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！

龙图腾网获悉西安理工大学申请的专利基于三维协同注意力的高光谱图像压缩与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：CN121353431B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511904789.8，技术领域涉及：G06T9/00；该发明授权基于三维协同注意力的高光谱图像压缩与重建方法是由梁玮;袁世闯;张九龙设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本基于三维协同注意力的高光谱图像压缩与重建方法在说明书摘要公布了：本发明基于三维协同注意力的高光谱图像压缩与重建方法，包括选取高光谱图像数据集进行预处理，将预处理后的数据集划分为训练集、验证集和测试集，建立由编码器和解码器构成的高光谱图像压缩网络模型，编码器包含三维协同注意力模块，解码器以特征增强主干架构为基础，配置有特征精炼模块，对高光谱图像压缩网络模型进行训练、验证和测试，获得优化后的高光谱图像压缩网络模型，将待压缩的图像输入优化后的高光谱图像压缩网络模型中，实现对高光谱图像的压缩与重建。本发明通过引入三维协同注意力机制在编码阶段实现空间–光谱–通道信息的融合表达，从整体上提升了压缩特征的语义完整性与判别能力，提高了模型的压缩性能。

本发明授权基于三维协同注意力的高光谱图像压缩与重建方法在权利要求书中公布了：1.基于三维协同注意力的高光谱图像压缩与重建方法，其特征在于，包括以下步骤： 步骤1，选取高光谱图像数据集进行预处理； 步骤2，将预处理后的数据集划分为训练集、验证集和测试集； 步骤3，建立由编码器和解码器构成的高光谱图像压缩网络模型，编码器包含三维协同注意力模块，解码器以特征增强主干架构为基础，配置有特征精炼模块； 所述编码器由依次连接的第一卷积层、第一ReLU激活函数、第二卷积层、第二ReLU激活函数、层归一化层、三维协同注意力模块、多层感知机、第三卷积层和第三ReLU激活函数构成，解码器由依次连接的特征增强主干和空间-光谱超分辨模块组成，将预处理后的高光谱图像输入到高光谱图像压缩网络模型的编码器中，输出得到压缩特征表示，将压缩特征表示输入到高光谱图像压缩网络模型的解码器中，输出得到重构的高光谱图像； 所述三维协同注意力模块由图像宽度、高度和光谱数三个维度分支构成，每个维度分支由平均池化层、标准池化层、卷积层和Sigmoid函数构成，并且都在平均池化层和卷积层之间增加了残差连接，所述多层感知机由第一全连接层、GELU激活函数和第二全连接层组成；所述特征增强主干由第四卷积层、十六个特征增强模块和第五卷积层组成，每个特征增强模块由三个特征精炼模块和一个特征通道注意力模块组成，每个特征精炼模块由第六卷积层、第一SiLU激活函数、第七卷积层、第二SiLU激活函数、第八卷积层、第三SiLU激活函数、第九卷积层、第四SiLU激活函数和第十卷积层组成，特征通道注意力模块由平均池化层、最大池化层、第十一卷积层、第十二卷积层、第四ReLU激活函数、第十三卷积层和第五ReLU激活函数组成；所述空间-光谱超分辨模块由第一上采样层、第十四卷积层、第五SiLU激活函数、第十五卷积层、第六SiLU激活函数、第二上采样层、第十六卷积层、第七SiLU激活函数和第十七卷积层组成； 步骤4，对高光谱图像压缩网络模型进行训练、验证和测试，获得优化后的高光谱图像压缩网络模型； 步骤5，将待压缩的图像输入优化后的高光谱图像压缩网络模型中，实现对高光谱图像的压缩与重建。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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。