買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京理工大學申請的專利基于混合模型的SAR-光學圖像融合方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN117314811B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202311374366.0，技術領域涉及：G06T5/50；該發(fā)明授權基于混合模型的SAR-光學圖像融合方法是由高昆;黃琰珺;王俊偉;陳大羽;閔蕾;洪斌;王大偉設計研發(fā)完成，并于2023-10-23向國家知識產(chǎn)權局提交的專利申請。

本基于混合模型的SAR-光學圖像融合方法在說明書摘要公布了：本發(fā)明公開了基于混合模型的SAR?光學圖像融合方法，包括：獲取若干SAR圖像和光學圖像；將SAR圖像和光學圖像進行預處理得到第一圖像對；獲取遙感圖像數(shù)據(jù)；利用遙感圖像數(shù)據(jù)加上噪聲得到第一數(shù)據(jù)集；根據(jù)第一數(shù)據(jù)集對多尺度全局噪聲抑制網(wǎng)絡進行端到端的訓練得到第一模型；將SAR訓練圖像輸入第一模型中得到輸出的第一輸入圖像；根據(jù)光學訓練圖像的灰度通道得到第二輸入圖像；將第一和第二輸入圖像組成第二圖像對以此組成第二數(shù)據(jù)集；構建多尺度全局融合模型得到訓練后的第二模型。通過實現(xiàn)了SAR圖像和光學圖像的像素級融合，能夠特征提取不明顯，避免導致融合結果信息缺失的問題，使得所求得融合圖像包含的信息更全面和精確。

本發(fā)明授權基于混合模型的SAR-光學圖像融合方法在權利要求書中公布了：1.一種基于混合模型的SAR-光學圖像融合方法，其特征在于，包括： 獲取若干同一地區(qū)的SAR圖像和光學圖像； 將所述SAR圖像和所述光學圖像進行預處理得到第一圖像對；所述第一圖像對包括：SAR訓練圖像和與其對應光學訓練圖像； 獲取遙感圖像數(shù)據(jù)； 利用所述遙感圖像數(shù)據(jù)加上噪聲來模擬所述SAR訓練圖像，得到第一數(shù)據(jù)集；其中，所述噪聲的替代模型表示如下： J＝ηI； J＝I+η-1I； J＝I+K； 其中J為觀測圖像強度，I為無噪聲圖像，K＝η-1I為SAR圖像的乘性散斑分量，η為隨機采樣，均值為μ，方差為σ∈[0.55,0.9]； 根據(jù)所述第一數(shù)據(jù)集對多尺度全局噪聲抑制網(wǎng)絡進行端到端的訓練，直至訓練終止，得到第一模型； 將至少部分的所述SAR訓練圖像分批輸入所述第一模型中，得到輸出的第一輸入圖像；所述第一輸入圖像為去噪后的干凈SAR圖像； 根據(jù)至少部分的所述光學訓練圖像的灰度通道得到第二輸入圖像； 將所述第一輸入圖像和所述第二輸入圖像，按照同樣的大小裁剪，同時將內(nèi)容相同的圖像組成第二圖像對，以此組成第二數(shù)據(jù)集； 依次構建圖像特征提取結構、特征融合結構和特征重建結構；將所述圖像特征提取結構、所述特征融合結構、所述特征重建結構相連接組成SAR-光學圖像的多尺度全局融合模型，所述多尺度全局融合模型為第二模型，其中，所述特征融合結構的構建方法包括：基于一路為基于Transformer的融合模塊和一路為基于CNN的融合模塊，設計得到雙支路混合融合結構；其中，所述Transformer的融合模塊主要由交叉注意力機制來完成特征間的交互，所述CNN的融合模塊利用卷積的局部加權計算能力以及通道間的可拼接特性，完成特征的交互；所述雙支路混合融合結構基于全局和局部特征的融合方法，最終將兩支路各自融合的特征按照通道進行拼接則得到經(jīng)過全局和局部特征融合的融合特征圖，得到所述特征融合結構； 根據(jù)結構相似度損失Ldet和特征相似度損失Lfeat求和得到目標函數(shù)Lfuse，根據(jù)所述第二數(shù)據(jù)集和所述目標函數(shù)Lfuse訓練所述第二模型，直至所述目標函數(shù)Lfuse收斂到最小值并不再下降，得到訓練后的所述第二模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區(qū)中關村南大街5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。