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！

龙图腾网获悉广东海洋大学申请的专利基于动量积分增强神经动力学模型的遥感图像融合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：CN120451725B 。

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：202510940673.3，技术领域涉及：G06V10/80；该发明授权基于动量积分增强神经动力学模型的遥感图像融合方法及系统是由余果;廖思源;钟雅枫;黄浩恩设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本基于动量积分增强神经动力学模型的遥感图像融合方法及系统在说明书摘要公布了：本发明属于计算机视觉、图像处理、神经动力学算法及控制领域，公开了基于动量积分增强神经动力学模型的遥感图像融合方法及系统，包括：构建公认的对全分辨率图像的光谱退化形式和空间退化形式；利用最大似然估计法，估计实际多光谱图像和全色图像与模型估计误差，转换成一个优化问题；化简为西尔维斯特方程；转化为一系列线性方程；对每个线性方程，定义误差函数，作为衡量当前时刻与实际情况的误差；建立动量积分增强的梯度下降神经动力学模型求解遥感图像融合方程；最后，根据求解的结果获得最优的图像融合向量，大幅度提高了图像融合的效率和准确度。

本发明授权基于动量积分增强神经动力学模型的遥感图像融合方法及系统在权利要求书中公布了：1.基于动量积分增强神经动力学模型的遥感图像融合方法，其特征在于，所述方法包括： S1、基于多光谱和全色图像融合原理，构建全分辨率图像的光谱退化形式和空间退化形式，包括： 预设全分辨率图像的矩阵形式为，其中表示遥感图像的波段数，表示全分辨率图像第个像元；表示图像的像元个数，其中为行数，为列数； 基于全分辨率图像的矩阵形式，构建的全分辨率图像的光谱退化形式和空间退化形式为： ； 其中表示多光谱图像，表示全色图像，是光谱退化矩阵，是空间退化矩阵，、分别表示多光谱图像、全色图像的噪声； S2、基于全分辨率图像的光谱退化形式和空间退化形式，获得多光谱图像和全色图像具有矩阵高斯分布性质，利用最大似然估计法，估计实际多光谱图像和全色图像与模型估计误差，转换成一个优化问题，包括： 噪声、是矩阵正态分布，由于观测数据是噪声叠加在退化信号上的结果，根据线性变换的性质，和也是矩阵正态分布；考虑实际观测数据与线性模型预测之间的匹配程度，通过最大化来估计，其中表示在已知全分辨率图像的基础上，多光谱图像或者全色图像或的概率分布；通过对数似然最大化，将图像融合转换成了一个优化问题，即 ； 其中表示矩阵范数； S3、将S2中的优化问题转化为西尔维斯特方程并求导，包括： 设优化问题的目标函数为，由于有限维空间上的任何两个范数必是等价的，故设为F范数，那么，对求导则分别对两项求导，即： ； 那么将两部分梯度相加，并令总梯度为零： ； 化简后得到： ； 即是一个西尔维斯特方程的标准形式： ； 其中，，； S4、将S3中得到的最优性条件转化为一系列线性方程，包括： 对进行特征分解，有，其中是正交矩阵，有，表示单位矩阵，故代入西尔维斯特方程，并右乘矩阵，得： ； 并化简，令和有： ； 由于是对角矩阵，对进行列分解，得到每一列独立方程组，即： ； 其中表示第列，表示的第列，表示的第列，表示的第列； S5、对每个线性方程，定义误差函数，作为衡量当前时刻与实际情况的误差，包括： S6、引入动量积分增强神经动力学模型，将当前时刻线性方程的各状态变量输入至动量积分增强神经动力学模型，基于计算出来的误差函数，构建动量积分增强项，计算出当前状态下的最优解，并传递至下一时刻；S6中，引入动量积分增强神经动力学模型的方法包括： 基于所构建的误差函数，构造积分增强项： 其中，表示提取时长，为积分变量，表示对的微分，为对应的误差函数； 基于动量积分增强项，建立动量积分增强神经动力学模型，离散形式表示为： 其中，表示第次迭代，表示第次动量项，表示第次误差项，表示第次迭代中的图像向量，，为采样间隔，为动量权重向量，为系数项； S7、更新所构建的线性方程的各状态变量，返回至S5，直至当前迭代次数超过了预设值，或者算法误差低于预设值，获得全分辨率图像的信息矩阵，完成多光谱图像和全色图像的融合。

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广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1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。