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！

龙图腾网获悉北京工业大学申请的专利一种基于RGB图像的高光谱图像重建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：CN119784870B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411971158.3，技术领域涉及：G06T11/00；该发明授权一种基于RGB图像的高光谱图像重建方法及系统是由王素玉;张雨洁设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于RGB图像的高光谱图像重建方法及系统在说明书摘要公布了：本发明公开了一种基于RGB图像的高光谱图像重建方法及系统，方法包括：通过卷积处理对RGB图像进行通道扩张；通过三个级联的RSRM对通道扩张后的特征图或中间特征图进行光谱映射和重建，每个RSRM对特征图下采样得到不同尺度的特征信息；使用2D卷积模块和V3DCM对特征进行提取并融合；通过空间和通道注意力以及光谱自注意力机制，分别对融合特征在空间、通道和光谱维度进行建模和捕获；使用GMFF对不同尺度的特征进行融合和过滤，最终通过跳跃连接和卷积操作生成高光谱重建结果。通过本发明的技术方案，能有效避免信息丢失的同时提升高光谱的重建精度，使高光谱重建精度与高效的3D卷积达到平衡，提高重建过程的精确性。

本发明授权一种基于RGB图像的高光谱图像重建方法及系统在权利要求书中公布了：1.一种基于RGB图像的高光谱图像重建方法，其特征在于，包括： 通过卷积处理对三通道的RGB图像进行通道扩张； 通过三个级联的残差光谱重建模块RSRM进行光谱映射和重建，每个RSRM对扩张通道后的特征图或中间特征图进行下采样，得到不同尺度的特征信息； 使用2D卷积模块和多功能3D卷积模块V3DCM分别对不同尺度的特征进行空间和光谱维的特征提取，并将得到的特征进行融合，具体过程包括： 对不同尺度的特征分别使用两次2D卷积和1次PReLU激活以及两次多功能3D卷积和1次PReLU激活，并将2D卷积得到的特征与多功能3D卷积得到的特征进行融合； 所述多功能3D卷积模块V3DCM的具体过程包括： 使用unsqueeze操作对输入特征扩展一个维度以使特征维度与3D卷积特征维度对齐； 使用1×1×1的滤波器对输入特征进行浅层特征提取，使用3×1×1、1×3×1和1×1×3大小的卷积核分别从深度、高度和宽度三个方向上捕捉特征信息，使用3×3×3的滤波器进行一次全面特征计算； 将提取完成的每个维度的特征与对应维度的输入进行一次跳跃连接； 将四个不同维度的特征进行融合，再使用1×3×3大小的卷积在空间维进行一次精细特征提取； 拼接一次ECA层对有效空谱信息进行筛选提取，再对输入所述多功能3D卷积的浅层特征进行一次长跳跃连接； 通过基于CNN的空间和通道注意力以及基于Transformer的光谱自注意力机制，分别对2D卷积和V3DCM的融合特征在空间、通道和光谱维度进行局部和长程依赖关系的建模和捕获并加权融合，具体过程包括： 通过基于CNN的空间注意力，计算张量在通道维度上的最大值和平均值，并将结果沿新的通道维度进行拼接，然后使用卷积层对池化后的张量进行卷积操作，再使用Sigmoid函数生成注意力权重，最后与输入张量进行逐元素相乘； 通过基于CNN的通道注意力，对输入张量先进行一次全局平均池化，将通道特征映射到单一的点上，然后使用卷积层和ReLU激活函数进行特征优化，再使用Sigmod函数生成通道权重，与输入的原始张量进行逐元素相乘，实现通道增强； 通过基于Transformer的光谱自注意力，沿光谱维度计算注意力权重； 对上述注意力机制的结果进行特征融合，并进行一次卷积核大小为1的卷积操作和一次跳跃连接； 使用基于门控卷积的多特征融合的门控选择GMFF对不同尺度的特征进行融合和过滤，对融合后的特征通过跳跃连接和卷积操作生成高光谱重建结果。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。