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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种遥感图像深度学习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：CN121073781B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511605583.5，技术领域涉及：G06T3/4076；该发明授权一种遥感图像深度学习超分辨率重建方法是由余杰;钟成;潘俊杰;李卉设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本一种遥感图像深度学习超分辨率重建方法在说明书摘要公布了：本申请提供了一种遥感图像深度学习超分辨率重建方法，涉及遥感图像超分辨率重建领域，方法包括：获取低分辨率遥感影像；通过特征提取模块、局部结构优化器及残差融合网络，构建MSFANet模型；将低分辨率遥感影像输入MSFANet模型进行训练；获取待重建的遥感影像；将待重建的遥感影像输入训练后的待重建的遥感影像，得到重建后的超分辨率遥感影像。本方案显著提升了重建图像质量，尤其擅长恢复建筑边缘、地面纹理等复杂细节；同时有效平衡了计算复杂度与重建质量，降低过拟合风险，使其尤其适用于大规模RSIS任务。

本发明授权一种遥感图像深度学习超分辨率重建方法在权利要求书中公布了：1.一种遥感图像深度学习超分辨率重建方法，其特征在于，方法包括以下步骤： S1：获取低分辨率遥感影像； S2：通过特征提取模块、局部结构优化器及残差融合网络，构建MSFANet模型； S3：将低分辨率遥感影像输入MSFANet模型进行训练； 所述MSFANet模型还包括：多元特征融合与上下文增强模块以及重建模块； 所述多元特征融合与上下文增强模块采用三路并行架构，将初始上采样图像、局部自注意力模块LSM的输出特征FLSM以及残差密集网络RFN的输出特征进行通道级联，通过1×1卷积层实现特征空间对齐，得到增强特征； 所述多元特征融合与上下文增强模块采用空洞率分别为1、2、4的空洞卷积并行支路，提取不同感受野的上下文信息，并通过可学习的空间注意力图进行特征加权融合； 所述多元特征融合与上下文增强模块采用基于SENet架构的通道注意力机制，通过全局平均池化与全连接层生成通道权重系数，增强重要特征通道的激活强度； 所述重建模块用于将增强特征与初始上采样图像通过像素级相加实现残差连接，生成超分辨率遥感影像； S4：获取待重建的遥感影像；将待重建的遥感影像输入训练后的待重建的遥感影像，得到重建后的超分辨率遥感影像。

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地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。