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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利一种高光谱图像生成方法及装置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：CN119693235B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411854192.2，技术领域涉及：G06T3/4053；该发明授权一种高光谱图像生成方法及装置是由张文娟;金梦楠;李震;宋文韬;张兵设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种高光谱图像生成方法及装置在说明书摘要公布了：本申请公开了一种高光谱图像生成方法及装置，获取待超分多光谱图像；将待超分多光谱图像输入至训练好的光谱超分模型中，得到超分后的高光谱图像；训练好的光谱超分模型基于多个样本多光谱图像对光谱超分模型进行训练得到；样本多光谱图像对样本多光谱图像块和样本高光谱图像块进行聚类分析得到；样本多光谱图像块和样本高光谱图像块处于同一空间区域。对图像块中的不同地物类型动态赋予不同权重之后再对光谱超分模型进行训练，避免了占比小的地物类型由于提供的先验知识不够，被占比过大的地物类型在训练时压制，导致占比小的地物类型超分精度低的问题，从而提升了超分精度。

本发明授权一种高光谱图像生成方法及装置在权利要求书中公布了：1.一种高光谱图像生成方法，其特征在于，包括： 获取待超分多光谱图像； 将所述待超分多光谱图像输入至训练好的光谱超分模型中，得到超分后的高光谱图像；其中，所述训练好的光谱超分模型基于多个样本多光谱图像对光谱超分模型进行训练得到；所述样本多光谱图像对样本多光谱图像块和样本高光谱图像块进行聚类分析得到； 所述样本多光谱图像块和所述样本高光谱图像块处于同一空间区域；所述训练好的光谱超分模型包括光谱分支网络、空间分支网络； 其中，所述将所述待超分多光谱图像输入至训练好的光谱超分模型中，得到超分后的高光谱图像，包括： 将所述待超分多光谱图像输入至光谱分支网络中，得到高光谱图像的光谱特征信息； 将所述待超分多光谱图像输入至空间分支网络中，得到高光谱图像的空间特征信息； 基于所述高光谱图像的光谱特征信息和所述高光谱图像的空间特征信息，生成超分后的高光谱图像； 其中，所述将所述待超分多光谱图像输入至光谱分支网络中，得到光谱信息，包括： 根据光谱维度对所述待超分多光谱图像进行切分，得到多个输入向量； 对于每个所述输入向量，对所述输入向量进行线性映射，得到输出向量； 根据所述光谱维度将所述输出向量进行分解，得到N个头； 基于所述输出向量和注意力公式，计算得到每个头的自注意力； 根据所述光谱维度将每个所述头的自注意力进行连接并进行线性投影，得到特征图； 所述特征图包含光谱信息； 其中，对样本多光谱图像块和样本高光谱图像块进行聚类分析得到所述样本多光谱图像的过程，包括： 对样本多光谱图像块和样本高光谱图像块进行归一化处理，得到多个归一化后的图像块； 从所有归一化后的图像块中选取出K个归一化后的图像块，并标识为K个簇的中心值； 对于每个归一化后的图像块，计算所述归一化后的图像块与每个所述簇的中心值的欧几里得距离； 将所述归一化后的图像块分配至最小的欧几里得距离对应的簇中； 对于每个所述簇，计算所述簇中所有点的平均值，并将所述平均值确定为新的中心值； 判断所述新的中心值与所述簇的中心值是否一致； 若所述新的中心值与所述簇的中心值不一致，则将所述簇的中心值更新为所述新的中心值，并返回执行对于每个归一化后的图像块，计算所述归一化后的图像块与每个所述簇的中心值的欧几里得距离这一步骤； 若所述新的中心值与所述簇的中心值一致，则根据所述簇中的归一化后的图像块的数量和簇中的总数据量，计算得到簇的权重； 基于所述归一化后的图像块和所述簇的权重，生成所述样本多光谱图像。

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中国科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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”。

以上内容由龙图腾AI智能生成。