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！

龙图腾网获悉星瀚时空(深圳)航天智能科技有限公司申请的专利光学遥感卫星图像融合方法、计算机设备和可读存储介质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：CN121616985B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610130557.X，技术领域涉及：G06V20/13；该发明授权光学遥感卫星图像融合方法、计算机设备和可读存储介质是由辛宸;龙吟秋;王宁设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本光学遥感卫星图像融合方法、计算机设备和可读存储介质在说明书摘要公布了：本申请提出一种光学遥感卫星图像融合方法、计算机设备和可读存储介质，该方法包括：以第一待融合图像作为预定的分辨率优化模型的输入信息，通过分辨率优化模型输出第一中间图像；基于第一中间图像在每个波段的图像特征以及每个波段的权重，确定第二中间图像；将第二待融合图像的亮度和对比度调整至与第二中间图像的亮度和对比度一致，得到第三中间图像；确定第三中间图像与第二中间图像的差值图，作为第四中间图像；对于每个波段，确定第四中间图像在波段的图像特征的预定比例特征，并将第一中间图像在波段的图像特征与预定比例特征融合，得到第四中间图像与第一中间图像融合所得的目标融合图像。本方案可提升光学遥感卫星图像融合结果的准确性。

本发明授权光学遥感卫星图像融合方法、计算机设备和可读存储介质在权利要求书中公布了：1.一种光学遥感卫星图像融合方法，其特征在于，包括： 获取第一待融合图像和第二待融合图像，其中，所述第一待融合图像为光学遥感卫星获取的低分辨率多光谱图像或低分辨率高光谱图像，所述第二待融合图像为所述光学遥感卫星获取的高分辨率全色图像； 以所述第一待融合图像作为预定的分辨率优化模型的输入信息，通过所述分辨率优化模型输出第一中间图像，其中，所述分辨率优化模型用于对所述第一待融合图像进行光谱恢复处理，所述第一中间图像为与所述第二待融合图像的分辨率一致的中间多光谱图像或中间高光谱图像； 基于所述第一中间图像在每个波段的图像特征以及每个波段的权重，确定第二中间图像，其中，所述第二中间图像用于反映所述第一待融合图像被调整至所述第二待融合图像的分辨率水平后的亮度水平； 将所述第二待融合图像的亮度和对比度调整至与所述第二中间图像的亮度和对比度一致，得到第三中间图像； 确定所述第三中间图像与所述第二中间图像的差值图，作为第四中间图像，其中，所述第四中间图像用于表现所述第二待融合图像的高频纹理特征； 对于每个波段，确定所述第四中间图像在所述波段的图像特征的预定比例特征，并将所述第一中间图像在所述波段的图像特征与所述预定比例特征融合，得到所述第四中间图像与所述第一中间图像融合所得的目标融合图像； 所述分辨率优化模型为深度学习网络，训练所述分辨率优化模型的方式包括： 获取第一历史待融合图像、第二历史待融合图像以及历史目标融合图像，其中，所述第一历史待融合图像为历史融合处理中光学遥感卫星获取的低分辨率多光谱图像或低分辨率高光谱图像，所述第二历史待融合图像为历史融合处理中所述光学遥感卫星获取的高分辨率全色图像，所述历史目标融合图像为所述第一历史待融合图像和所述第二历史待融合图像的融合结果； 以第一历史待融合图像作为输入样本，输入初始的分辨率优化模型，将所述分辨率优化模型所包含的光谱重建模块与细节注入模块置于同一优化框架下进行联合训练，在训练过程中，通过构建同时作用于光谱重建中间结果与最终融合结果的联合损失函数，对所述分辨率优化模型进行迭代优化，直至所述光谱重建模块输出的中间多光谱高光谱图像的光谱一致性、以及所述细节注入模块与所述光谱重建模块协同产生的最终融合图像的质量，共同达到预定优化目标，其中，所述预定优化目标由第二损失函数约束，所述第二损失函数由第一损失函数和第三损失函数组合得到， ， 表示所述第二损失函数，为所述第一损失函数，为所述第三损失函数，∈[0,1]，用于反映所述第一损失函数在所述第二损失函数中的重要程度，越大，所述第二损失函数相对于第二优化目标侧重第一优化目标，越小，所述第二损失函数相对于所述第一优化目标侧重所述第二优化目标，其中，所述第一优化目标为中间光谱重建质量，所述第二优化目标为最终融合图像质量； ， 为所述第一损失函数，、和分别为当前次迭代中的像素级均方误差、光谱角映射损失和总变差损失，、和分别为所述像素级均方误差、所述光谱角映射损失和所述总变差损失对遥感图像融合的贡献程度； ， 表示所述第三损失函数，表示当前次迭代中对所述第一中间图像的预测值，表示所述第一中间图像的实际值，表示光谱一致性损失，表示结构相似性损失，表示注入正则化损失，表示所述第四中间图像，表示所述第三中间图像，表示所述第二中间图像，、、分别为所述光谱一致性损失、所述结构相似性损失和所述注入正则化损失在当前次迭代过程中的贡献程度。

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星瀚时空(深圳)航天智能科技有限公司，其通讯地址为：518081 广东省深圳市盐田区海山街道鹏湾社区海景二路1025号壹海国际中心2808；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。