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基于混合超先验的高光谱遥感图像压缩方法、设备及产品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：CN119205942B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411055480.1，技术领域涉及：G06T9/00；该发明授权基于混合超先验的高光谱遥感图像压缩方法、设备及产品是由杜博;付川设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本基于混合超先验的高光谱遥感图像压缩方法、设备及产品在说明书摘要公布了：本发明公开了一种基于混合超先验的高光谱遥感图像压缩方法、设备及产品，利用基于CNN和MLP的主干分析网络和合成网络来进行原始图像和紧致潜在表示之前的转换，获得较好的潜在表示特征。此外，使用了空间‑通过到注意力模块，进一步增强CNN与MLP混合网络模块的表征能力，深入挖掘高光谱图像中的冗余信息。在熵模型构建时，使用了基于CNN的超先验挖掘局部冗余信息，使用基于Transformer的超先验提取非局部冗余信息，将二者进行融合，对熵模型的参数进行预测，提升了熵模型构建的准确性，从而提升了最终的图像压缩性能。

本发明授权基于混合超先验的高光谱遥感图像压缩方法、设备及产品在权利要求书中公布了：1.一种基于混合超先验的高光谱遥感图像压缩方法，其特征在于，包括以下步骤： 步骤1：将原始高光谱遥感图像的空间大小填充为N的整数倍，其中N值与下采样次数相关，下采样次数为k时，N＝2k； 步骤2：利用基于空间-通道注意力结合CNN和MLP的主干分析网络，将原始图像转换到潜在子空间表示，获得潜在表示系数，并将潜在表示系数进行量化； 所述主干分析网络，包括四个CNN-MLP混合模块，输入特征分别输入CNN和MLP分支，分别挖掘图像中的局部和非局部特征，之后两个特征串连起来，在输入到一个空间通道注意力模块中，之后在使用一个步长为2的卷积反卷积层进行下采样或上采样；在主干分析网络部分，使用的是步长为2的卷积以进行下采样，在主干合成网络中则是使用步长为2的反卷积层进行上采样；CNN-MLP混合模块中的CNN模块首先使用了卷积核为1的卷积进行通道压缩，之后使用卷积核为1、3、5、7多个卷积提取多尺度信息，然后将它们串连起来通过两层卷积层得到最后的特征，在于输出特征进行一个残差链接；MLP模块中，空间映射部分使用和CNN模块类似的多尺度卷积，而后通道映射部分使用了两个全连接层和一个Leakyrelu层；空间通道注意力模块S-Catt中，分别由两分支网络分别学习空间和通道的特征，然后与输入的特征进行点乘加权，然后串连起来作为输出； 步骤3：利用基于Transformer超先验提取网络和基于CNN超先验提取网络分别从潜在表示中提取深度潜在表示信息，并从深度潜在表示信息中提取超先验信息，混合超先验信息获得hyperprior； 步骤4：使用基于Factorized的熵模型参数对两个深度潜在表示进行熵模型的构建，之后对深度潜在表示进行熵的编解码； 步骤5：使用混合超先验对潜在表示进行熵模型参数的预测； 步骤6：利用构建的熵模型，对潜在表示的每个像素点逐次进行熵编码，转化为2进制码流； 步骤7：利用基于CNN和MLP的主干合成网络，通过熵模型和二进制码流，利用熵解码算法重建潜在表示，并利用解码后的潜在表示数据生成重建高光谱图像。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路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。