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！

龙图腾网恭喜中国石油大学(华东)申请的专利基于全局感知选择性融合的多时相遥感图像去云方法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：CN119887589B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510362711.1，技术领域涉及：G06T5/77；该发明授权基于全局感知选择性融合的多时相遥感图像去云方法是由王圣杰;窦奥喆;周浩然;陈俊名;刘宝弟;刘伟锋设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于全局感知选择性融合的多时相遥感图像去云方法在说明书摘要公布了：本发明公开基于全局感知选择性融合的多时相遥感图像去云方法，属于图像去云技术领域，用于图像去云，包括将三时相有云遥感图像输入生成对抗网络框架，得到输出结果后重新输入生成对抗网络框架，重复循环直到得到满足要求的无云图像。所述生成对抗网络框架包括生成器和判别器，生成器包括编码器、高级特征提取模块和解码器，判别器输出概率值表示图像来源，多尺度卷积层提取图像纹理特征，对抗损失函数优化网络参数，对抗损失包含像素级重建损失和对抗训练损失。本发明有效解决多时相数据融合中的时空不连续问题，在云覆盖区域特征重建中实现地表细节保留与时序变化规律捕捉，获得了质量较好的去云图像。

本发明授权基于全局感知选择性融合的多时相遥感图像去云方法在权利要求书中公布了：1.基于全局感知选择性融合的多时相遥感图像去云方法，其特征在于，包括将三时相有云遥感图像输入生成对抗网络框架，得到输出结果后重新输入生成对抗网络框架，重复循环直到得到满足要求的无云图像； 所述生成对抗网络框架包括生成器和判别器，生成器包括编码器、高级特征提取模块和解码器，判别器输出概率值表示图像来源，多尺度卷积层提取图像纹理特征，对抗损失函数优化网络参数，对抗损失包含像素级重建损失和对抗训练损失； 所述编码器包括下采样模块、三重权重选择模块和特征融合层； 所述下采样模块包括三组并行的下采样单元，每组下采样单元包括卷积层、ReLU激活函数和批量归一化层，通过不同步长的卷积核实现特征图的尺寸缩减和通道数倍增； 所述三重权重选择模块包括三个并行处理分支和动态权重生成器； 三重权重选择模块的输入特征的尺寸为，为通道数，为高度，为宽度； 将输入第一个处理分支，通过第一旋转层后，的尺寸为，经过空间注意力层，再通过第二旋转层后，的尺寸为； 将输入第二处理分支，经过空间注意力层； 将输入第三个处理分支，通过第一旋转层后，的尺寸为，经过空间注意力层，再通过第二旋转层后，的尺寸为； 对三个处理分支的结果分别通过全局池化、平均池化、卷积层生成三个权重图，得到每个处理分支的特征图中的重要部分，对输入特征进行加权后恢复原始维度； 动态权重生成器包括第一特征变换层、第二特征压缩层和权重预测层； 第一特征变换层采用3×3卷积核，步长1，输出通道数扩展至输入特征的32倍，通过ReLU激活函数进行非线性映射； 第二特征压缩层通过3×3卷积核实现空间特征聚合，输出通道数缩减至16倍，并连接ReLU激活函数强化特征稀疏性； 权重预测层使用1×1卷积核将通道数压缩至3，经过Softmax激活函数后生成原始特征图的三维权重系数； 解码器包括两个ReSwin阶段，每个ReSwin阶段包括ReLN归一化层和可变模块； 所述ReLN归一化层包括三条分支，所述三条分支对应三个输出，第一分支包括均值层、点卷积层，形成第一输出，第二分支包括方差层、点卷积层，形成第二输出，中央分支包括层归一化，层归一化的输出与第一输出结合，然后与第二输出进行特征融合得到中央输出； 解码器的输入特征依次输入至ReLN归一化层，产生三个输出，中央输出进入可变模块，第二输出与可变模块的输出结合，然后与第一输出进行特征融合，最后输出； 第一个ReSwin阶段的可变模块为窗口化多头自注意力单元W-MSA，第二个ReSwin阶段的可变模块为多层感知机MLP。

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中国石油大学(华东)，其通讯地址为：266590 山东省青岛市黄岛区长江西路66号；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”。