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！

龍圖騰網獲悉南京大學申請的專利一種基于稠密殘差的深度學習模型遙感圖像融合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：CN120410890B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510907039.X，技術領域涉及：G06T5/50；該發明授權一種基于稠密殘差的深度學習模型遙感圖像融合方法是由趙書河;馬晶晶;段思寧;董權毅;謝航船;王凱;李張南設計研發完成，并于2025-07-02向國家知識產權局提交的專利申請。

本一種基于稠密殘差的深度學習模型遙感圖像融合方法在說明書摘要公布了：本發明公開了一種基于稠密殘差的深度學習模型遙感圖像融合方法，屬于圖像融合領域，包括獲取高分六號遙感影像訓練數據集并對其進行預處理，基于Transformer的基本模塊以及基于稠密殘差的圖像融合模塊，利用預處理后的訓練數據集進行模型訓練；獲取高分六號遙感影像測試數據集，構建圖像恢復模塊，構建損失函數優化生成過程，最后基于已訓練完成的深度學習模型進行測試，評估生成的高分辨率多光譜影像；與不同融合方法的結果進行對比，本發明的基于稠密殘差的深度學習模型遙感圖像融合方法在高分六號測試數據集上綜合表現優異，生成的融合影像在空間細節與紋理特征方面呈現出更強的豐富性，在光譜信息的保留上取得了顯著優勢。

本發明授權一種基于稠密殘差的深度學習模型遙感圖像融合方法在權利要求書中公布了：1.一種基于稠密殘差的深度學習模型遙感圖像融合方法，其特征在于：包括獲取遙感影像訓練數據集并對其進行預處理，基于Transformer的基本模塊以及基于稠密殘差的圖像融合模塊，利用預處理后的訓練數據集進行模型訓練；獲取遙感影像測試數據集，構建圖像恢復模塊，構建損失函數優化生成過程，最后基于已訓練完成的深度學習Transformer模型進行測試，評估生成的高分辨率多光譜影像，具體的實施步驟為： S1：獲取遙感影像數據集，并將其分為遙感影像訓練數據集和遙感影像測試數據集，然后對遙感影像訓練數據集中的低分辨率多光譜影像和全色影像進行預處理； S2：構建Transformer的基本模塊，并對預處理后的全色影像和低分辨率多光譜影像進行相應處理； S21：對S1中線性投影后的全色影像進行自注意力模塊-塊合并層-自注意力模塊的處理，提取全色影像的空間信息； S22：對S1中線性嵌入后的低分辨率多光譜影像進行自注意力模塊的處理，提取低分辨率多光譜影像的光譜信息； S3：構建基于稠密殘差的圖像融合模塊，利用S2中的光譜和空間信息進行建模，將不同注意力的輸出連接起來形成融合表示； S31：接收S2中的光譜信息和空間信息進行跨模態融合模塊的建立，將全色影像的空間細節信息自適應地注入到多光譜影像的光譜特征圖中； S32：殘差特征計算與累積：將初始多光譜影像的光譜特征與S31中獲得的融合后的特征進行殘差連接； S33：稠密殘差特征融合，將S32中處理得到的多個殘差特征圖進行稠密連接，生成最終輸出特征圖； S4：提取S3中的全色影像和低分辨率多光譜影像的模態的信息到圖像恢復模塊中進行融合處理，輸出融合后的高分辨率多光譜影像； S5：通過構建損失函數對S4中的結果進行測試后計算損失，并迭代優化生成過程，輸出最終的高分辨率多光譜遙感影像，并對生成的高分辨率多光譜影像進行評估。

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大學，其通訊地址為：210023 江蘇省南京市棲霞區仙林大道163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”。