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

龍圖騰網獲悉廣西壯族自治區自然資源遙感院申請的專利一種基于SAR-光學遙感影像聯合的深度學習去云方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115809970B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211651396.7，技術領域涉及：G06T5/77；該發明授權一種基于SAR-光學遙感影像聯合的深度學習去云方法是由劉潤東;黃友菊;羅恒;龍超俊;吳慧;韓廣萍;農志銑;祖琪設計研發完成，并于2022-12-21向國家知識產權局提交的專利申請。

本一種基于SAR-光學遙感影像聯合的深度學習去云方法在說明書摘要公布了：本發明提供一種基于SAR?光學遙感影像聯合的深度學習去云方法，具體步驟為：制作SAR和對應的光學遙感影像數據集，包括訓練樣本數據集、測試樣本數據集和測試樣本數據集；搭建SAR?光學遷移模型，訓練并優化遷移模型至收斂，輸入測試樣本數據集中的SAR影像至遷移模型中生成偽光學影像，完成SAR?光學遷移；搭建光學影像云區重建模型，訓練并優化重建模型至收斂，成對輸入測試樣本數據集中的偽光學和云覆蓋影像至重建模型中，生成無云的光學影像。本發明可以充分利用SAR影像對云層的穿透特性，為云去除方法提供更多真實的參考信息，提高了網絡在云覆蓋區域重建的可靠性，完成高效率高精度的遙感影像厚云去除任務。

本發明授權一種基于SAR-光學遙感影像聯合的深度學習去云方法在權利要求書中公布了：1.一種基于SAR-光學遙感影像聯合的深度學習去云方法，其特征在于，包括以下步驟： S1數據預處理：輸入待處理的SAR與光學遙感影像，實行地理坐標配準、數據增強和歸一化預處理，獲取地理坐標對應的SAR-光學遙感影像數據集； S2構建SAR-光學遷移的樣本數據集：在S1構建的SAR-光學遙感影像數據集基礎上，構建三個類型SAR-光學配對的遷移樣本數據集，分別為：訓練樣本數據集、驗證樣本數據集、測試樣本數據集； S3搭建、訓練并調整SAR-光學影像遷移模型：構建SAR-光學影像遷移模型，批量輸入SAR訓練樣本到SAR-光學影像遷移模型中，以配對的光學訓練樣本作為指導，采用自適應矩估計優化算法，訓練遷移模型，訓練過程中，采用驗證樣本數據集上評估遷移模型精度，調整優化模型權重，經過多次完整訓練后完成模型收斂； S4生成SAR-光學遷移的偽光學影像：基于S3完成訓練的遷移模型，輸入S2的測試樣本數據集中的SAR影像，將SAR影像遷移為RGB三通道的偽光學影像，作為云覆蓋區域信息重建的輔助數據；所述S4中采用編碼-解碼結構搭建搭SAR-光學影像的遷移模型，所述編碼-解碼結構包括：五個編碼器及其對應的解碼器，并且網絡瓶頸處額外添加四個殘差連接模塊，所述編碼器為執行下采樣操作的卷積層、實例歸一化層和泄露修正線性單元的組合，所述解碼器包含執行上采樣操作的反卷積層、實例歸一化層和修正線性單元，每個編碼器與對應解碼器間通過跳躍連接相關聯； S5構建云區信息重建樣本數據集：重建數據集包含真實光學影像、S4獲得的偽光學影像、隨機模擬云覆蓋影像，重建數據集按比例分為：云區訓練樣本數據集、云區驗證樣本數據集、云區測試樣本數據集； S6搭建、訓練并調整并訓練云區信息重建模型：構建云區信息重建模型，批量成對輸入偽光學影像、模擬云覆蓋影像至重建模型中，以真實光學影像作為指導，采用自適應矩估計優化算法，訓練遷移模型，訓練過程中，在驗證樣本數據集上評估遷移模型精度，調整優化模型權重，經過多次完整訓練后完成模型收斂；S6中構建云區信息重建模型，重建模型采用生成對抗網絡框架，所述生成對抗網絡框架由生成器和判別器組成，其中生成器采用與SAR-光學遷移模型相同的編碼-解碼結構，將云覆蓋影像重建為無云影像，判別器模型采用五層卷積網絡結構，第一至第四層為卷積層、實例歸一化和修正線性單元的組合，用于提取影像的特征，判別器的最后模塊為單層卷積層，用于輸出鑒別結果； S7在測試樣本數據集去除厚云：基于S6完成訓練的重建模型，批量輸入云區測試樣本數據集中配對的偽光學影像和云覆蓋影像，生成無云的光學影像，完成厚云去除任務。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣西壯族自治區自然資源遙感院，其通訊地址為：530000 廣西壯族自治區南寧市良慶區冬花路21號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。