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！

龙图腾网获悉西安电子科技大学申请的专利一种多尺度多头注意力的高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：CN119831866B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411976367.7，技术领域涉及：G06T5/50；该发明授权一种多尺度多头注意力的高光谱图像融合方法是由马明明;何沛贤;牛毅;李甫;石光明设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种多尺度多头注意力的高光谱图像融合方法在说明书摘要公布了：本发明公开了一种多尺度多头注意力的高光谱图像融合方法，包括以下步骤；步骤1：对LR‑HSI图像进行数据预处理；步骤2：将RGB图像与预处理后的LR‑HIS图像在通道维度上进行连接，得到的连接后的特征；步骤3：通过多尺度卷积模块对所述连接后的特征提取浅层特征；步骤4：将所述浅层特征输入特征交互模块，实现特征之间的信息融合交互；步骤5：将所述特征交互模块的输出通过信息融合模块得到HR‑HSI的残差；步骤6：将HR‑HSI的残差与所述LR‑HSI图像进行相加得到高分辨率高光谱图像。本发明通过多尺度特征提取模块从输入数据中获取丰富且多尺度的特征信息，在保证重建质量的同时，显著降低计算资源需求，为高光谱图像处理提供更加实用、高效的技术路径。

本发明授权一种多尺度多头注意力的高光谱图像融合方法在权利要求书中公布了：1.一种多尺度多头注意力的高光谱图像融合方法，其特征在于，包括以下步骤； 步骤1：对LR-HSI图像进行数据预处理； 步骤2：将RGB图像与预处理后的LR-HSI图像在通道维度上进行连接，得到的连接后的特征； 步骤3：通过多尺度卷积模块从所述连接后的特征提取多尺度浅层特征； 步骤4：将所述多尺度浅层特征输入特征交互模块，实现特征之间的信息融合交互； 步骤5：将所述特征交互模块的输出通过信息融合模块得到HR-HSI的残差； 步骤6：将HR-HSI的残差与所述LR-HSI图像进行相加得到高分辨率高光谱图像； 所述步骤4具体为： 将所述多尺度浅层特征输入特征交互模块，特征交互模块通过注意力机制增强特征间的信息交流； 所述特征交互模块包括多尺度多头注意力模块和中心注意力模块； 所述多尺度多头注意力模块通过窗口注意力和头部注意力实现多尺度浅层特征F0的特征融合； 中心注意力模块弥补多尺度多头注意力模块中窗口注意力相邻窗口之间交互不足的局限； 所述多尺度多头注意力具体是： 多尺度多头注意力模块引入头部注意力模块；头部注意力模块在不同头之间计算注意力权重，促进跨头特征信息的交流，对于给定的输入多尺度浅层特征F0，多尺度多头注意力模块的计算过程为 FN＝LNF0, FM＝MSAFN+αHABFN+F0, Fout＝MLPLNFM+FM, 其中FN和FM表示中间特征，Fout表示多尺度多头注意力模块的输出，LN表示层归一化操作，MLP表示多层感知机，MSA表示移位窗口多头自注意力模块，HAB表示头部注意力模块，α为比例系数； 窗口自注意力具体是，对于给定大小的输入多尺度浅层特征F0，首先将其划分成个窗口，每个窗口的大小为S×S，然后分别在每个窗口内计算自注意力，对于多尺度浅层特征F0划分窗口后得到的每一个窗口的局部窗口特征FW∈RS×S×C，分别通过三个矩阵线性映射为Q、K、V，然后其自注意力的计算方式为 其中d表示缩放因子，B表示相对位置编码； 所述头部注意力模块具体计算过程为： 对于输入多尺度浅层特征F0，首先对特征通道C进行划分和线性映射得到自注意力中的V，其中V∈RHW×N×C′，Q和K则是先将特征通道C划分为N个头得到然后通过两次均值池化分别对HW和C′维度进行均值池化得到Favg∈RN×1×1，通过线性映射得到Q和K，Q、K计算得到的注意力权重Attn∈RN×N，将注意力权重Attn复制多份得到Attn′∈RHW×N×N，最后自注意力计算方式为 AttentionQ,K,V＝Attn′×V 在多尺度多头注意力模块之后引入中心注意力模块； 所述中心注意力模块的具体为： 将多尺度多头注意力模块的输出特征Fout通过线性映射被转换为Q、K和V三个矩阵，；然后，将特征划分为多个注意力头，每个注意力头独立处理信息； 对于特征图中的每个位置i,j，采用中心采样策略，K和V矩阵是在以i,j为中心的区域内采样得到，采样范围为W×W大小的窗口； 以3×3大小的窗口遍历特征图，步长为1，对窗口内的内容进行采样； 特征交互模块将多尺度多头注意力模块和中心注意力模块进行交互融合； 特征交互模块的计算过程如下： ＝CABMSMHF 其中表示特征交互模块的输出，F表示输入的多尺度浅层特征，MSMH·表示多尺度多头注意力模块，CAB·表示中心注意力模块。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。