申请/专利权人：电子科技大学

申请日：2023-12-11

公开（公告）日：2024-04-30

公开（公告）号：CN117952843A

主分类号：G06T5/50

分类号：G06T5/50;G06T5/70;G06T5/73;G06N3/0464;G06N3/0455;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于多尺度条件扩散模型的遥感图像融合方法，包括以下步骤：步骤1.数据预处理；步骤2.条件扩散模型的正向过程：将先验数据分布x0变为有噪声的数据分布；步骤3.训练多尺度的去噪深度模型：深度模型采用了一个包括空间分支和光谱分支的模型，空间分支提取空间细节，然后将空间细节集成到光谱分支中；光谱分支提取光谱信息，并自适应地结合空间细节进行融合；步骤4.条件扩散模型的逆向过程：学习步骤3设计的深度模型以消除正向过程带来的退化，并从xT采样得到x0。本发明将HrMSI分解为空间和光谱分支，能更有效地学习空间细节和光谱特征，生产出更高质量的融合图像。

主权项：1.基于多尺度条件扩散模型的遥感图像融合方法，其特征在于，包括以下步骤：步骤1.数据预处理：读取全色锐化训练集并将其随机划分为B个批次，每个批次包含b个数据，每个数据包含PAN∈RH×W×1、和GT∈RH×W×C，对LrMSI进行上采样四倍得到低分辨率的多光谱图MS∈RH×W×C，其中H、W、C分别表示图像的长、宽和通道数；步骤2.条件扩散模型的正向过程：首先，GT减去MS得到先验数据分布x0，然后通过一个T步的马尔可夫链将先验数据分布x0变为有噪声的数据分布，并将其转化为近似的标准正态分布d表示维数；步骤3.训练多尺度的去噪深度模型：深度模型采用了一个包括空间分支和光谱分支的模型，空间分支提取空间细节，然后将空间细节集成到光谱分支中；光谱分支提取光谱信息，并自适应地结合空间细节进行融合；步骤4.条件扩散模型的逆向过程：学习步骤3设计的深度模型以消除正向过程带来的退化，并从xT采样得到x0。

全文数据：

权利要求：

百度查询： 电子科技大学 基于多尺度条件扩散模型的遥感图像融合方法

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