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！

龙图腾网获悉武汉大学申请的专利面向感知任务的高光谱遥感影像潜变量编码方法及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：CN121259121B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511820993.1，技术领域涉及：G06T9/00；该发明授权面向感知任务的高光谱遥感影像潜变量编码方法及系统是由王密;王慧雯;肖晶设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本面向感知任务的高光谱遥感影像潜变量编码方法及系统在说明书摘要公布了：本发明提供一种面向感知任务的高光谱遥感影像潜变量编码方法及系统，包括：面向感知任务的高光谱遥感影像潜变量编码方法，该方法包括：获取高光谱遥感影像样本，对高光谱遥感影像样本进行预处理得到训练数据集和测试数据集；构建高光谱遥感影像潜变量编码模型，高光谱遥感影像潜变量编码模型包括多层级变分编码器VAE网络，多层级VAE网络提取多层潜变量，并结合向量量化对潜变量编码；利用训练数据集对高光谱遥感影像潜变量编码模型进行训练，采用Adam自适应学习率优化算法进行模型优化，得到训练好的高光谱遥感影像潜变量编码模型；将实时获取的高光谱遥感影像输入训练好的高光谱遥感影像潜变量编码模型，得到重构的高光谱遥感影像。

本发明授权面向感知任务的高光谱遥感影像潜变量编码方法及系统在权利要求书中公布了：1.一种面向感知任务的高光谱遥感影像潜变量编码方法，其特征在于，包括： 获取高光谱遥感影像样本，对所述高光谱遥感影像样本进行预处理得到训练数据集和测试数据集； 构建高光谱遥感影像潜变量编码模型，所述高光谱遥感影像潜变量编码模型包括多层级VAE网络，所述多层级VAE网络提取多层潜变量，并结合向量量化对潜变量编码； 利用所述训练数据集对所述高光谱遥感影像潜变量编码模型进行训练，采用Adam自适应学习率优化算法进行模型优化，得到训练好的高光谱遥感影像潜变量编码模型； 将实时获取的高光谱遥感影像输入所述训练好的高光谱遥感影像潜变量编码模型，得到重构的高光谱遥感影像； 构建高光谱遥感影像潜变量编码模型，包括： 所述高光谱遥感影像潜变量编码模型包括编码过程和解码过程； 所述编码过程依次由多层级潜变量编码器、分析变换模块、算数编码与量化模块、超分析变换模块和向量量化模块进行处理； 所述解码过程依次由超合成变换模块、算数解码模块、合成变换模块和多层级潜变量解码器进行处理； 所述编码过程具体包括： 所述多层级潜变量编码器包括多个编码器，每个编码器由若干个残差模块和下采样层组成，用于从输入的高光谱影像中提取多个层级的潜变量； 所述分析变换模块包括若干残差模块、归一化层和激活函数，以所述多层级潜变量编码器提取的潜变量作为输入，用于对每个层级的潜变量做变换输出中间特征； 所述超分析变换模块包括多层卷积层和激活函数，以每个层级的中间特征为输入，输出超潜变量； 所述向量量化模块包括一个在线学习的码本，所述码本存储多个码本向量，通过最近邻量化方式，对输入的超潜变量做向量量化，选择最近邻码本向量，将所述最近邻码本向量在所述码本中的索引用于编码； 所述算数编码与量化模块包括量化操作和算数编码操作所述解码过程具体包括： 所述算数解码模块包括算数解码操作，利用与编码端一致的概率模型进行算数解码，从二进制码流中恢复中间特征； 所述超合成变换模块包括多个反卷积层和激活函数，获取向量量化模块映射出的超潜变量，经过反卷积得到中间特征的统计参数，将统计参数提供给算数解码模块； 所述合成变换模块包括若干残差模块、卷积层和激活函数，以各个层级算数解码模块恢复的中间特征为输入，经过残差模块、卷积层和激活函数，输出解码的多个层级的潜变量； 所述多层级潜变量解码器包括多个解码器，每个解码器由若干个残差模块和上采样层组成，用于将多个层级的解码潜变量逐层解码，输出重构的高光谱影像。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。