申请/专利权人：北京理工大学重庆创新中心;北京理工大学

申请日：2022-01-14

公开（公告）日：2024-03-22

公开（公告）号：CN114387258B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/084;G06V10/80;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：本发明提供一种基于区域动态深度展开神经网络的高光谱图像重构方法，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；S4，利用训练好的深度展开神经网络进行光谱图像重构。本发明采用基于区域动态的深度展开神经网络根据混叠图像的区域化特征来动态指导重构变换域的生成，有效提升了快照压缩光谱成像中的图像重构质量，在网络训练和实用中更为便捷灵活，节省计算资源和降低时间消耗。

主权项：1.一种基于区域动态深度展开神经网络的高光谱图像重构方法，其特征在于，包括如下步骤：S1，模拟高光谱数据的真值图像；S2，将真值图像经过掩膜编码得到混叠图像；S3，混叠图像经过数据预处理后输入深度展开神经网络进行训练；所述深度展开神经网络包括区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；训练过程为：S31，混叠图像经过光谱维特征融合得到区域特征，再将区域特征同时输入到区域权重生成模块、阈值迭代算法变换模块以及像素级自适应阈值模块；首先经过区域权重生成模块生成区域特征指导的权重系数；然后在阈值迭代算法变换模块中进行多个基础的阈值迭代变换，阈值迭代变换的动态阈值由像素级自适应阈值模块根据区域特征生成；最后将区域特征指导的权重系数和多种基本变换进行动态加权得到区域动态重构出的光谱重构图像；S32，步骤S31为深度展开神经网络的一次展开过程，经过若干次展开过程并在每次展开时采用损失函数计算真值图像和光谱重构图像之间的损失以及对阈值迭代变换中的稀疏性和对称性进行约束，通过反向传播算法优化深度展开神经网络的参数；训练完成后得到训练好的深度展开神经网络；S4，利用训练好的深度展开神经网络进行光谱图像重构。

全文数据：

权利要求：

百度查询： 北京理工大学重庆创新中心;北京理工大学 基于区域动态深度展开神经网络的高光谱图像重构方法

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。

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