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参考影像纹理迁移的遥感影像压缩方法及系统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：CN115131675B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202210746586.0，技术领域涉及：G06V20/13；该发明授权一种基于参考影像纹理迁移的遥感影像压缩方法及系统是由王密;肖晶;王慧雯设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种基于参考影像纹理迁移的遥感影像压缩方法及系统在说明书摘要公布了：本发明提供一种参考历史影像的高分辨率光学遥感影像压缩方法及系统，包括数据准备，将找到的参考影像与待压缩的重访影像做配准，然后裁剪影像作为训练数据和测试数据；设置基于参考纹理迁移的光学遥感影像深度学习压缩模型，采用先降采样后超分的基于学习的网络架构，以原图的重构损失、低分影像重构损失和编码代码的熵作为损失函数训练设置的网络，得到训练好的光学遥感影像压缩模型；基于训练好的光学遥感影像压缩模型，输入待压缩的光学遥感影像，提取压缩后的影像并进行质量评估。本发明对于相关性弱的参考区域，采用自纹理学习的方法替代参考纹理迁移，不仅可以有效地改善高分遥感影像的压缩图像质量，而且具有更灵活的率失真优化。

本发明授权一种基于参考影像纹理迁移的遥感影像压缩方法及系统在权利要求书中公布了：1.一种参考历史影像的高分辨率光学遥感影像压缩方法，包括以下步骤： 步骤A，数据准备，将找到的参考影像与待压缩的重访影像做配准，包括先利用遥感数据的地理坐标信息进行粗配准，找到当前影像所在区域的历史影像，再对配对的影像做精配准得到配对的当前影像与参考影像；然后裁剪影像作为训练数据和测试数据； 步骤B，设置基于参考纹理迁移的光学遥感影像深度学习压缩模型，采用先降采样后超分的基于学习的网络架构，该网络架构进行包括以下处理， 影像纹理特征的提取，包括利用可学习的纹理提取器从参考影像与当前影像中分别提取纹理特征，将标准内积作为相似性构造硬注意力映射与软注意力映射，记录参考影像中与当前影像相关纹理的位置与置信度；其中，所得软注意力映射的均值将作为衡量参考影像与当前影像相似度的指标，指导模型进行自适应压缩和自适应降采样； 先降采样后超分的编解码，包括在编码时根据软注意力映射的均值与模糊核参数的线性关系，当前影像做自适应降采样过滤掉大部分的空间信息，划分宏块并将每个宏块的软注意力映射的均值与阈值比较，若小于阈值则采用自纹理学习，用原始的图像的宏块单独进行高于输入图像的倍数的压缩，替代参考影像作为超分的辅助信息，反之仍采用参考影像作为超分的辅助信息；将硬注意力映射和软注意力映射一起压缩并随影像编码一起传输；在解码时，利用低分影像的上采样图像提取的特征和参考影像特征计算硬注意力映射和软注意力映射，先重构出降采样后的低分影像，然后通过引入参考影像作为辅助信息的超分网络对降采样做相应超分，恢复出原分辨率大小的重构图像，对于采用了自纹理学习压缩的区域，解码端将会同时解码出输入影像的低分图像和裁剪出的自参考影像块，然后将参考影像的相应区域用自参考影像块替换，以此修改后的参考影像作为超分模块的参考； 步骤C，用损失函数训练步骤B中设置的网络，得到训练好的光学遥感影像压缩模型； 步骤D，基于步骤C所训练好的光学遥感影像压缩模型，输入待压缩的光学遥感影像，提取压缩后的影像并进行质量评估。

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。