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！

龙图腾网获悉南开大学申请的专利一种基于边缘特征增强的SAR和光学遥感图像融合去云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：CN119444590B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411499175.1，技术领域涉及：G06T5/50；该发明授权一种基于边缘特征增强的SAR和光学遥感图像融合去云方法是由王明华;赵新设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种基于边缘特征增强的SAR和光学遥感图像融合去云方法在说明书摘要公布了：本发明提供一种基于边缘特征增强的SAR和光学遥感图像融合去云方法，属于跨模态遥感图像处理技术领域，包括如下步骤：S1：将云覆盖光学遥感图像输入嵌入层获得光学浅层特征；S2：将SAR图像输入边缘特征提取模块获得SAR边缘特征；S3：将光学浅层特征通过融合编码器得到不同尺度的融合编码器特征；S4：最后一层的融合编码器特征通过瓶颈层得到强表征能力特征；S5：强表征能力特征与融合编码器特征提取模块的输出特征通过融合解码器得到不同尺度的融合解码器特征；S6：最后一层的融合解码器特征通过映射层得到映射特征，该特征与输入的云覆盖光学遥感图像相加得到融合去云图像，本方法能够有效提高去云区域的像素复原精度，获得高质量光学遥感图像。

本发明授权一种基于边缘特征增强的SAR和光学遥感图像融合去云方法在权利要求书中公布了：1.一种基于边缘特征增强的SAR和光学遥感图像融合去云方法，其特征在于：所述方法包括如下步骤： S1：不重叠的从数据集中随机选择k个云覆盖光学遥感图像O、无云真值光学遥感图像X和SAR图像S训练图像对； S2：搭建基于边缘特征增强的跨模态融合网络结构，输入S1中选择图像对进行训练，利用云覆盖光学遥感和SAR训练图像对经过跨模态特征融合网络得到融合去云结果，所述结果与无云光学遥感训练图像同时输入梯度引导的复合损失函数，计算误差，在使得该误差最小的情况下，优化网络权重参数，直到达到训练的最大循环次数停止并保存权重参数，具体包括如下步骤： S201，将云覆盖光学遥感图像输入嵌入层获得光学浅层特征； S202，将SAR图像输入边缘特征提取模块获得SAR边缘特征，所述边缘特征提取模块主要包括带有可学习Sobel算子的边缘提取层、浅层卷积层和深度卷积层，三层网络分别提取边缘特征、浅层特征和深层特征，利用浅层特征和深层特征对边缘特征进行补偿，得到最终的边缘特征； S203，将光学浅层特征通过融合编码器得到不同尺度的融合编码器特征，所述编码器由SAR边缘特征增强的光谱多通道特征提取模块和下采样模块得到； S204，最后一层的融合编码器特征通过瓶颈层得到强表征能力特征； S205，强表征能力特征与融合编码器特征提取模块的输出特征通过融合解码器得到不同尺度的融合解码器特征，所述解码器由上采样模块、通道叠加机制、浅层卷积层以及SAR边缘特征增强的光谱多通道特征提取模块组成； S206，最后一层的融合解码器特征通过映射层得到映射特征，该特征与输入的云覆盖光学遥感图像相加得到融合去云图像，梯度引导的复合损失函数由均方误差L1、空间梯度误差Lspa和光谱梯度误差Lspe加和得到，从而确保融合去云遥感图像的空间边缘信息一致性和重建光谱保真度； S3：重复S1和S2循环训练t次； S4：针对数据测试过程，将云覆盖光学遥感和SAR待测图像输入带有训练得到的权重参数的跨模态特征融合网络中，得到最终的融合去云结果。

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开大学，其通讯地址为：300110 天津市南开区卫津路94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。