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！

龙图腾网获悉合肥工业大学申请的专利一种合成孔径雷达图像与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：CN116863283B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310656501.4，技术领域涉及：G06V10/80；该发明授权一种合成孔径雷达图像与多光谱图像融合方法是由周芳;罗佳豪;杨锡玉设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种合成孔径雷达图像与多光谱图像融合方法在说明书摘要公布了：本发明公开了合成孔径雷达图像与多光谱图像融合方法。包括：步骤1、获取SAR图像和MS图像构建训练集；步骤2、获取训练集中SAR图像的空间信息；以及训练集中MS图像的光谱信息；步骤3、采用基于注意力机制的特征融合网络融合SAR图像的空间信息、MS图像的光谱信息；步骤4、采用自适应矩估计优化算法，将空间特征提取网络、光谱保持网络、基于注意力机制的特征融合网络组成为融合网络模型，对融合网络模型进行训练；步骤5、将待融合的SAR图像和MS图像输入至训练好的融合网络模型进行融合。本发明采用无监督联合损失函数约束网络训练，能有效指导网络提取SAR图像的空间信息和MS图像的光谱信息。

本发明授权一种合成孔径雷达图像与多光谱图像融合方法在权利要求书中公布了：1.一种合成孔径雷达图像与多光谱图像融合方法，其特征在于，包括以下步骤： 步骤1、获取同一场景下的SAR图像和MS图像，分别对SAR图像、MS图像进行预处理，并以预处理后的SAR图像、MS图像构建训练集； 步骤2、获取所述训练集中SAR图像的高频分量，将SAR图像的高频分量输入至空间特征提取网络中，通过空间特征提取网络提取得到SAR图像的空间信息； 对所述训练集中MS图像进行3倍上采样得到上采样的MS图像，将上采样的MS图像输入至光谱保持网络，通过光谱保持网络提取得到MS图像的光谱信息； 步骤3、采用基于注意力机制的特征融合网络将步骤2得到的SAR图像的空间信息、MS图像的光谱信息进行融合； 步骤4、采用自适应矩估计优化算法，将步骤2中提取SAR图像空间信息后的空间特征提取网络、步骤2中提取MS图像光谱信息后的光谱保持网络、步骤3中进行融合后的基于注意力机制的特征融合网络，组成为融合网络模型，并利用步骤1中构建的训练集对所述融合网络模型进行训练，训练时采用无监督联合损失函数约束融合网络模型的训练，直至融合网络模型收敛； 步骤5、获取待融合的SAR图像和MS图像，并获取待融合的SAR图像的高频分量，以及对待融合的MS图像进行3倍上采样得到上采样的待融合MS图像；将待融合的SAR图像的高频分量、上采样的待融合MS图像输入至步骤4得到的训练至收敛的融合网络模型，通过融合网络模型得到融合图像； 步骤2中所述的空间特征提取网络包括一个双通道特征提取网络和一个残差网络；所述训练集中SAR图像的高频分量输入到双通道特征提取网络，经双通道特征提取网络学习得到SAR图像的特征；学习得到的SAR图像的特征再输入到残差网络进行深层次的学习，最终通过残差网络得到SAR图像的空间信息； 所述双通道特征提取网络包括一个多尺度特征提取模块和一个基础模块，其中：多尺度特征提取模块包括不同大小卷积核构成的卷积层，通过多个不同大小卷积核的卷积层提取SAR图像不同的尺度特征，并将不同的卷积层提取的特征按通道链接的同时进行跳跃链接；基础模块包括三个分别由卷积核构成的卷积层，通过基础模块提取SAR图像的浅层特征； 所述多尺度特征模块由两个多尺度通道网络级联组成，每个尺度通道包含两个卷积层，其中第一个尺度通道的第一个卷积层的卷积核大小为1×3，第二个卷积层的卷积核大小为3×1；第二个尺度通道的第一个卷积层的卷积核大小为1×5，第二个卷积层的卷积核大小为5×1；第三个尺度通道的第一个卷积层的卷积核大小为1×7，第二个卷积层的卷积核大小为7×1； 所述的基础模块包括三个卷积层，其中第一个卷积层的卷积核大小为9×9、第二个卷积层的卷积核大小为1×1、第三个卷积层的卷积核大小为5×5。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。