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！

龙图腾网获悉浙江大学申请的专利基于空间-光谱Token学习网络的全色锐化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：CN119477750B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411581426.0，技术领域涉及：G06T5/73；该发明授权基于空间-光谱Token学习网络的全色锐化方法是由张微;姜易臻;马梦婷;赵梦娇设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本基于空间-光谱Token学习网络的全色锐化方法在说明书摘要公布了：本发明公开了一种基于空间‑光谱Token学习网络的全色锐化方法SSTL，本发明针对全色锐化任务提出了一种可以重构和融合空间、光谱特征的神经网络框架，即空间‑光谱Token学习网络，其包含三个新颖模块。傅立叶引导的Token重建模块通过应用复杂的特征交互规则，在从全色图像和低分辨率多光谱图像中提取的傅立叶域Token的交互特征，实现光谱特性的重建；Token选择模块强制空间‑光谱Token学习网络从全色图像的最相关空间区域中重建高分辨率多光谱图像的空间特性；自适应Token交互模块在光谱特征的通道交互过程中，使用从Token选择模块学习到的权重，从而实现空间‑光谱特性的无缝集成。此外，在公开数据集上的实验证实了本发明方法的有效性。

本发明授权基于空间-光谱Token学习网络的全色锐化方法在权利要求书中公布了：1.一种基于空间-光谱Token学习网络的全色锐化方法，其特征在于，包括以下步骤：将一组待进行全色锐化的PAN图像和LR-MS图像输入到经过训练的空间-光谱Token学习网络中，PAN图像和LR-MS图像各自由第一卷积层进行特征提取，将提取到的PAN图像的隐含特征和LR-MS图像的隐含特征输入到特征学习模块，将特征学习模块输出的一组描述重构光谱特征属性的Token和一组描述重构空间属性的Token输入到特征融合模块，得到融合空间特性和光谱特性的聚合特征，将聚合特征经过第二卷积层处理后，得到目标HR-MS图像； 所述空间-光谱Token学习网络具有U型结构特征，所述特征学习模块包括四个特征学习子模块，前三个特征学习子模块均包含Token重建模块、Token选择模块和下采样模块，最后一个特征学习子模块只包含Token重建模块和Token选择模块；所述特征融合模块包括四个特征融合子模块，前三个特征融合子模块均包含自适应Token交互模块和上采样模块，最后一个特征融合子模块只包含自适应Token交互模块，且前三个特征融合子模块各自在进入相邻的下一个特征融合子模块前，通过跳跃连接的方式进行特征融合，以减轻下采样操作所造成的信息丢失； 在自适应Token交互模块中，将从Token重建模块中提取到的特征的每个通道特征图视为一个Token，并对它们进行投影，从而得到查询投影、键投影和值投影；重塑键投影并和查询投影进行点积运算，从而得到注意力图；随后，利用从Token选择模块得到的激活注意力矩阵来加权值投影；最后通过矩阵重塑运算得到最终的输出结果； 所述Token重建模块中的具体处理流程如下： 首先对Token重建模块输入的两个特征各自进行归一化以及离散傅立叶变换，获得输入的每个特征的傅立叶域Token，再以复数的形式对每个特征的傅立叶域Token进行近似表示，以方便隐式建模，具体计算公式如下： ； ； 其中，表示LR-MS图像的傅立叶域Token的实映射；表示PAN图像的傅立叶域Token的实映射；表示LR-MS图像的傅立叶域Token的虚映射；表示PAN图像的傅立叶域Token的虚映射；均表示每个特征的傅立叶域Token的复数形式；表示虚数单位； 之后连接LR-MS图像的傅立叶域Token的实映射和PAN图像的傅立叶域Token的实映射得到融合实映射，连接LR-MS图像的傅立叶域Token的虚映射和PAN图像的傅立叶域Token的虚映射得到融合虚映射，将融合实映射和融合虚映射输入到由L个傅立叶域MLP层级联而成的傅立叶域MLP网络中，输出傅立叶域的隐式特征交互结果并对其进行离散傅立叶反变换运算，得到Token重建模块的输出。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。