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申请的专利基于空谱联合自注意力机制的高光谱图像去噪方法和系统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：CN116167939B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310167573.2，技术领域涉及：G06T5/70；该发明授权基于空谱联合自注意力机制的高光谱图像去噪方法和系统是由付莹;李妙宇;郑德智设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本基于空谱联合自注意力机制的高光谱图像去噪方法和系统在说明书摘要公布了：本发明公开了基于空谱联合自注意力机制的高光谱图像去噪方法和系统，属于图像处理技术领域。首先根据高光谱图像特性，构造空间‑光谱联合自注意力机制网络，将带噪高光谱图像作为网络的输入，提取图像空间‑光谱特征。通过全局光谱自注意力机制，提取高光谱图像的波段相关性。最后，将提取的空间‑光谱特征通过多重感知机和残差连接，重建出干净的无噪声高光谱图像。系统包括特征提取子系统、非局部空间自注意力子系统、全局光谱自注意力子系统、图像重建子系统。本发明能够有效对带噪高光谱图像进行恢复，得到无噪的高光谱图像。相比于卷积网络，能够更好建模长距离依赖信息，对目标高光谱图像具有更好的适应能力。

本发明授权基于空谱联合自注意力机制的高光谱图像去噪方法和系统在权利要求书中公布了：1.基于空谱联合自注意力机制的高光谱图像去噪方法，其特征在于，包括以下步骤： 步骤1：根据高光谱图像特性构造空谱联合Transformer网络； 将带噪高光谱图像作为网络的输入，提取图像空间-光谱联合特征； 高光谱图像的噪声模型的表达式为： Y＝X+η 其中，Y为带噪高光谱图像，X为原始干净的高光谱图像，η为噪声； 特征提取过程如下： Fk＝HkFk-1,k＝1,2,…,K 其中，Fk为网络不同层提取出的特征，Hk表示第k个空间-光谱自注意力机制残差网络；F0＝conv3Y，网络首先通过3×3卷积从带噪高光谱Y中提取出浅层特征F0，再通过堆叠的K个残差模块对带噪图的深度特征进行提取； 步骤2：通过偏移窗口的空间自注意力机制提取高光谱图像空间相似性特征； 对于空谱联合Transformer网络，第l层的输入特征Zl-1通过自注意力机制网络，利用高光谱图像的多维度特性进行去噪； 自注意力机制网络包括空间-光谱自注意力模块SSMA、多层感知机MLP和正则化层LN； 自注意力机制网络特征提取如下所示： Z′l＝SSMALNZl-1+Zl-1 Zl＝MLPLNZ′l+Z′l 其中，Z′l和Zl分别表示第l层SSMA模块和MLP层的输出；SSMA模块包括一个非局部空间自注意力模块NLSA和一个全局光谱自注意力模块GSA； 对于输入Zin，非布局空间自注意力特征的提取过程表示为： 其中，WinPartition表示对特征进行窗口划分操作，表示第i个非局部特征，WinReverse表示对以窗口形式划分的特征进行合并操作；表示从Zin中按照窗口划分得到的特征块，H表示特征的高，W表示特征的宽，M表示窗口大小； 步骤3：通过全局光谱自注意力机制提取高光谱图像的波段相关性； 获得的非局部特征Znonlocal通过全局光谱自注意力模块GSA，对光谱间的高相关性进行提取和利用： Zglobal＝GSAZnonlocal 其中，Zglobal表示全局光谱特征； 步骤4：将提取的空谱特征通过多层感知机和残差连接，从网络不同层提取出的特征中，恢复出干净的无噪声高光谱图像。

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，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。