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！

龙图腾网获悉江西省科技基础条件平台中心(江西省计算中心)申请的专利基于梯度约束与低管秩正则化的遥感图像全色锐化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：CN121639517B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610155565.X，技术领域涉及：G06T5/73；该发明授权基于梯度约束与低管秩正则化的遥感图像全色锐化方法是由戴欢;刘贾贾;张丽园;郎益文;杨宇仙;周冬初;周志鹏;罗澍寰;陈洁;汪星;屈建明设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本基于梯度约束与低管秩正则化的遥感图像全色锐化方法在说明书摘要公布了：本发明提出一种基于梯度约束与低管秩正则化的遥感图像全色锐化方法，该方法包括：对低分辨率多光谱图像进行上采样，并对全色图像进行直方图匹配与模糊处理，得到上采样的多光谱图像、匹配全色图像与模糊全色图像，并基于梯度约束机制进行处理，得到梯度约束项；将上采样多光谱图像作为初始高分辨率多光谱图像，并通过低管秩正则化处理得到低管秩正则化项；基于增广拉格朗日函数与交替方向乘子法进行迭代求解，通过交替更新变量直至收敛，以得到最终的高分辨率多光谱图像。本方法通过采用交替方向乘子法对变分优化模型进行高效求解，将复杂问题分解为多个子问题交替优化，保证了算法的收敛性与实时性。

本发明授权基于梯度约束与低管秩正则化的遥感图像全色锐化方法在权利要求书中公布了：1.一种基于梯度约束与低管秩正则化的遥感图像全色锐化方法，其特征在于，所述方法包括如下步骤： 步骤1、获取低分辨率多光谱图像与全色图像，对低分辨率多光谱图像进行上采样操作，并对全色图像进行直方图匹配与调制传递函数处理，以得到上采样的多光谱图像、匹配全色图像与模糊全色图像； 步骤2、基于梯度约束机制对上采样的多光谱图像、匹配全色图像与模糊全色图像进行处理，以得到梯度约束项，具体包括如下子步骤： 计算上采样的多光谱图像、匹配全色图像与模糊全色图像之间的梯度关系，对应过程中存在如下关系式： ； 其中，表示梯度算子，表示初始高分辨率多光谱图像，表示上采样的多光谱图像，表示第个波段的注入系数，表示波段总数，表示匹配全色图像，表示模糊全色图像； 通过迭代优化逼近最优注入系数，并基于最优注入系数计算得到目标梯度场，对应过程中存在如下关系式： ； 其中，表示目标梯度场，表示最优注入系数； 利用Frobenius范数对梯度关系与目标梯度场进行处理，得到梯度约束项，对应过程中存在如下关系式： ； 其中，表示梯度约束项，表示Frobenius范数； 步骤3、将上采样的多光谱图像作为初始高分辨率多光谱图像，基于低管秩正则化机制对初始高分辨率多光谱图像进行处理，得到低管秩正则化项，对应过程中存在如下关系式： ； 其中，表示低管秩正则化项，表示基于张量奇异值分解的核范数； 步骤4、对低分辨率多光谱图像与初始高分辨率多光谱图像进行处理，得到数据保真项；利用梯度约束项、低管秩正则化项与数据保真项构成变分优化模型； 步骤5、基于梯度约束项与低管秩正则化项构建增广拉格朗日函数，并采用交替方向乘子法对变分优化模型进行迭代求解，通过交替更新变量直至收敛，以得到最终的高分辨率多光谱图像。

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江西省科技基础条件平台中心(江西省计算中心)，其通讯地址为：330000 江西省南昌市井冈山大道1416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。