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！

龙图腾网获悉西北工业大学申请的专利基于合成孔径雷达和可见光融合的遥感影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：CN116993598B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310543571.9，技术领域涉及：G06T5/60；该发明授权基于合成孔径雷达和可见光融合的遥感影像去云方法是由袁媛;李子珏;马单丹设计研发完成，并于2023-05-15向国家知识产权局提交的专利申请。

本基于合成孔径雷达和可见光融合的遥感影像去云方法在说明书摘要公布了：本发明提出了一种基于合成孔径雷达和可见光融合的遥感影像去云方法，属于计算机视觉，图像修复与增强领域。该方法将不同模态的配对图像所表达的、相同的内容信息与模态特征解耦，以降低多模态图像之间的差异；设计模态差异补充机制，能够充分利用光学模态下的内容信息，逐像素地对SAR模态下的内容信息进行修正，从而显著地提升修复区域内外的一致性。使用本发明的方法，能够极大地降低多模态融合去云任务的难度，提升图像去云结果的准确性。并且模型对云层形状和大小变化的鲁棒性很强，因此在极端气象观测场景中，无需微调也能快速投入实际应用。

本发明授权基于合成孔径雷达和可见光融合的遥感影像去云方法在权利要求书中公布了：1.一种基于合成孔径雷达和可见光融合的遥感影像去云方法，其包括以下步骤： 步骤1：绘制一张二值掩码图用以模拟云层遮挡，掩码中的像素设置为0或255，0表示当前像素被云层遮挡，255表示当前像素是有效信息；然后将掩码与干净的RGB图像通过alpha通道混合法合成模拟的被云层遮挡的RGB图像；同时，从38-Cloud数据集中选取部分真实云层图像，使用相应的二值掩码标签将地面背景信息过滤后，再与干净的RGB图像通过alpha通道混合法生成被云遮挡的真实图像，该掩码中的像素值也为0或255； 步骤2：设计基于特征解耦的多模态图像去云算法，能够将配对的SAR图像和RGB图像所表达的、相同的内容信息分别与SAR模态和RGB模态的特征进行解耦，以降低不同模态的图像之间的差异，提高多模态图像融合的效率；该算法由一个编码器和一个解码器组成： 所述编码器分别由一个SAR模态下的内容特征提取器、一个RGB模态下的内容特征提取器和一个RGB模态下的风格特征提取器组成； 内容特征提取器由两个步长为2的空洞卷积和四个由空洞卷积搭建的残差块组成，前者用于特征图下采样，并提取图像中的浅层特征；后者用于提取深层语义特征；内容提取器中的每一层卷积都搭配了实例归一化层（InstanceNormalization），以便移除特征图中的风格信息； 风格特征提取器由两个步长为2的空洞卷积、一个全局池化层和一个卷积组成；步长为2的空洞卷积用于下采样；全局平均池化层将特征图压缩为一个能够表现每个通道风格的特征向量，以便去除图像中的空间信息；最后用卷积将上述特征向量进行浓缩与提纯，得到最后的风格特征向量； 所述解码器首先使用一个多层感知机（MultilayerPerceptron,MLP）将RGB图像的风格特征转换为对应的AdaIN层所需的参数，再将该参数传递给一组配置了AdaIN归一化层的残差块用以对内容特征进行RGB模态的风格渲染，最后再由最近邻上采样层和普通卷积交替组成的上采样模块将特征图转换为无云的RGB图像； 步骤3：设计基于自注意力的模态差异补充机制，能够充分利用RGB模态中的有效内容信息，逐像素地对SAR模态下的内容信息进行修正，提高从多模态图像中提取的内容信息的一致性，最终提升修复区域内外的一致性；该步骤包括如下子步骤： 子步骤301：计算RGB和SAR模态下的特征图之间的差异信息，即，其中是从SAR图像中提炼出的内容特征，是从RGB图像的内容特征，是由空洞卷积预测的、描述当前特征图中的无效区域的二值掩码，是矩阵的Hadamard积； 子步骤302：使用一个由函数和卷积组成的门控函数对中的信息进行自适应选择，得到补充信息，用公式表达为； 子步骤303：使用自注意力机制对中各个像素间的关系进行建模，并基于此关系将有效区域内的已知补充信息信息转换为待修复区域中所需的补充信息，即，其中，，下标表示当前查询的像素位置，下标则会遍历注意力图中所有个位置的像素；，和均为线性变换矩阵，是激活函数，表示层归一化（LayerNormalization）； 步骤4：将基于自注意力的模态差异补充机制嵌入基于特征解耦的多模态图像去云算法中，并对该算法进行训练，最终得到基于特征解耦的多模态图像去云模型；基于特征解耦的多模态图像去云算法的目标函数包括了两个图像重建损失、三个特征重建损失、一个模态不变性损失和两个对抗损失，下面将详细介绍组成目标函数的各个损失项： 1 2 这里模态转换图像，并且RGB重建图像，此处表示余弦距离，表示基于自注意力的模态差异补充机制；是RGB解码器； 3 4 5 这里的内容特征经由进行信息补充后得到内容特征，以及风格特征，表示VGG-19网络的第层，对应的权重分别为0.125，0.25和1； 6 这里； 7 8 这里是用于判别RGB图像真实性的判别器； 最终得到的损失函数由上述八个损失项组成，汇总成如下式子： 9 其中，我们规定，，并且；、、和是用于平衡各损失项的超参数； 步骤5：将训练完成后得到的基于特征解耦的多模态图像去云模型用于实际极端气象场景中，完成基于合成孔径雷达和可见光融合的遥感影像去云任务。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。