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！

龙图腾网获悉南京航空航天大学申请的专利一种基于残差学习和混合域注意力的高光谱图像去噪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：CN114972075B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210454377.9，技术领域涉及：G06T5/70；该发明授权一种基于残差学习和混合域注意力的高光谱图像去噪方法是由许娟;杨华设计研发完成，并于2022-04-27向国家知识产权局提交的专利申请。

本一种基于残差学习和混合域注意力的高光谱图像去噪方法在说明书摘要公布了：本发明公开了一种基于残差学习和混合域注意力的高光谱图像去噪方法，主要针对电磁干扰、大气扰动、成像设备限制等因素影响而产生的高光谱图像噪声污染问题。首先对含复杂混合噪声的高光谱图像所有波段进行带重叠的分组操作，再对每个分组分别使用稀疏特征提取模块和基于混合域注意力模块进行特征提取及处理，获得局部的光谱‑空间特征，将局部特征连接后，进一步使用同分支网络结构一致的模块来提取深层光谱‑空间特征，最后通过基于残差学习策略得到去噪后的高光谱图像。

本发明授权一种基于残差学习和混合域注意力的高光谱图像去噪方法在权利要求书中公布了：1.一种基于残差学习和混合域注意力的高光谱图像去噪方法，其特征在于，具体操作步骤如下： 步骤1：准备高光谱图像数据作为原始干净图像数据，并按照8：2的比例将下载的高光谱图像裁剪出两部分：训练部分和测试部分，并分别进行高光谱数据集增强操作，将该部分作为原始干净图像X； 步骤2：对训练部分和测试部分添加模拟噪声得到带噪声的图像数据，将其作为带噪声的高光谱图像Y； 步骤3：构建基于残差学习及混合域注意力的高光谱图像去噪网络RMDAN：结合分组策略对高维的高光谱数据进行分组，并对每个分组分别进行特征处理操作；结合混合域注意力对得到的光谱-空间特征进行调整，得到更丰富的深层高频特征；最后通过残差连接得到去噪结果； 步骤4：训练基于残差学习及混合域注意力的高光谱图像去噪网络RMDAN； 步骤5：利用训练完成的RMDAN网络对测试数据集进行去噪任务； 所述步骤3中，对输入的高维高光谱图像数据根据其波段之间存在相关性和差异性特点在光谱维度进行分组处理，得到G个分组，即： {Y1，Y2，......，YG}＝GroupY， 其中，Group·表示波段分组操作，详细步骤包括： 1计算高光谱图像Y各波段之间的相关系数矩阵，第i波段和第j波段之间的相关系数计算方式如下所示： 其中，COVi，j表示第i波段和第j波段之间的协方差，Di表示第i波段的方差；高光谱图像Y的相关系数矩阵Pv为： PY＝ρi,j， PY是一个对角线为1的C*C对称三角矩阵； 2划分高光谱图像Y：根据相关系数矩阵PY，将高光谱图像Y划分为G个分组，同时考虑到相邻分组之间仍然存在相关性，所以在相邻组互设置有ovl个重叠波段，具体的分组策略描述为： 1输入：相关系数矩阵PYC*C，重叠系数ovl； 2初始化：i＝1，j＝i+1，start＝［］，end＝［］，G＝0； 3按照如下伪代码所示的过程对光谱波段进行分组： 如此将Y划分为G个分组，且列表start和end中分别记录了每个分组的起始波段索引号和终止波段索引号； 在步骤3中，所述的基于混合域注意力的深层光谱-空间特征提取模块，具体的处理过程如下： 1首先利用稀疏特征提取模块提取稀疏特征稀疏特征提取模块SFENet由R个稀疏块SFEB串联组成，每个稀疏块包含8个卷积块CB和空洞卷积块ACB，其中CB块表示Convolution+BatchNormalization+ReLU激活函数组成的普通卷积块，ACB块表示AtrousConvolution+BatchNormalization+ReLU激活函数组成的空洞卷积块；此外，在该模块中添加了跨层连接，将输入信息与本模块的输出求和作为下一模块的输入，来保证模型训练过程具有更好的稳定性，该过程形式化的描述为： 其中，fSFENet·表示稀疏特征提取模块SFENet，fCB·表示CB普通卷积块，fACB·表示ACB空洞卷积块； 2对于得到的稀疏光谱-空间特征利用混合域注意力模块MDAB对已经学习到的特征进行调整，同时捕捉跨域的交互特征，使网络关注到更多的高频噪声特征，得到深层的光谱-空间特征 其中，fMDAB·表示混合域注意力模块MDAB，MDAB包含了三个分支，用来对三组两个不同维度之间的交互特征进行建模，具体来说，混合域注意力模块MDAB的整体过程表述为： s1＝σConv1Z_PoolT1， s2＝σConv2Z_PoolT2， 其中，Rot1和Rot2表示分别围绕空间的H维和W维逆时针旋转90°，和表示其逆过程，Z_Pool·表示将输入图像第一个维度上的平均池化特征和最大池化特征连接起来，该操作能够保留其丰富的特征，同时缩小其深度，减少计算量；特征图X进行Z_Pool操作，其进一步描述为： T＝Z_PoolX＝[MaxPoolX；AvgPoolX]。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。