CN120259100A 一种多尺度融合高光谱图像和多光谱图像的方法及装置 （南京信息工程大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120259100A(43)申请公布日2025.07.04

(21)申请号202510737033.2

(22)申请日2025.06.04

(71)申请人南京信息工程大学

地址210044江苏省南京市江北新区宁六

路219号

GO6VG06T

10/58(2022.01)3/4053(2024.01)

(72)发明人涂兵韦小娟刘博李军

方乐缘贺燕陈云云曹兆楼

姜谱照

(74)专利代理机构南京纵横知识产权代理有限

公司32224专利代理师杨跃武

(51)Int.CI.

GO6T5/50(2006.01)

GO6V10/44(2022.01)

GO6V10/52(2022.01)

权利要求书3页说明书11页附图6页

(54)发明名称

一种多尺度融合高光谱图像和多光谱图像的方法及装置

(57)摘要

CN120259100A本发明公开了高光谱图像处理技术领域的一种多尺度融合高光谱图像和多光谱图像的方法及装置，旨在解决现有技术中在处理高光谱和多光谱图像时，融合结果的光谱和空间信息保留不足，且空间分辨率较差的问题。其获取高光谱图像和多光谱图像；将上采样后的高光谱图像与多光谱图像进行拼接融合，获取融合后的高光谱图像；对融合后的高光谱图像进行特征提取，获得浅层光谱空间特征；将浅层光谱空间特征进行小波变换，获取多尺度子带特征图；本发明通过小波变换实现多尺度提取特征，又在Mamba模块加入局部特征提取模块，充分获取光谱信息和空

CN120259100A

图像。

获取高光谱图像和多光谱图像

获取高光谱图像和多光谱图像

对高光谱图像上采样，获取上采样后的高光谱图

像，将上采样后的高光谱图像与多光谱图像进行

拼接融合，获取融合后的高光谱图像

对融合后的高光谱图像进行特征提取，获得浅层光谱空间特征

将浅层光谱空间特征进行小波变换，获取多尺度子带特征图

将多尺度子带特征图输入深层特征提取模块，获得多尺度深层光谱空间特征

将多尺度深层光谱空间特征融合，获取融合后的深层光谱空间特征，根据融合后的深层光谱空间特征和浅层光谱空间特征，获取光谱空间特征

根据光谱空间特征和上采样后的高光谱图像，获取高分辨率高光谱图像

CN120259100A权利要求书1/3页

2

1.一种多尺度融合高光谱图像和多光谱图像的方法，其特征在于，包括以下步骤：

获取高光谱图像和多光谱图像；

对高光谱图像上采样，获取上采样后的高光谱图像，将上采样后的高光谱图像与多光谱图像进行拼接融合，获取融合后的高光谱图像；

对融合后的高光谱图像进行特征提取，获得浅层光谱空间特征；

将浅层光谱空间特征进行小波变换，获取多尺度子带特征图；

将多尺度子带特征图输入深层特征提取模块，获得多尺度深层光谱空间特征；

将多尺度深层光谱空间特征融合，获取融合后的深层光谱空间特征，根据融合后的深层光谱空间特征和浅层光谱空间特征，获取光谱空间特征；

根据光谱空间特征和上采样后的高光谱图像，获取高分辨率高光谱图像。

2.根据权利要求1所述的多尺度融合高光谱图像和多光谱图像的方法，其特征在于，所述对高光谱图像上采样，获取上采样后的高光谱图像，具体包括：

对高光谱图像进行双线性插值上采样，获取上采样后的高光谱图像；

所述将上采样后的高光谱图像与多光谱图像进行拼接融合，获取融合后的高光谱图像，具体包括：

采用拼接融合操作将多光谱图像与上采样后的高光谱图像进行拼接融合，获取融合后的高光谱图像。

3.根据权利要求1所述的多尺度融合高光谱图像和多光谱图像的方法，其特征在于，所述对融合后的高光谱图像进行特征提取，获得浅层光谱空间特征，其表达式为：

Fs=φsF(Dcat);

其中，Fs为浅层光谱空间特征；Dcat为融合后的高光谱图像；φsF(·)为浅层特征提取模块，该模块包括卷积和多个残差块，其中，卷积用于对所输入的初始特征进行初步特征提取，获取第一提取特征；多个残差块用于从第一提取特征中逐层提取更高层次的特征，获取第二提取特征，再将初始特征与第二提取特征进行残差连接，获取浅层光谱空间特征。

4.根据权利要求1所述的多尺度融合高光谱图像和多光谱图像的方法，其特征在于，所述将浅层光谱空间特征进行小波变换，获取多尺度子带特征图，具体包括：

选择Haar