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！

龙图腾网获悉西南大学申请的专利基于双层交叉注意力机制的Landsat-MODIS遥感影像时空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：CN121010871B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511544165.X，技术领域涉及：G06V10/80；该发明授权基于双层交叉注意力机制的Landsat-MODIS遥感影像时空融合方法是由李瑶;帅丽;景映红;佘晓君设计研发完成，并于2025-10-28向国家知识产权局提交的专利申请。

本基于双层交叉注意力机制的Landsat-MODIS遥感影像时空融合方法在说明书摘要公布了：本发明公开了基于双层交叉注意力机制的Landsat‑MODIS遥感影像时空融合方法，涉及遥感图像处理和人工智能技术领域。本发明通过DCAF模型的设计，利用“特征提取‑差分加权‑信息增强”一系列操作，充分利用Landsat和MODIS图像的互补信息，实现了地表反射率的时间连续性和空间分辨率的双重提升，主要优点如下：1减少输入图像数量，仅需两幅输入图像即可实现高质量的融合效果，降低了数据获取的难度和成本，显著提升了模型的实用性；2在特征处理方面，模型通过集成多种注意力机制和深层卷积模块，能够精准地捕捉低分辨率和高分辨率图像之间的空间‑光谱关联，从而在复杂场景下展现出优异的融合性能。

本发明授权基于双层交叉注意力机制的Landsat-MODIS遥感影像时空融合方法在权利要求书中公布了：1.基于双层交叉注意力机制的Landsat-MODIS遥感影像时空融合方法，其特征在于：至少包括以下步骤： S1：从多个数据源收集卫星遥感数据，所述卫星遥感数据至少包括Landsat地表反射率数据、MOD09GA地表反射率数据和MOD09GQ地表反射率数据； S2：对S1所获得的数据预处理，采用最邻近插值方法将所有遥感图像重新采样至30米；选择Landsat作为参考，确保影像大小完全相同；此外，选择MOD09GQ的红光和近红外波段与MOD09GA进行重新匹配波段序列，以增强融合结果的空间细节； S3：构建DCAF模型，所述DCAF模型由特征提取模块、差分加权模块和特征增强模块组成； 所述特征提取模块包括多通道交叉特征注意力模块、全特征联合交叉注意力模块和内嵌注意力机制的残差密集连接模块； 所述特征提取模块的应用至少包括以下步骤： 对于输入的Landsat参考日图像即高分辨率图像而言： 首先利用卷积层初步提取Landsat图像的特征图； 其次采用内嵌注意力机制的残差密集连接模块增强Landsat特征图，进一步挖掘Landsat特征图的深层信息； 对于输入的MODIS日图像即低分辨率图像而言： 首先利用多通道交叉特征注意力模块，基于Landsat输入图像计算空间和光谱权重，实现对MODIS图像的初步校准； 其次，采用内嵌注意力机制的残差密集连接模块对初步校准后的MODIS特征图进行深度特征提取，得到增强后的MODIS特征图； 最后，设计全特征联合交叉注意力模块，通过拟合多波段间的内在关联，对Landsat特征图和增强后的MODIS特征图进行协同处理，显著增强MODIS特征图； 所述差分加权模块用于捕捉时间维度上的局部变化信息； 所述差分加权模块的应用至少包括以下步骤： 首先，从增强后的Landsat特征图和显著增强的MODIS特征图中学习权重，并在学习过程中使用批量归一化来稳定训练过程并加速模型收敛； 其次，采用sigmoid函数将权重比例限制在[0,1]范围内，生成空间权重掩码，从而动态地为输入特征图的每个空间位置分配权重； 最后，通过逐元素相乘对输入特征进行加权，获得初步融合结果，显著增强对重要区域的关注能力，表达式如下： 式中，和分别表示显著增强的MODIS特征图和增强后的Landsat特征图；表示初步融合结果；为差值特征图；为卷积核；为卷积运算；为批量归一化和sigmoid函数；为空间注意力权重； 所述特征增强模块用于将初步融合结果与增强后的Landsat特征图相结合，以获得更精确的高分辨率融合图像； 所述特征增强模块至少包括以下步骤： 首先，通过残差连接融合差分加权模块的输出特征图与增强后的Landsat特征图； 其次，利用残差密集连接模块充分提取多层次语义信息； 最后，通过卷积操作将高维特征映射为原始图像的通道数，生成最终的高分辨率的融合结果，表达式如下： 式中，表示最终的输出结果；和分别表示初步融合特征图和增强的Landsat特征图；为残差密集连接模块的输出特征图；为卷积运算；表示将通道数调整为原始输入通道数的卷积运算； S4：采用组合损失函数对DCAF模型进行约束训练过程，当总体损失收敛后，训练好的DCAF模型被用于预测高时空分辨率的地表反射率数据； 所述组合损失函数由Charbonnier损失函数、边缘损失函数和结构相似性损失函数组成，表达式如下： 式中，、和为正则化参数，、和分别为Charbonnier损失函数、边缘损失函数和结构相似性损失函数，由以下计算公式确定： 式中，表示训练图像对的数量，为MODIS特征图，为Landsat特征图，为标签数据，表示残差融合网络的输出，为常数项，通常设置为；表示平均结构相似性指数；表示结构相似性指数；表示拉普拉斯算子。

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南大学，其通讯地址为：400715 重庆市北碚区天生路2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。