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！

龙图腾网获悉海南大学申请的专利基于残差通道注意力机制的双流遥感图像融合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：CN113920043B 。

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：202111156702.5，技术领域涉及：G06F30/27；该发明授权基于残差通道注意力机制的双流遥感图像融合方法是由黄梦醒;刘适;毋媛媛;冯思玲;冯文龙;张雨;吴迪;黎贞凤;贺陈耔都设计研发完成，并于2021-09-30向国家知识产权局提交的专利申请。

本基于残差通道注意力机制的双流遥感图像融合方法在说明书摘要公布了：本发明提供一种基于残差通道注意力机制的双流遥感图像融合方法，卷积神经网络分别从全色图像和低分辨率的多光谱遥感图像中提取特征，然后将它们融合形成紧凑的特征图，然后构建残差注意力网络，残差注意力网络使用注意力机制通过对特征通道之间的相互依赖关系进行建模，自适应地调整每个通道的特征，从而能够专注于更有用的通道，提高识别学习能力残差注意力网络采用多残差连接，其中长残差连接允许浅层的残差学习，长残差连接和短残差连接允许大量浅层信息通过这些基于身份的跳连接，简化了信息的流动，最终经过反卷积层以及卷积层重构后，能够生成高质量遥感图像，对遥感图像融合领域具有重要意义。

本发明授权基于残差通道注意力机制的双流遥感图像融合方法在权利要求书中公布了：1.基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，包括以下步骤： 步骤S1、使用卷积神经网络对全色图像和低分辨率多光谱遥感图像进行特征提取，并将两者进行拼接获得拼接特征； 步骤S2、构建残差注意力网络，所述残差注意力网络包括残差注意力模块，所述残差注意力模块中包含通道注意力机制； 步骤S3、将拼接特征输入到残差注意力网络中进行卷积处理，获得初始特征，残差注意力模块根据通道注意力机制对初始特征进行加权分配处理，获得新特征，根据新特征获得强化特征，具体步骤包括： 步骤S31、将拼接特征Fb-1输入到残差注意力网络中，经过两次卷积后获得初始特征X，具体表达式为： 其中Xb-1为拼接特征Fb-1进行第一次卷积后得到的输出，Xb为经过第二次卷积后得到的输出，初始特征X为Xb的其中一个，W1和W2分别为第一层和第二层卷积层的权重，b1和b2表示第一层和第二层卷积层的偏置，3×3代表卷积核的大小，δ·表示ReLU激活函数； 步骤S32、将初始特征X输入到残差注意力模块中，由通道注意力机制获得新特征根据新特征与拼接特征Fb-1获得强化特征Fb，具体表达式为： Fb＝CAXb+Fb-1； 其中CA·表示通道注意力机制函数，新特征 所述残差注意力模块根据通道注意力机制对初始特征进行加权分配处理并获得强化特征的具体步骤为： 步骤S33、获取通道数量C，对输入的初始特征X进行全局平均池化，并获得通道描述z，所述通道数量C＝1,2,...,c，初始特征X＝[X1,X2,...Xc]，第c个通道的通道描述zc的具体表达式为： 其中fGP·为全局平均池化函数，H,W为特征图的尺寸，xci,j为第c层特征xc在i,j处的值； 步骤S34、将通道描述z依次经过下采样层和上采样层后，得到通道统计量w，通道统计量w内包含有每一个通道的权重系数wc，所述通道统计量w具体表达式为： w＝SWUδWDz； 其中S·表示sigmoid激活函数，δ·表示ReLU激活函数，WD为降维卷积层的权值集，WU为升维卷积层的权值集； 步骤S35、将权重系数wc和初始特征X相乘，获得新特征所述新特征具体表达式为： 其中wc和xc分别为第c层通道的权重系数和初始特征； 步骤S4、将强化特征经过反卷积层放大尺寸，然后再通过一个卷积层重构放大后的特征后，获得高分辨率的多光谱遥感图像。

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海南大学，其通讯地址为：570100 海南省海口市美兰区人民大道58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”。