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！

龙图腾网获悉南京航空航天大学申请的专利基于对称交叉注意力的遥感图像云类型反演模型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：CN120562477B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202511054066.3，技术领域涉及：G06N3/045；该发明授权基于对称交叉注意力的遥感图像云类型反演模型及系统是由李俊;梁鹏宇;郑智;韩柳玥;盛庆红;王博;李惠堂设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本基于对称交叉注意力的遥感图像云类型反演模型及系统在说明书摘要公布了：本发明公开一种基于对称交叉注意力的遥感图像云类型反演模型及系统。步骤如下：获取卫星遥感图像数据，经处理后提取云光谱、纹理和形状特征；对经纬坐标、地形、下垫面、时间要素进行特征编码；构建对称交叉注意力模块，双向融合图像与地理特征，时间特征作为通道输入；以CloudSat云产品为真值，采用Adam优化器、交叉熵损失函数训练模型，通过Kappa系数、生产者精度等指标验证。该方法弥补传统方法仅靠二维图像、未顾及外部驱动要素的缺陷，可准确分类云类型，提升反演准确性与效率。

本发明授权基于对称交叉注意力的遥感图像云类型反演模型及系统在权利要求书中公布了：1.一种基于对称交叉注意力的遥感图像云类型反演模型，其特征在于，包括以下步骤： 1数据获取与预处理，收集风云系列的FY‑4A4B卫星图像数据，获取地理要素和时间要素，统一数据格式并去除异常值，通过时空匹配构建时空一致的数据集； 2图像特征提取，通过波段运算构建云类型相关的光谱指数集，提取遥感图像的纹理特征以反映云的形状和结构； 3多要素特征编码，通过不同的编码方法对经纬坐标、地形要素、下垫面类型特征和时间要素进行特征编码； 4对称交叉注意力融合，构建对称交叉注意力模块，将光谱纹理形状的图像特征、地理要素进行特征融合，将编码后的时间要素作为通道输入网络中； 5模型训练与验证，训练多维信息融合处理网络模型，通过多层感知器和Transformer块进行类型反演，以CloudSat云产品为真值对模型进行学习训练，采用Kappa系数、生产者精度、用户精度和总体精度作为定量评价指标； 其中所述步骤4包括以下步骤： 4.1构建对称交叉注意力模块，将包括经纬坐标、地形特征和下垫面特征的地理特征投影为查询Qgeo、键Kgeo和值Vgeo；将包括光谱、纹理、形状的图像特征投影为查询Qimage、键Kimage和值Vimage； 4.2利用Qgeo和Kimage进行相乘计算相似度矩阵，再加权Vimage进行注意力计算，得到筛选后的图像特征Fimage；利用Qimage和Kgeo进行相乘计算相似度矩阵，再加权Vgeo进行注意力计算，得到筛选后的地理特征Fgeo； 对于从地理特征到图像特征的注意力计算： 对于从图像特征到地理特征的注意力计算： 其中dk是键向量的维度，用于缩放注意力分数； 4.3将筛选后的地理特征和图像特征进行向量拼接，形成一个综合的特征向量，通过全局平均池化和多层感知器将特征进行变换； 4.4利用Softmax函数对变换后的特征向量进行归一化处理，以确保特征的尺度一致性，计算两种筛选后特征的权重，根据权重对筛选后的图像特征与未经注意力筛选的原始图像特征进行相加求和，得到最终融合结果； 4.5将时间特征直接作为输入通道加入到网络中，与地理特征和图像特征并行处理，通过下采样层进行降维处理，在后续网络层中进行更高效的处理； 4.6将地理特征、图像特征和时间特征分别通过Transformer块进行处理，以捕捉特征之间的长距离依赖关系；再通过上采样层，将处理后的特征进行升维处理，以便恢复到原始的特征维度； 4.7将处理后的特征通过全局平均池化和多层感知器进行进一步的处理，以生成最终的云类型反演结果。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。