龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南京邮电大学
摘要：本发明公开了一种基于非配对无监督神经网络的高光谱图像去噪方法，具体包括：高光谱图像通过仿真生成含噪数据集，并进行矩阵分解操作形成低维投影矩阵；基于对低维投影矩阵最小化均方误差的无偏风险估计，进行无监督网络损失函数的计算；针对低维投影矩阵构建U‑net网络；取另外高质量干净数据集，构建三维小波变换网络；将上述构建的U‑net网络与三维小波变换网络联合，基于U‑net网络的损失函数和三维小波变换网络的重构损失函数得到总损失函数，训练非配对无监督神经网络模型。本发明通过输入不同内容的数据形成非配对输入，利用额外信息引导增强恢复出的高光谱图像，能够恢复出边缘更加清晰的干净图像，解决了无监督方法较难学习良好映射的问题。
主权项：1.一种基于非配对无监督神经网络的高光谱图像去噪方法，其特征在于，具体包括以下步骤：S1：初始高光谱图像通过仿真生成含噪数据集，将所述含噪数据集处理成128*128*31大小的通用格式的图像数据；S2：将完成上述步骤S1的图像数据进行矩阵分解操作后表示为低维投影矩阵；S3：基于对步骤S2所述低维投影矩阵最小化均方误差的无偏风险估计，进行无监督网络损失函数的计算；S4：针对低维投影矩阵构建U-net网络；S5：取另外高质量干净数据集，构建一个三维小波变换网络，对所述三维小波变换网络输入的额外信息数据采用主成分分析预处理；S6：将步骤S4所述的U-net网络与步骤S5所述的三维小波变换网络联合，结合U-net网络的损失函数和三维小波变换网络的重构损失函数作为总损失函数，训练非配对无监督神经网络模型；S7：将合成的带噪声的测试集ICVL高光谱图像作为输入，经过步骤S6所述的非配对无监督神经网络模型输出得到去噪后的清晰高光谱图像。
全文数据：
权利要求：
百度查询： 南京邮电大学 一种基于非配对无监督神经网络的高光谱图像去噪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号