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！

龙图腾网恭喜北京理工大学重庆创新中心;北京理工大学申请的专利高光谱快照图像恢复方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114419392B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210061669.6，技术领域涉及：G06V10/774；该发明授权高光谱快照图像恢复方法、装置、设备及介质是由许廷发;董少聪;李佳男;丁立鹤;周诗韵;许新里设计研发完成，并于2022-01-19向国家知识产权局提交的专利申请。

本高光谱快照图像恢复方法、装置、设备及介质在说明书摘要公布了：本发明公开了高光谱快照图像恢复方法、装置、设备及介质，该方法包括获取光谱图像数据集编写卷积神经网络所需的数据接口；构建训练集和测试集；使用随机掩膜与训练集进行叠加，设定通道像素，并将图像进行倾斜处理后在光谱维度进行叠加获得混叠图像作为输入，训练集作为待拟合数据，端到端训练模型；以深度迭代展开的形式构建恢复算法；利用基于区域自注意力机制的神经网络进行建模学习，构建恢复算法模型；设置训练参数和损失函数策略，对构建好的恢复算法模型进行训练并验证；通过恢复算法模型将压缩感知图像恢复为高光谱图像。本发明利用高光谱数据特有的光谱‑空间相关性，高精度、高效率恢复原始高光谱图像信息。

本发明授权高光谱快照图像恢复方法、装置、设备及介质在权利要求书中公布了：1.一种高光谱快照图像恢复方法，其特征在于，所述方法包括：获取光谱图像数据集，根据所述光谱图像数据集的数据特征编写卷积神经网络所需的数据接口；将所述光谱图像数据集分割成若干份，构建训练集和测试集；使用随机掩膜与所述训练集进行叠加，设定通道像素，并将图像进行倾斜处理后在光谱维度进行叠加获得混叠图像，以所述混叠图像作为输入，所述训练集作为待拟合数据，端到端训练模型；以深度迭代展开的形式构建恢复算法，所述算法包括多个在形式上重复的子阶段，每个子阶段以交替投影法对解进行优化，逐步逼近所期望的恢复解；所述每个子阶段以交替投影法对解进行优化具体形式为：xt＝θt-1+ATAAT-1y-Aθt-1, 其中，x代表恢复图像，θ为投影辅助变量，A为传感矩阵，y代表输入算法的初始图像，t代表第t个子阶段，n代表输入图像基于区域被划分为n个部分；利用基于区域自注意力机制的神经网络进行建模学习，构建恢复算法模型；所述利用基于区域自注意力机制的神经网络进行建模学习，构建恢复算法模型具体包括以下步骤：构建浅层特征编码网络模块，浅层特征编码网络模块包括三个卷积层，三个批归一化层，三个激活函数层，以及一个降采样层，三个卷积层卷积核尺寸分别是3×3，3×3，1×1，激活函数层采用LeakyReLU层，降采样层采用最大值池化层，降采样系数为2，浅层特征编码网络模块在输出时将图像特征图按照预设空间尺寸进行分块划分，得到分块区域，所述分块区域包括若干空间位置；构建空间引导光谱注意力模块，空间引导光谱注意力模块处理的数据单元尺寸为构建浅层特征编码网络模块划分出的区域数据，空间引导光谱注意力模块包括自注意力层和前馈神经网络层，注意力层聚合每个分块区域的空间特征作为光谱通道的特征表示，之后在光谱通道之间计算注意力并重组特征，得到的结果送入前馈神经网络进行处理；构建光谱引导空间注意力模块，光谱引导空间注意力模块的输入为空间引导光谱注意力模块的输出，光谱引导空间注意力模块包括自注意力层和前馈神经网络层，空间引导光谱注意力模块聚合每个空间位置的全部光谱特征作为空间位置的特征表示，在空间位置之间计算注意力并重组特征，得到的结果送入前馈神经网络进行处理；构建特征跨区域传播模块，特征跨区域传播模块对所述分块区域进行重新移位划分，使每个新的分块区域覆盖多个旧的分块区域；重复构建空间引导光谱注意力模块和光谱引导空间注意力模块并连接在特征跨区域传播模块后，建立区域间的特征联系；构建特征解码网络模块，特征解码网络模块将区域恢复为整幅图像，之后对完整的特征图像进行处理，特征解码网络模块包括两个卷积层，两个批归一化层，两个激活函数层和一个反卷积层，其中，卷积层卷积核尺寸分别是3×3，1×1，激活函数层采用LeakyReLU层，反卷积层卷积核尺寸为2，步长为2；设置训练参数和损失函数策略，对构建好的恢复算法模型进行训练并验证；通过所述恢复算法模型将压缩感知图像恢复为高光谱图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学重庆创新中心;北京理工大学，其通讯地址为：401120 重庆市渝北区龙兴镇曙光路9号9幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。