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：本发明涉及一种基于本征分解的光谱反射率图像获取方法与系统，属于计算机视觉技术领域。首先进行光谱图像细节梯度提取，生成光谱本征图像的细节梯度信息。然后进行光谱图像邻域自相关性矩阵提取。根据光谱图像细节梯度图像和邻域自相关性矩阵，构建光谱图像本征分解模型，使用自监督学习方法进行迭代优化。系统包括光谱图像细节梯度图像提取子系统、光谱图像邻域自相关性矩阵提取子系统、光谱图像本征分解自监督学习子系统、损失函数计算子系统，以及生成结果评价子系统。本发明通过引入相关细节梯度生成和光谱图像自相关性约束，基于无监督学习，实现了从纯噪声到光谱反射率图像的生成，解决了光谱图像同物异谱、同谱异物等问题。
主权项：1.一种基于本征分解的光谱反射率图像获取方法，其特征在于，引入相关细节梯度生成和光谱图像自相关性约束，基于无监督学习，实现从纯噪声到光谱反射率图像的生成，包括以下步骤：步骤1：光谱图像细节梯度提取，生成光谱本征图像的细节梯度信息；使用有形分布，将离散变量不可微问题转换为连续变量的可微问题；使用光谱角的相似度度量方法和离散性约束，对梯度图像进行有形分布变量进行迭代优化，最终生成光谱图像细节梯度图像；步骤2：光谱图像邻域自相关性矩阵提取；根据光谱图像本征图像能够被邻域线性表出的特性，结合光谱图像和反射率图像的自相关性，使用光谱角距离计算方法，计算出光谱图像邻域相似度矩阵；步骤3：光谱图像本征分解自监督学习；根据光谱图像细节梯度图像和邻域自相关性矩阵，构建光谱图像本征分解模型，使用自监督学习方法进行迭代优化；步骤3.1：根据待提取反射率图像的光谱图像大小，生成与其等大的噪声图像；步骤3.2：构建光谱图像本征分解深度学习模型，生成对应的反射率图像和光照图像，将它们结合光谱图像梯度图像和邻域相似度矩阵，计算损失函数，据此更新光谱图像本征分解深度学习模型中的模型参数；步骤3.3：重复步骤3.2，直至满足设定的终止条件后，将模型输出的本征图像和阴影图像进行存储。
全文数据：
权利要求：
百度查询： 北京理工大学 一种基于本征分解的光谱反射率图像获取方法与系统
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