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！

龙图腾网获悉电子科技大学申请的专利混合卷积与可控噪声协同的扩散模型遥感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：CN121095108B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511631032.6，技术领域涉及：G06T5/73；该发明授权混合卷积与可控噪声协同的扩散模型遥感全色锐化方法是由任帅;张萍;罗张欢;宋紫琴;王学扬;费春设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本混合卷积与可控噪声协同的扩散模型遥感全色锐化方法在说明书摘要公布了：本发明公开了一种混合卷积与可控噪声协同的扩散模型遥感全色锐化方法，属于图像处理领域。本发明将生成式扩散概率模型引入到多源遥感图像融合领域，改进了扩散模型正向加噪过程，通过设置的位移序列和噪声调度策略移动图像残差，以有效提高转换过程。通过构建的分层优化的混合卷积架构的模型，在全色图像和低分辨率多光谱图像的条件约束下，将融合图像逐步从噪声图像中恢复出来。其编码器浅层采用深度可分离卷积高效提取空间细节；深层采用动态形数卷积提升多尺度地物表征能力；解码器采用标准卷积确保重建稳定性与光谱一致性，通过跳跃连接融合跨层次特征。本发明显著增强了扩散模型遥感全色锐化处理的空间细节，有效提升了光谱保真度。

本发明授权混合卷积与可控噪声协同的扩散模型遥感全色锐化方法在权利要求书中公布了：1.混合卷积与可控噪声协同的扩散模型遥感全色锐化方法，其特征在于，包括下列步骤： 步骤1，输入全色锐化数据集并对其进行数据预处理，得到每个样本的图像数据，包括图像大小一致的高空间分辨率全色图Pan、低空间分辨率多光谱图ms和参考图gt，其中参考图gt为高空间分辨率多光谱图； 步骤2，基于构建的长度为T步的马尔可夫链进行条件扩散模型的正向退化，将参考图gt逐步退化至ms图，得到每一时间步的噪声图，其中，时间步； 步骤3，构建融合图像预测网络深度模型并进行模型参数训练； 融合图像预测网络深度模型包括双分支编码器、单分支解码器、特征融合模块和全局特征提取模块LEGM； 双分支编码器包括融合分支和噪声分支，其中，融合分支以Pan图和ms图为条件输入，用于提取图像的空间及光谱特征；噪声分支以噪声图和时间步为输入，用于提取时间嵌入的多光谱特征；其中，融合分支包括多个级联的第一编码单元，噪声分支包括多个级联的第二编码单元，第一、第二编码单元的数量相同；且各第二编码单元的输入还包括时间步经过时间条件调制机制模块生成空间对齐的调制张量； 特征融合模块用于将对融合分支与噪声分支的输出特征进行特征融合，得到第一融合特征并输入单分支解码器； LEGM模块的输入包括Pan图和ms图，以局部特征嵌入全局特征提取出第二融合特征并输入单分支解码器； 单分支解码器用于解码并生成高空间分辨率多光谱图，其包括多个级联的解码单元，解码单元的数量与第一第二编码单元的数量一致；每个解码单元与对应的第一编码单元之间设置跳跃连接，以便接收第一编码单元输入同尺度的第一编码特征； 训练融合图像预测网络深度模型时，输入包括样本的Pan图和ms图，以及任意时间和对应的噪声图；模型输出为参考图gt的预测图像； 步骤4，基于训练好的融合图像预测网络深度模型生成目标图像对的高空间分辨率多光谱图； 其中，目标图像对包括图像大小相同的Pan图和ms图； 时间步t的初始值设置为T，逐轮递减至1，经过T轮迭代生成各目标图像对的高空间分辨率多光谱图；其中，输入噪声分支的噪声图的初始值为ms图，从时间步T‑1起，输入的噪声图为上一轮单分支解码器输出的高空间分辨率多光谱图。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。