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！

龙图腾网获悉长沙理工大学申请的专利一种基于隐空间扩散模型的高光谱图像超分方法及系统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：CN119648525B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411611140.2，技术领域涉及：G06T3/4053；该发明授权一种基于隐空间扩散模型的高光谱图像超分方法及系统是由胡建文;赵玉山设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于隐空间扩散模型的高光谱图像超分方法及系统在说明书摘要公布了：本发明公开了一种基于隐空间扩散模型的高光谱图像超分方法及系统，本发明包括对低分辨率高光谱图像进行上采样后分组、通过编码器网络降维编码得到低维先验隐空间信息，再输入多尺度条件编码器编码得到条件信息，将低维先验隐空间信息与高斯噪声通道拼接后利用扩散模型在条件信息的引导下将高斯噪声转化为高频残差隐空间信息，并与低维先验隐空间信息相加得到具有高频细节的低维隐空间信息，再通过预训练的解码器网络进行解码还原得到最终的高分辨率高光谱超分图像。本发明旨在解决传统基于卷积神经网络的高光谱图像超分方法在重建图像时存在过于平滑、缺乏纹理细节信息的问题，以及将扩散模型应用于高光谱图像超分辨率时面临的挑战。

本发明授权一种基于隐空间扩散模型的高光谱图像超分方法及系统在权利要求书中公布了：1.一种基于隐空间扩散模型的高光谱图像超分方法，其特征在于，包括将低分辨率高光谱图像利用由编码器网络、多尺度条件编码器、扩散模型和解码器网络构成的高光谱图像超分网络以获得最终的高分辨率高光谱超分图像： S1，对低分辨率高光谱图像进行上采样后根据波段数进行分组； S2，将各组图像依次通过预训练好的编码器网络在光谱维度进行降维得到低维先验隐空间信息，并利用多尺度条件编码器编码得到条件信息； S3，将低维先验隐空间信息与高斯噪声通道拼接后利用扩散模型在条件信息的引导下将高斯噪声转化为高频残差隐空间信息； S4，将高频残差隐空间信息与低维先验隐空间信息相加得到具有高频细节的低维隐空间信息； S5，将各组低维隐空间信息通过预训练的解码器网络进行解码还原得到最终的高分辨率高光谱超分图像； 步骤S3中的扩散模型包括第一个3×3卷积层、U形网络、第二个3×3卷积层以及时间编码器，所述第一个3×3卷积层、U形网络以及第二个3×3卷积层依次连接，时间编码器与U形网络并行连接，所述U形网络的网络结构包括编码器、底部瓶颈层和解码器三个部分，编码器部分由4个连续的条件去噪模块和下采样层组成，用于逐层提取特征并逐渐减小特征图的空间维度完成特征压缩，底部瓶颈层由1个条件去噪模块构成，其作用是连接编码器和解码器两部分对编码器已压缩的特征进行深层处理，解码器由4个连续的条件去噪模块和上采样层组成，用于逐层恢复特征图的空间维度，解码器通过跳跃连接与相应的编码器层直接相连，所述时间编码器依次包括正弦编码操作、由两层线性层和SiLU激活函数组成的多层感知机MLP以及重塑操作，输入时间编码器的时间步t首先通过正弦编码，随后将编码后的结果输入到多层感知机中进行处理，最后通过重塑操作调整时间嵌入的形状以便后续实现时间信息与图像特征的有效融合。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。