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！

龙图腾网获悉环天智慧科技股份有限公司申请的专利基于多模态异构的无人机影像超分辨率重构方法、系统及介质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：CN121304452B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202511870480.1，技术领域涉及：G06T3/4076；该发明授权基于多模态异构的无人机影像超分辨率重构方法、系统及介质是由赵凌园;覃鸿;任龙腾;罗梓菲;张焰;邹云坤设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本基于多模态异构的无人机影像超分辨率重构方法、系统及介质在说明书摘要公布了：本发明公开了基于多模态异构的无人机影像超分辨率重构方法、系统及介质；涉及图像处理技术领域；采集第一分辨率的多通道影像和第二分辨率的参考全色影像，预处理后生成配对数据集；基于MultiHetSRNet模型从配对数据集中提取出多通道特征图和全色特征图，并建模图结构的节点生成多模态异构图，以及描述节点间的空间关系和跨模态关系的关系模式矩阵；根据关系模式矩阵进行局部特征和全局特征聚合重构出目标多通道影像；本方案在现有技术基础上进行方法上的改进，通过融合无人机多通道影像与遥感参考全色影像，采用多模态异构图建模复杂空间关系，结合多种降质方式提升模型鲁棒性，实现高质量的超分辨率重建。

本发明授权基于多模态异构的无人机影像超分辨率重构方法、系统及介质在权利要求书中公布了：1.基于多模态异构的无人机影像超分辨率重构方法，其特征在于，包括： 采集第一分辨率的多通道影像和第二分辨率的参考全色影像，并对多通道影像和参考全色影像进行预处理生成配对数据集；所述第一分辨率的数值低于第二分辨率的数值； 将所述配对数据集输入MultiHetSRNet模型重构出目标多通道影像： 对所述配对数据集进行特征提取得到多通道特征图和全色特征图，并将多通道特征图和全色特征图拼接生成初始特征表示； 基于多通道特征图和全色特征图建模图结构节点，并根据图结构节点生成多模态异构图，以及描述节点间的空间关系和跨模态关系的关系模式矩阵； 根据关系模式矩阵进行局部特征和全局特征聚合，并重构出目标多通道影像； 所述对多通道影像和全色影像进行预处理生成配对数据集；包括方法： 对所述多通道影像进行下采样生成第三分辨率的第一多通道影像；所述第二分辨率的数值低于第三分辨率的数值； 对多通道影像和参考全色影像进行地理配准和像素对齐； 对多通道影像、参考全色影像和第一多通道影像的像素值进行归一化处理，并按照第一像素、第二像素和第三像素分别裁剪多通道影像、参考全色影像和第一多通道影像； 其中，第一像素为32×32，第二像素为53×53像素，第三像素为128×128； 对裁剪后的影像进行数据增强生成配对数据集； 对所述配对数据集进行特征提取得到多通道特征图和全色特征图，并将多通道特征图和全色特征图拼接生成初始特征表示；包括方法： 基于位于不同分支的相同卷积层分别从第一多通道影像和参考全色影像中提取出多通道特征图和全色特征图；所述全色特征图与多通道特征图均为第三分辨率； 将全色特征图与多通道特征图沿通道维度拼接生成初始特征表示，将全色特征图与多通道特征图合并生成组合特征图； 所述基于多通道特征图和全色特征图建模图结构的节点，并根据图结构节点生成多模态异构图，以及描述节点间的空间关系和跨模态关系的关系模式矩阵；包括方法： 将多通道特征图的每个像素特征定义为一个多通道节点，得到n=H×W个多通道节点，将全色特征图的每个像素特征定义为一个全色节点，得到m=H×W个全色节点； 对每个多通道节点和全色节点，使用k近邻算法选择出a个最近邻节点构建多通道空间邻域边和全色空间邻域边；基于空间坐标映射关系连接多通道节点和全色节点构建出跨模态边；生成多通道空间邻域边邻接矩阵、全色空间邻域边邻接矩阵和跨模态边邻接矩阵； 对所述多通道空间邻域边邻接矩阵、全色空间邻域边邻接矩阵和跨模态边邻接矩阵进行逻辑运算生成描述节点间的空间关系和跨模态关系的关系模式矩阵； 所述关系模式矩阵包括单一模式和组合模式； 单一模式包括不同的邻接矩阵分别构成一个关系模式； 组合模式包括通过XNOR运算和逐位AND运算以任意z个不同的邻接矩阵生成一个组合的关系模式；z≥1； 所述根据关系模式矩阵进行局部特征和全局特征聚合，并重构出多通道影像；包括方法： 对所有关系模式矩阵进行加权求和生成局部关系矩阵，基于第一层图卷积网络对局部关系矩阵聚合出邻居节点特征，并对邻居节点特征进行第一次权重变换后进行非线性激活，然后由第二层图卷积网络进行第二次权重变换生成局部特征； 基于下式聚合出邻居节点特征： ，其中，局部关系矩阵的尺寸为n+m×n+m；表示第r种关系模式矩阵，尺寸为n+m×n+m；r=1,2，…，7；表示第r种关系模式矩阵的权重，标量，范围[0,1]，满足；通过对7种关系模式矩阵加权求和生成权重； 基于下式生成局部特征HLocal： ； 其中，X为输入节点特征矩阵，由拼接特征F重塑；W1和W2为两层图卷积网络的权重矩阵；表示ReLU激活函数；； 第一层图卷积网络通过聚合邻居节点特征X，经权重矩阵变换W1，再通过非线性激活ReLU和第二层权重矩阵W2生成最终局部特征； 基于所有关系模式矩阵进行余弦相似度计算生成全局关系矩阵，基于第三层图卷积网络对全关系矩阵聚合出邻居节点特征，并对邻居节点特征进行第三次权重变换后进行非线性激活，然后由第四层图卷积网络进行第四次权重变换生成全局特征； 通过余弦相似度计算全局相似性矩阵： ； 其中，元素i，j表示节点i和节点j的特征向量余弦相似度；xi，xj表示节点i和节点j的特征向量； 基于下式生成全局特征HGlobal： ； 其中，W3和W4表示图卷积网络的权重矩阵； 融合所述局部特征和全局特征得到统一节点特征，并基于对比学习损失优化融合； 所述目标多通道影像的重构方法包括： 从统一节点特征中提取出多通道节点特征，重塑为多通道节点特征图； 基于子像素卷积PixelShuffle将多通道节点特征图的通道数降低重排为空间维度，并经过卷积层调整特征得到目标多通道影像。

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环天智慧科技股份有限公司，其通讯地址为：620500 四川省眉山市仁寿县视高街道中粮加州智慧城B座2层；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。