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长春光学精密机械与物理研究所申请的专利基于自适应门控Transformer的遥感图像超分辨率重建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：CN121304450B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511885646.7，技术领域涉及：G06T3/4053；该发明授权基于自适应门控Transformer的遥感图像超分辨率重建方法是由姜肖楠;李秉豪;傅瑶;吴凡路;鲍赫;高鑫;王亚楠设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本基于自适应门控Transformer的遥感图像超分辨率重建方法在说明书摘要公布了：本发明属于遥感超分辨率图像技术领域，尤其涉及一种基于自适应门控Transformer的遥感图像超分辨率重建方法。方法包括：S1：构建训练集；S2：构建自适应门控Transformer超分辨率重建网络，且利用训练集对自适应门控Transformer超分辨率重建网络进行训练，获得自适应门控Transformer超分辨率重建模型；S3：将待重建遥感低分辨率图像输入至自适应门控Transformer超分辨率重建模型，获得超分辨率重建图像。本发明旨在突破现有方法在效率、细节恢复和多尺度融合方面的局限，为遥感图像提供一种兼顾高保真度与高效率的超分辨率解决方案，满足精细化遥感应用对高质量影像的迫切需求。

本发明授权基于自适应门控Transformer的遥感图像超分辨率重建方法在权利要求书中公布了：1.一种基于自适应门控Transformer的遥感图像超分辨率重建方法，其特征在于：具体包括如下步骤： S1：构建训练集； S2：构建自适应门控Transformer超分辨率重建网络，且利用训练集对自适应门控Transformer超分辨率重建网络进行训练，获得自适应门控Transformer超分辨率重建模型； 自适应门控Transformer超分辨率重建网络包括浅层特征提取模块、n个深层特征建模与多尺度融合模块和高分辨率重建模块； 输入至自适应门控Transformer超分辨率重建网络的低分辨率图像经浅层特征提取模块的处理后，获得浅层特征；浅层特征经由n个串联的深层特征建模与多尺度融合模块的处理后，获得特征M；所述特征M经高分辨率重建模块的处理后，获得与输入图像对应的超分辨率重建图像； 深层特征建模与多尺度融合模块包括自适应门控Top-K注意力机制、频域感知特征学习模块和自适应全局上下文模块，其中， 基于自适应门控Top-K注意力机制对浅层特征进行处理，并将处理结果输入至自适应全局上下文模块进行处理，获得特征；将浅层特征输入至频域感知特征学习模块进行处理，获得特征；将浅层特征、特征和特征相加后，获得特征M1； 在步骤S2中，基于自适应门控Top-K注意力机制对浅层特征进行处理的具体过程为： 将输入特征X复制成四份后，形成四个独立的注意力分支，对输入特征Xk进行线性投影，获得与输入特征Xk对应的查询矩阵Q、键矩阵K和值矩阵V，k=1,2,3或4； 基于输入特征Xk，通过下式为与输入特征Xk对应的每个令牌生成门控权重Gk： ； 其中，和均为学习参数，为Sigmoid函数； 对门控权重Gk与值矩阵V进行相同的操作，通过下式计算加权后的值矩阵： ； 其中，为逐元素相乘； 对与输入特征Xk对应的查询矩阵Q、键矩阵K和值矩阵V进行相同的操作，通过下式为每个注意力分支做权重分配： ； 其中，为第k个注意力分支的注意力权重，为对应于第k个注意力分支的Top-K掩码函数，为注意力得分矩阵，d为特征维度，为softmax激活函数； 基于各注意力分支的权重分配结果和门控加权因子，通过下式对各注意力分支进行加权融合，获得特征： ； 其中，为加权求和运算，Concat为特征拼接运算，Conv为卷积运算，为第k个注意力分支的门控加权因子； 深层特征建模与多尺度融合模块还包括窗口位移注意力和SwiGLU门控单元，特征经窗口位移注意力和SwiGLU门控单元的处理后，将处理结果输入至自适应全局上下文模块进行处理，获得特征； S3：将待重建遥感低分辨率图像输入至自适应门控Transformer超分辨率重建模型，获得超分辨率重建图像。

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长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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。