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！

龙图腾网获悉广州大学申请的专利一种基于Transformer和RNN的高光谱超分辨率重建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：CN119809932B 。

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：202411884247.4，技术领域涉及：G06T3/4053；该发明授权一种基于Transformer和RNN的高光谱超分辨率重建方法是由唐冬;李思环;杨小飞设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于Transformer和RNN的高光谱超分辨率重建方法在说明书摘要公布了：本申请涉及计算机视觉和图像处理领域，其具体地公开了一种基于Transformer和RNN的高光谱超分辨率重建方法，其首先对初始数据集进行预处理和均值归一化以得到归一化特征张量，并在归一化特征张量的第1个维度增加一个维度，接着通过编码模块对处理后的数据进行空间维度和光谱维度的卷积操作和权重归一化以得到编码特征张量，然后通过四个光谱‑空间残差模块对编码特征张量更深层的特征提取以得到重建图像，最后使用反3D卷积对重建图像进行解码。本申请通过空间混合和通道混合的串联，采用改进的线性注意力机制来代替传统的transform，实现了高光谱图像的高效和精准重建。

本发明授权一种基于Transformer和RNN的高光谱超分辨率重建方法在权利要求书中公布了：1.一种基于Transformer和RNN的高光谱超分辨率重建方法，其特征在于，包括： S1、收集不同种类的图像作为初始数据集，其中每个种类包含若干张图像，并使用MATLAB软件分别将每个种类的若干张图像融合成高光谱图像； S2、对所述高光谱图像进行均值归一化处理，以得到归一化特征张量； S3、在所述归一化特征张量的第1个维度增加一个维度，使得数据形状调整为[B,1,C,H,W]； B是批次大小，C是通道数，H是图像的高度，W是图像的宽度； S4、通过编码模块对增加维度后的归一化特征张量分别进行3D卷积和权重归一化以得到编码特征张量； S5、通过光谱-空间残差模块SSRMSpectral-SpatialResidualModule对编码特征张量进行深层次的特征提取； S6、多次重复步骤S5以得到重建图像，其中，经过SSRM模块处理后的数据与前一个SSRM模块的输出进行融合，作为下一个SSRM模块的输入； S7、使用反3D卷积对重建图像进行解码； 其中，所述S5，包括： S51、将编码特征张量依次送入三个双3D卷积模块，经过双3D卷积模块处理后的数据与前一个双3D卷积得到的结果进行相加作为下一个双3D卷积模块的输入，往后重复两次，形成三个残差形状，其中，三个双3D卷积模块的输出分别为第一残差特征张量、第二残差特征张量和第三残差特征张量； S52、将第三残差特征张量转换为4D张量，通过三个空间和信道串联混合模块对转换后的4D张量进行深层次的特征提取以得到空间信道混合特征张量，并将其恢复成5D的形状； S53、将第一残差特征张量和第二残差特征张量分别乘以超学习参数之后，与恢复5D形状后的空间信道混合特征张量进行叠加； S54、将叠加后的数据通过基础3D卷积进行特征提取后，应用ReLU激活函数引入非线性，并将处理后的数据输入到一个双3D卷积中进行特征细化； 在所述S52中，空间和信道串联混合模块包括空间混合模块和信道混合模块，空间混合模块包括： R＝OmniShiftxWR，K＝OmniShiftxWK，V＝OmniShiftxWV sR＝σR X’＝sR⊙X 其中，x是进入到空间混合模块的输入，OmniShift是数据位移，R是查询矩阵，WR是查询的权重矩阵，K是键矩阵，WK是键的权重矩阵，V是值矩阵，WV是值的权重矩阵，X是全局注意结果，RUN_CUDA是CUDA运算的执行标志，B是批次大小，T是时间步，C是通道数，spatialdecayj是空间衰减因子，spatialfirstj是空间初始参数，sR是查询矩阵R经过sigmoid激活函数的数据，σ代表sigmoid函数，X’是空间混合模块的输出，⊙表示逐元素乘法； 在所述S52中，信道混合模块包括： KV＝WKV·K1+bKV R1＝OmniShiftx1WR1 Output＝σR1⊙KV 其中，WKV是线性层的权重矩阵，bKV是线层的偏置项。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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。