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！

龍圖騰網獲悉南京航空航天大學申請的專利基于地理坐標嵌入的遙感影像云去除方法及系統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：CN120495138B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202510980348.X，技術領域涉及：G06T5/77；該發明授權基于地理坐標嵌入的遙感影像云去除方法及系統是由李俊;楊炎泰;盛慶紅;王博;凌霄;劉祥設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于地理坐標嵌入的遙感影像云去除方法及系統在說明書摘要公布了：本發明公開了一種基于地理坐標嵌入的遙感影像云去除方法及系統，系統采用地理坐標系統嵌入模塊，將像素經緯信息編碼為高維特征，通過球面坐標映射與旋轉矩陣實現絕對位置和相對空間關系的聯合建模，并結合多頭自注意力機制與殘差連接，增強特征空間的位置敏感性。同時，利用多層級特征提取網絡和云畸變補償模塊，通過殘差塊與卷積操作提取云干擾特征，生成位置感知校正向量，校正云覆蓋區域的非線性偏移，恢復地表紋理。本方法顯著提升了跨區域場景的適應性，有效減少大尺度云區的紋理扭曲和信息丟失，在遙感影像預處理、農業監測、土地覆蓋變化分析等領域具有高精度、強魯棒性的優勢，為光學遙感數據的高質量應用提供了新方案。

本發明授權基于地理坐標嵌入的遙感影像云去除方法及系統在權利要求書中公布了：1.一種基于地理坐標嵌入的遙感影像云去除方法，其特征在于，包括以下步驟： S1：多尺度特征提取，對輸入的有云遙感圖像進行卷積操作以提取初始淺層特征，并依次通過多個包含地理坐標嵌入注意力模塊和下采樣操作的層級結構，逐步提取多尺度深層語義特征； S2：特征恢復與語義強化，將編碼器輸出的深層特征通過逐層上采樣操作還原圖像空間尺寸，并在每個上采樣階段融合來自編碼器的對應層級特征，同時經過地理坐標嵌入注意力模塊強化語義表達能力； S3：云畸變補償，將解碼后的高層語義特征送入特征空間云畸變補償模塊，該模塊基于圖像中位置特征差異進行學習修正，從而進一步恢復受云影響區域的真實地表紋理； S4：圖像重建與優化，將畸變補償后的特征圖通過卷積層映射至圖像空間，最終輸出高質量去云遙感圖像，并與真值參考圖像進行損失函數計算優化模型參數； 所述步驟S1中的地理坐標嵌入注意力模塊包括以下流程： A1：初始特征嵌入，對輸入特征向量進行一次全連接層處理，生成初始嵌入特征F0： F0＝FC1X 其中，X為輸入特征向量，為編碼器輸出的特征圖；F0為輸出初始嵌入特征，通過全連接層FC1對X進行線性變換后得到；其中，FC1是可學習的全連接層參數，用于將輸入特征映射到新的特征空間； A2：地理坐標嵌入，將初始嵌入特征輸入至地理坐標嵌入模塊，該模塊通過將每個像素點的地理坐標進行位置編碼，輸出包含空間位置信息的增強特征Fgcs： Fgcs＝GCSEmbedF0,θ,φ 其中地理坐標選自球面坐標θ,φ或經緯度 A3：多頭自注意力響應，將增強后的特征Fgcs輸入至多頭自注意力機制模塊中，生成注意力響應特征Fattn，再次通過全連接層映射輸出特征F1： Fattn＝MultiHeadFgcs F1＝FC2Fattn A4：殘差連接與特征優化，將F1與F0相加形成第一級殘差連接輸出F2，對F2進行層歸一化處理，并傳入多層感知器模塊，該模塊由全連接層、激活層和另一全連接層構成，輸出為F3： F2＝F0+F1 F3＝MLPLayerNormF2 將F3與F2相加，形成模塊的最終輸出Fout： Fout＝F2+F3 其中，所述地理坐標嵌入采用球面編碼方式，將地理坐標轉換為高維嵌入，用于增強特征空間中的空間位置敏感性； 所述步驟A2中的地理坐標嵌入模塊的坐標嵌入步驟包括： B1：二維坐標到角度坐標映射，將輸入圖像中每個像素點的二維像素坐標x,y映射為角度坐標： 其中，W，H分別為圖像的寬與高，θ，k分別表示該點與球面坐標系中xz軸的夾角； B2：三維方向編碼，構造兩個旋轉矩陣Rθ、Rk，分別圍繞x軸和z軸進行旋轉，將單位向量 映射為帶有方向編碼的向量 該向量包含了原始空間位置與方向信息，實現對地理位置信息的三維嵌入； B3：相對空間關系建模，對于不同位置v1,v2，若其地理方向一致，旋轉后方向相近；若其角度差異大，方向差異顯著；該嵌入步驟不僅編碼絕對位置，還能有效表示像素之間的相對空間關系。

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南京航空航天大學，其通訊地址為：210016 江蘇省南京市秦淮區御道街29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”。