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！

申请/专利权人：武汉大学

摘要：本发明提出了一种基于变分推断的盲多光谱与全色图像融合方法与系统。利用变分推断对多光谱与全色图像融合问题进行建模，得到待求解的逆问题。并将该逆问题作为网络的优化对象，设计基于卷积神经网络与退化参数估计的多光谱图像与全色图像融合网络VBPN，所述图像融合网络由四个子网络组成，分别包含多光谱图像模糊核估计子网络、多光谱图像噪声参数估计子网络、全色图像噪声参数估计子网络以及特征整合与图像融合子网络。最后设计适用于融合网络的损失函数，指导网络训练，并在基于Wald协议的GaoFen‑2仿真数据集上进行训练，最终得到多光谱与全色图像融合模型，进行图像融合。大量的仿真和实际实验结果证明了本发明的有效性和实用性。

主权项：1.一种基于变分推断的盲多光谱与全色图像融合方法，其特征在于，包括如下步骤：步骤一，利用变分推断对多光谱图像与全色图像融合问题进行建模，将多光谱图像与全色图像融合逆问题分解为两部分，即由低分辨率多光谱图像M作为观测变量的部分与以高分辨率全色图像P作为观测变量的部分，结合低分辨率多光谱图像的模糊退化与噪声退化以及高分辨率全色图像的噪声退化求解退化过程中的隐变量集合，并将隐变量集合的待求解问题作为融合网络损失函数指导融合网络训练；其中，隐变量集合Θ为： 其中，F代表融合得到的高分辨率多光谱图像，σ2代表多光谱图像退化过程中的噪声方差，Λ代表多光谱图像退化过程中的模糊核参数；代表融合结果的图像梯度；δ2代表全色图像退化过程中的噪声方差；步骤二，设计基于卷积神经网络与退化参数估计的多光谱图像与全色图像融合网络，融合网络VBPN由四个子网络组成，分别包含多光谱图像模糊核估计子网络、多光谱图像噪声参数估计子网络、全色图像噪声参数估计子网络以及特征整合与图像融合子网络，融合网络以未知退化过程的低分辨率多光谱图像与全色图像作为输入；多光谱图像与全色图像融合网络的处理过程如下：首先将低分辨率多光谱图像输入到多光谱图像噪声参数估计子网络与多光谱图像模糊核估计子网络中，用于估计低分辨率多光谱图像的退化参数；随后将全色图像输入到全色图像噪声参数估计子网络中估计全色图像的噪声参数，最后将低分辨率多光谱图像上采样后与全色图像一同输入到特征整合与图像融合子网络中，得到融合结果；步骤三，结合损失函数训练多光谱图像与全色图像融合网络，并利用训练好的网络实现高分辨率多光谱图像的重建。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于变分推断的盲多光谱与全色图像融合方法和系统