本发明授权一种基于窗口交叉注意力的遥感图像融合方法在权利要求书中公布了：1.一种基于窗口交叉注意力的遥感图像融合方法，其特征在于，包括如下步骤： 步骤1，基于多光谱图像、全色图像特性构建深度纹理特征提取模块，将输入图像转换到特征域； 步骤1的具体实现方式如下； 步骤1.1，构建高通滤波器提取输入图像的高频信息，所述输入图像包括多光谱图像M、模糊后的全色图像、全色图像P，多光谱图像M、模糊后的全色图像和全色图像P经过高通滤波器处理之后分别得到GM，G和GP； 步骤1.2，构建单通道纹理提取模块提取G和GP的高频特征，得到K和V，单通道纹理提取模块中三个卷积层，卷积核的数量逐层变大，卷积核的感受野逐层变小，以提取多尺度的细节信息； 步骤1.3，构建多通道纹理提取模块提取GM的高频特征，得到Q，多通道纹理提取模块同样包括三个卷积层，卷积核的数量逐层变大，卷积核都采用大小； 步骤2，构建窗口交叉注意力模块获取多光谱图像、全色图像间的跨模态细粒度关系，输出特征图像； 步骤2的具体实现方式如下； 步骤2.1，将输入的高频特征划分成个窗口： 其中，，，是特征通道数量，H、W是图像的图像大小，h、w是窗口大小；步骤2.2，为了提取细粒度特征，通过维度变换将每个窗口、、展开成像素序列，对于序列中第个像素和第个像素，计算它们之间的特征相似度： 其中，代表着在窗口内的像素级跨模态相关性； 步骤2.3，将步骤2.2得到的像素间的相关性通过softmax函数进行归一化： 其中，代表从全色图像的第个像素点到多光谱图像的第个像素点的注入增益； 步骤2.4，根据注入增益，提取全色图像的纹理信息，因此输出特征图像的第个窗口的第个像素计算如下： 步骤2.5，将展开的像素序列通过维度变换折叠成原像素窗口，得到输出图像的第个窗口： 步骤2.6，通过窗口交叉注意力，分别得到每个窗口的输出特征图像，最后将所有窗口的特征图像拼接起来，得到最后的输出特征图像： ； 步骤3，构建图像解码模块将生成的特征图像传输回图像域，得到最终的融合图像； 步骤4，构建目标函数驱动图像融合模型的训练，所述图像融合模型包括深度纹理特征提取模块，窗口交叉注意力模块和图像解码模块； 步骤5，利用仿真数据训练上述图像融合模型，并用训练好的模型在仿真测试集和真实测试集上进行测试。

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街道八一路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。