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！

龙图腾网获悉湖南大学申请的专利低分辨率高光谱图像处理方法、装置、计算机程序产品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：CN115439325B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211099570.1，技术领域涉及：G06T3/4053；该发明授权低分辨率高光谱图像处理方法、装置、计算机程序产品是由李肯立;吴一鸣;曹嵘晖;周旭;段明星;谭光华设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本低分辨率高光谱图像处理方法、装置、计算机程序产品在说明书摘要公布了：本申请涉及一种低分辨率高光谱图像处理方法、装置、计算机设备、存储介质和计算机程序产品，通过获取低分辨率高光谱图像的各分组图像的浅层特征，基于处理网络分别对各分组图像的浅层特征进行处理，并将各分组图像的浅层特征与处理后的各分组图像的浅层特征进行像素相加处理，得到各分组图像的全局深层特征；处理网络包括多个自注意力机制模型；对各分组图像的全局深层特征分别进行亚像素卷积处理，并将亚像素卷积处理后的各分组图像的全局深层特征进行第一卷积处理和级联处理后得到低分辨率高光谱图像的光谱特征，根据低分辨率高光谱图像的光谱特征，得到与低分辨率高光谱图像对应的高分辨率高光谱图像。采用本方法能够提高目标识别准确率。

本发明授权低分辨率高光谱图像处理方法、装置、计算机程序产品在权利要求书中公布了：1.一种低分辨率高光谱图像处理方法，其特征在于，包括： 获取低分辨率高光谱图像的分组图像的浅层特征；各所述分组图像是基于所述低分辨率高光谱图像的光谱数对所述低分辨率高光谱图像进行分组处理后得到的，各所述分组图像的浅层特征是分别对各所述分组图像进行第一卷积处理得到的； 将各所述分组图像的浅层特征确定为处理网络中的第一个自注意力机制模型的输入，并对所述输入进行层归一化处理，得到对应的层归一化处理后的第一特征； 将对应的层归一化处理后的所述第一特征进行第二卷积处理，得到对应的第二卷积处理后的第一特征； 将对应的第二卷积处理后的所述第一特征进行通道分割处理，得到对应的通道分割处理后的查询特征、键特征和值特征； 将对应的通道分割处理后的所述查询特征、所述键特征和所述值特征进行张量重塑处理，得到对应的重塑后的所述查询特征、所述键特征和值特征； 将对应的重塑后的所述键特征进行矩阵转置处理，并对转置处理后的所述键特征与对应的重塑后的所述查询特征进行矩阵相乘处理，并对矩阵相乘后的特征经过softmax激活函数处理，得到对应的softmax激活函数处理后的特征； 将对应的softmax激活函数处理后的所述特征与对应的重塑后的所述值特征进行矩阵相乘处理，并对矩阵相乘后的特征进行张量重塑处理，得到对应的重塑后的第一特征； 将对应的重塑后的所述第一特征进行第三卷积处理，并将第三卷积处理后的所述第一特征与所述处理网络中的第一个自注意力机制模型的输入进行像素相加处理，得到对应的所述处理网络中的第一个自注意力机制模型的中间特征； 根据对应的所述中间特征，得到对应的所述处理网络中的第二个自注意力机制模型的输入特征； 将对应的所述处理网络中的最后一个自注意力机制模型的输出特征，确定为处理后的各所述分组图像的所述浅层特征； 将各所述分组图像的浅层特征与处理后的各所述分组图像的所述浅层特征进行像素相加处理，得到各分组图像的全局深层特征；所述处理网络包括多个自注意力机制模型，多个所述自注意力机制模型的结构相同，各所述自注意力机制模型的输出为各所述自注意力机制模型连接的下一个自注意力机制模型的输入； 根据所述低分辨率高光谱图像的光谱特征，得到与所述低分辨率高光谱图像对应的高分辨率高光谱图像；所述低分辨率高光谱图像的光谱特征是对各所述分组图像的全局深层特征分别进行亚像素卷积处理，并将亚像素卷积处理后的各所述分组图像的全局深层特征进行所述第一卷积处理和级联处理后得到的。

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湖南大学，其通讯地址为：410013 湖南省长沙市岳麓区麓山南路；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。