申请/专利权人：重庆邮电大学

申请日：2024-02-05

公开（公告）日：2024-04-12

公开（公告）号：CN117876240A

主分类号：G06T5/50

分类号：G06T5/50;G06T5/60;G06N3/0464;G06N3/045;G06T3/4053;G06T3/4046;G06V10/52;G06V10/54;G06V10/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及一种基于多尺度和混合卷积网络的遥感图像时空融合方法，属于图像处理领域，为解决当前遥感卫星图像由于技术限制不能够同时获取高空间高时间分辨率图像的缺点，搭建一个双分支卷积神经网络融合模型用于提取遥感图像中时间变化信息和空间特征信息。引入多尺度机制，使用具有不同感受野的卷积核组成的多尺度机制来同时提取图像时间变化信息和空间纹理信息，从而提高融合精度；使用可分离的三维卷积模块，提取图像的时间变化信息，并减少训练参数；引入了注意力机制，使用空间和通道注意力混合模块确定网络模型参数的权重分配，并增强特征区域的表征。本发明提高了遥感图像时空融合模型的有效性和鲁棒性。

主权项：1.一种基于多尺度和混合卷积网络的遥感图像时空融合方法，其特征在于：包括以下步骤：S1：构建双分支网络分别从遥感图像时间信息和空间信息的角度进行特征提取；所述双分支网络包括用于处理残差低空间分辨率图像时间和空间变化信息的LSHT分支和用于提取高空间分辨率图像的空间和光谱信息的HSLT分支；S2：根据实验要求选取数据集并进行预处理；S3：在LSHT分支中，使用可分离的三维卷积模块Split-3d和多尺度机制模块，提取输入的高时间分辨率低空间分辨率LSHT图像对的时空变化信息；S4：在HSLT分支中，使用二维卷积模块2D-CNN对图像进行处理，并使用通道空间注意力机制，根据特征图细节的重要性自适应地为每个通道分配权重，提取输入的高空间分辨率低时间分辨率HSLT图像在空间上的纹理信息；S5：提出一种兼顾图像内容信息和视觉信息的复合损失函数；然后通过卷积操作减少双分支得到的特征图数量，并进行尺寸配准，最终完成图像的重建任务。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于多尺度和混合卷积网络的遥感图像时空融合方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD