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！

龙图腾网获悉北京理工大学;北京空间机电研究所申请的专利一种基于特征增强通道混洗的高光谱与全色影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：CN119649057B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411692790.4，技术领域涉及：G06V10/52；该发明授权一种基于特征增强通道混洗的高光谱与全色影像融合方法是由耿晶;岳鑫;冯雨莹设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于特征增强通道混洗的高光谱与全色影像融合方法在说明书摘要公布了：本发明公开了一种基于特征增强通道混洗的高光谱与全色影像融合方法，包括：分别获取高光谱影像和全色影像并进行预处理，对应获得预处理后的高光谱影像和预处理后的全色影像；基于矩阵秩约束的高光谱影像特征增强模块对预处理后的高光谱影像进行特征提取，获得高光谱影像特征；基于滤波的全色影像特征提取模块对预处理后的全色影像进行特征提取，获得全色影像特征；将高光谱影像特征和全色影像特征进行拼接，获得影像特征融合部分的输入特征；基于多尺度卷积对输入特征进行特征融合，提取不同尺度的特征，并基于通道混洗的深浅融合模块对不同尺度的特征进行深入融合，获得最终的融合结果。本发明进一步提升了图像融合效果。

本发明授权一种基于特征增强通道混洗的高光谱与全色影像融合方法在权利要求书中公布了：1.一种基于特征增强通道混洗的高光谱与全色影像融合方法，其特征在于，包括： 获取高光谱影像和全色影像，分别对所述高光谱影像和全色影像进行预处理，对应获得预处理后的高光谱影像和预处理后的全色影像； 基于矩阵秩约束的高光谱影像特征增强模块对所述预处理后的高光谱影像进行特征提取，获得高光谱影像特征； 基于滤波的全色影像特征提取模块对所述预处理后的全色影像进行特征提取，获得全色影像特征； 将所述高光谱影像特征和全色影像特征进行拼接，获得影像特征融合部分的输入特征；基于多尺度卷积对所述输入特征进行特征融合，提取不同尺度的特征，并基于通道混洗的深浅融合模块对不同尺度的特征进行深入融合，获得最终的融合结果； 基于矩阵秩约束的高光谱影像特征增强模块对所述预处理后的高光谱影像进行特征提取，获得高光谱影像特征的过程包括： 将LRHSU输入基于矩阵秩约束的高光谱影像特征增强模块，对LRHSU进行维度增加操作，获得OLRHSU∈R1×H×W×B，并通过在三个维度上各执行一次大小为3的1D卷积的过程来提升矩阵秩的上限； 基于多尺度卷积对所述输入特征进行特征融合，提取不同尺度的特征的过程包括： 采用多尺度卷积进行特征融合，通过应用3×3，5×5和7×7的卷积核，提取获得不同尺度的特征，公式表达式为： 其中，Oi为经过不同尺度卷积核i×i输出的特征图，Ob是将Oi沿通道进行拼接得到该多尺度卷积模块的最终输出，δ·代表激活函数ReLU；OP为全色影像特征； 基于通道混洗的深浅融合模块对不同尺度的特征进行深入融合，获得最终的融合结果的过程包括： 将Ob输入基于通道混洗的深浅融合模块进行深入融合，在对深浅特征进行提取的过程中，加入通道混洗操作来捕捉远距离关系的依赖，综合利用深层的全局信息、浅层的局部信息以及远距离特征的依赖关系，进行深度融合； 所述深浅融合模块的公式表达式为： 其中Obi表示第i层卷积的输出，ObiS则表示经过通道混洗的卷积输出，W3i和b3i分别代表该层3×3卷积的权重和偏置； 所述通道混洗包括水平随机Shuffle和垂直随机Shuffle； 定义平面为V∈RH×W， 其中，平面上的特征向量记为Vij∈R，且i∈{1,2,...,H},j∈{1,2,...,W}；d是Shuffle的长度，其值为win_size2，“winsize”表示自注意力的窗口大小，而Spliceh用于水平合并分组Gk； 随后，将平面V分为Wd组，记为Gk，其中k∈{1,2,...,Wd}； 然后，对平面V执行Shuffle操作，获得水平Shuffle结果Vs后，对Vs沿垂直方向进行相同处理，获得最终的Shuffle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理工大学;北京空间机电研究所，其通讯地址为：100081 北京市海淀区中关村南大街5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。