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！
摘要：本发明公开了一种基于半监督零样本学习的高光谱‑多光谱融合超分辨率重建方法，包括退化信息学习阶段保证模型能够更准确地重建、利用深层退化信息和噪声高光谱对光谱上采样网络进行有监督地预训练、在图像超分辨率的前序阶段将原始高光谱通过关注光谱信息的超分辨率模型得到模糊超分辨率图像；基于以上三部分的模型输出和模型训练参数，将原始多光谱与模糊超分辨率图像通过光谱上采样网络,得到最佳的融合超分辨率图像，能够仅利用观测到的高光谱‑多光谱图像对进行网络优化，实现“训练即测试”，而不需要额外训练数据集，在一定程度上解决了高光谱成像系统的局限性，突破高光谱图像在光谱分辨率和空间分辨率之间进行权衡的技术难题。
主权项：1.一种基于半监督零样本学习的高光谱-多光谱融合超分辨率重建方法，其特征在于，包括以下步骤：步骤一、退化信息学习阶段，基于深度学习模型对深层退化信息进行建模，高光谱图像Y通过光谱响应函数得到低空间低光谱分辨率图像，多光谱图像Z通过点扩散函数得到低空间低光谱分辨率图像，其中SRF和PSF利用参数可更新的卷积运算来建模，其公式为：K1＝FyY；θSRFK2＝FzZ；θPSF损失函数构造为：L1＝||K1-K2||1；其中，SRF为光谱响应函数、PSF为点扩散函数、k1为低空间低光谱分辨率图像、k2为低空间低光谱分辨率图像，得到退化模型，以指导模型重建，得到光谱上采样网络；步骤二、光谱上采样网络的预训练，基于光谱上采样网络对退化信息和噪声高光谱图像进行有监督预训练建模，得到光谱上采样预训练模型；步骤三，基于步骤二，将原始高光谱图像通过关注光谱信息的空间上采样网络获取丰富的光谱信息，作为初始化输入到预训练的光谱上采样网络，进行学习迭代更新，得到最终超分辨率图像模型；步骤四、无监督图像超分辨率阶段，结合退化模型、光谱上采样预训练模型、模糊超分辨率图像以及原始多光谱图像，以非监督学习方式进行迭代更新，得到最终融合超分辨率图像；步骤五，基于步骤四，在图像超分辨率阶段，利用模糊超分辨率图像和最终融合超分辨率图像的退化信息对终超分辨率图像模型进行约束。
全文数据：
权利要求：
百度查询： 江苏海洋大学 基于半监督零样本学习的高光谱-多光谱融合超分辨率重建方法
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