申请/专利权人：中国人民解放军61540部队;西安电子科技大学

申请日：2023-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN117745858A

主分类号：G06T11/00

分类号：G06T11/00;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本公开提出了一种光谱重建模型和高光谱影像库的构建方法、装置和设备，该光谱重建模型包括：单卷积层和至少两个顺次连接的退化学习阶段，其中，每个退化学习阶段包括退化学习梯度下降模块和近端映射模块；单卷积层，用于提取输入图像的浅层特征；针对每个退化学习阶段：退化学习梯度下降模块，用于根据输入图像和光谱响应曲线，对前一退化学习阶段重构的高光谱影像进行重构，得到初始高光谱影像；近端映射模块，用于对初始高光谱影像进行数据增强，得到当前阶段重构的高光谱影像；最后一个阶段重构的高光谱影像即为模型最终重构出的高光谱影像。通过构建的光谱重建模型，可以直接进行高光谱影像库的构建，从而提高了高光谱影像库的构建效率。

主权项：1.一种光谱重建模型，其特征在于，所述光谱重建模型基于多阶段退化学习神经网络构建，用于高光谱影像库的构建，包括：单卷积层和至少两个顺次连接的退化学习阶段，其中，每个退化学习阶段包括退化学习梯度下降模块和近端映射模块；所述单卷积层，用于提取输入图像的浅层特征；各所述退化学习阶段中的所述退化学习梯度下降模块，用于根据所述输入图像和光谱响应曲线，对前一退化学习阶段重构的高光谱影像进行再次重构，得到当前阶段的初始高光谱影像；各所述退化学习阶段中的所述近端映射模块，用于对所述当前阶段的初始高光谱影像进行数据增强，并将所述数据增强结果作为当前阶段重构的高光谱影像；将最后一个退化学习阶段重构出的高光谱影像作为所述输入图像对应的高光谱影像；其中，针对第一个退化学习阶段，根据所述输入图像和光谱响应曲线，对浅层特征进行光谱重构，得到所述第一退化学习阶段的初始高光谱影像。

全文数据：

权利要求：

百度查询： 中国人民解放军61540部队;西安电子科技大学 光谱重建模型和高光谱影像库的构建方法、装置和设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD